Skip to content

Latest commit

 

History

History
125 lines (89 loc) · 4.93 KB

README.md

File metadata and controls

125 lines (89 loc) · 4.93 KB

Análise de Crédito

Este repositório contém a análise de dados de crédito de 10.127 pessoas, abordando variáveis como idade, estado civil, escolaridade, salário anual e tipos de cartões de crédito. O objetivo é explorar padrões de transações financeiras e comportamento de crédito, utilizando ferramentas como Excel, Power BI, Power Point, Python e Jupyter Notebook.

Ferramentas Utilizadas

  • Excel: Análise de dados e elaboração de gráficos.
  • Power BI: Criação de dashboards interativos.
  • Power Point: Apresentação dos resultados.
  • Python: Processamento de dados e cálculos.
  • Jupyter Notebook: Execução de código Python e visualização de resultados.

Análise I

Nesta análise, foram considerados dados de 10.127 pessoas, com informações sobre idade, estado civil, escolaridade, salário anual e tipos de cartões. A análise foi realizada ao longo de um período de 12 meses e incluiu os seguintes insights:

  • Faixa Etária: Idades entre 26 e 73 anos.
  • Estado Civil:
    • Casados: 4.687 pessoas
    • Solteiros: 3.943 pessoas
    • Divorciados: 748 pessoas
    • NA: 749 pessoas
  • Escolaridade:
    • Sem Educação Formal: 1.487 pessoas
    • Ensino Médio: 2.013 pessoas
    • Graduação: 1.013 pessoas
    • Mestrado: 3.128 pessoas
    • Doutorado: 967 pessoas
    • NA: 1.519 pessoas
  • Salário Anual:
    • Menos de R$40 mil: 3.562 pessoas
    • Entre R$40 mil e R$60 mil: 1.788 pessoas
    • Entre R$60 mil e R$80 mil: 1.400 pessoas
    • Entre R$80 mil e R$120 mil: 1.533 pessoas
    • Acima de R$120 mil: 726 pessoas
    • NA: 1.112 pessoas
  • Tipos de Cartões:
    • Blue: 9.436 pessoas
    • Silver: 555 pessoas
    • Gold: 116 pessoas
    • Platinum: 20 pessoas

Principais Descobertas

  • O valor total das transações realizadas foi superior a R$45 milhões, com mais de 657 mil transações.
  • O salário anual total das pessoas analisadas foi superior a R$571 milhões.
  • Mulheres têm maior escolaridade que os homens.
  • O número de transações realizadas pelas mulheres foi superior aos seus ganhos anuais, enquanto para os homens, os ganhos anuais foram superiores ao número de transações.
  • As pessoas casadas têm o maior limite de crédito, com 43,31% do total, sendo 13,3% mulheres e 26,47% homens.

Análise II

Na segunda análise, observamos dados mais detalhados sobre os tipos de cartões e os limites de crédito médios, com o seguinte resumo:

  • Cartões Platinum:
    • Menor idade encontrada: 39 anos (mulher) e 41 anos (homem).
    • Média de limite de crédito: R$30.000.
  • Cartões Gold:
    • Média de limite de crédito: R$28.000.
  • Cartões Silver:
    • Média de limite de crédito: R$25.000.
  • Cartões Blue:
    • Média de limite de crédito: R$7.000.

Além disso, a análise de escolaridade e seus respectivos cartões de crédito revelou que pessoas com doutorado e mestrado tendem a ter os maiores limites de crédito médios.

Quantidade de Pessoas por Escolaridade e Tipo de Cartão

  • Doutorado:
    • 5 pessoas com cartão Platinum (2 mulheres, 3 homens).
    • 10 pessoas com cartão Gold (4 mulheres, 6 homens).
  • Mestrado:
    • 8 pessoas com cartão Platinum (4 mulheres, 4 homens).
    • 36 pessoas com cartão Gold (12 mulheres, 24 homens).

Conclusão

  • A diferença na quantidade de pessoas entre os gêneros é de 5,89% a mais de mulheres.
  • Os homens têm mais pessoas com cartão de crédito.
  • As mulheres realizaram mais transações do que os seus ganhos anuais, enquanto os homens apresentaram o contrário.
  • O valor total de transações realizadas pelas mulheres foi de R$23 milhões, enquanto os homens realizaram transações totalizando R$21 milhões.
  • A faixa etária com maior gasto foi entre 36 e 56 anos, com um total de R$38 milhões em transações.

Fonte dos Dados

Os dados utilizados nesta análise foram retirados de Kaggle - Análise de Crédito.

Como Executar o Projeto

Para rodar os notebooks deste projeto, siga as instruções abaixo:

Clone o repositório:

git clone https://github.com/ewertondrigues02/Analise_de_Credito.git
cd Analise_de_Credito

Instale as dependências

Se você ainda não possui as dependências instaladas, crie um ambiente virtual e instale as bibliotecas necessárias:

python -m venv venv
source venv/bin/activate  # No Windows, use `venv\Scripts\activate`
pip install -r requirements.txt

Execute os notebooks

Abra os notebooks no Jupyter e execute as células para ver a análise detalhada.

jupyter notebook

Contribuições

Contribuições são bem-vindas! Se você deseja melhorar ou adicionar algo ao projeto, por favor, envie um pull request.