Telecom X – Churn Prediction (Parte 2)

Este proyecto desarrolla un pipeline de Machine Learning para predecir la cancelación de clientes (churn) en una empresa de telecomunicaciones (TelecomX), a partir de variables de comportamiento, servicio y facturación. A partir de los resultados obtenidos se analizan los principales factores de fuga y se proponen estrategias de retención de clientes.

---

📁 Estructura del repositorio

Archivo / Carpeta	Descripción
TelecomX_LATAM_2.ipynb	Cuaderno principal con EDA, modelado, análisis de feature importance e informe final
Base_de_datos_TelecomX.csv	Dataset original crudo
TelecomX_Base_de_datos_bool.csv	Dataset tratado (variables limpias y estandarizadas)
Diccionario_TelecomX.md	Diccionario de variables y descripciones

---

⚙️ Proceso de Trabajado

1. Preparación de Datos

• Imputación de faltantes y estandarización de valores tipo “Sin servicio” → “No”.
• Conversión de la variable objetivo: "Si" → 1, "No" → 0.
• Identificación de variables:
  • Categóricas: tipo de contrato, métodos de pago, servicios contratados, etc.
  • Numéricas: cargos mensuales, total cobrado, meses de antigüedad, etc.
• Codificación One-Hot Encoding para variables categóricas.
• División del dataset → train / test (stratified, 70/30).
• Balanceo de clases en entrenamiento usando SMOTE.

2. EDA (Exploratory Data Analysis)

• Histogramas, boxplots y countplots por variable.
• Detección de outliers y patrones de comportamiento.
• Curvas de correlación con respecto a la variable churn.

📌 Hallazgos clave:
Los contratos mensuales, altos cargos mensuales y baja antigüedad correlacionan fuertemente con el abandono del cliente.

3. Modelado Predictivo

Se entrenaron y compararon modelos:

Modelo	Ajuste	Mejores resultados
Regresión Logística	Normalización	Mejor recall y AUC
Random Forest	GridSearchCV	Mejor precisión
KNN, SVM, XGBoost	Param tuning	Alternativas menos performantes

✔️ Métricas evaluadas: Accuracy, Precision, Recall, F1-score, AUC-ROC

4. Feature Importance

Se obtuvo la importancia de variables usando:

• Coeficientes (modelos lineales)
• feature_importances_ (modelos de árbol)
• permutation_importance (fallback universal)

📊 Variables más influyentes:

• Tipo de contrato (mensual)
• Cargo mensual
• Antigüedad del cliente
• Servicios adicionales activos

---

🚀 Estrategias de Retención Propuestas

Acción sugerida	Justificación basada en datos
Migrar clientes a contratos anuales	Reduce el churn asociado a contratos mensuales
Programas de fidelización temprana	Mayor churn en clientes <6 meses
Bundles de servicios de valor agregado	Servicios extras (soporte, streaming) retienen clientes
Incentivar métodos de pago automáticos	Menor churn que pagos manuales

---

▶️ Cómo ejecutar el cuaderno

1. Clonar el repositorio

git clone https://github.com/MigXDev/CS_Datos_I_DESAFIO_3.git

2. Instalar requisitos

pip install -r requirements.txt

Librerías utilizadas: pandas, numpy, matplotlib, seaborn, scikit-learn, imblearn, xgboost.

3. Ejecutar el notebook

1. Abrir TelecomX_LATAM_2.ipynb con Google Colab, Jupyter Notebook o VSCode.
2. Verificar que el archivo TelecomX_Data_Base.csv esté en la misma ruta.
3. Ejecutar celda por celda siguiendo la guía de iconos del encabezado del cuaderno.

---

📌 Autor

Challenge Alura + Oracle

Programa ONE Next Education

Desarrollado por Miguel Angel Ajhuacho – Analista Junior de Ciencia de Datos

Año: 2025

---

¿Listo para anticiparte al abandono de clientes antes de que suceda? 🚀