Projeto-4-Análise de Churn

📊 Projeto: Análise de Evasão de Clientes (Churn Analysis)

📝 Introdução

Este projeto tem como objetivo identificar os principais fatores que levam à evasão de clientes (churn) em um banco com operações na Alemanha, na Espanha e na França, utilizando técnicas de machine learning e análise exploratória de dados com o intuito de formular políticas que aumentem a retenção dos clientes mais propensos a desistir dos serviços do banco e, dessa forma, minimizar o impacto financeiro gerado pelo churn.

---

📊 Dados

Foram utilizados dados contendo informações cadastrais e transacionais dos clientes, incluindo variáveis como idade, saldo, salário estimado, produtos contratados e se o cliente deixou ou não a instituição (variável alvo: Exited).

Etapas realizadas:

• Importação do dataset Churn_treino.csv com separador ;
• Análise da distribuição da evasão por localização geográfica, idade e gênero
• Verificação e tratamento de valores faltantes
• Codificação de variáveis categóricas com LabelEncoder
• Padronização de variáveis numéricas com StandardScaler
• Balanceamento da base utilizando SMOTE para lidar com desbalanceamento da variável alvo

---

🤖 Modelagem Preditiva

Modelos aplicados:

• Rede Neural (Keras)
• Regressão Logística
• Random Forest
• Naive Bayes
• SVM
• AdaBoost
• XGBoost
• KNN
• LightGBM

Todos os modelos foram treinados com train_test_split e avaliados de acordo com as métricas acurácia, precisão, recall e F1-score.

🔍 Principais Insights

• Clientes mais velhos tendem a evadir com mais frequência.
• Clientes do país “Germany”(Alemanha) apresentaram maior taxa de evasão.
• Mulheres tiveram uma leve tendência maior à evasão em comparação às mulheres.
• A variável "Saldo" (balance) sozinha não é suficiente para prever churn, mas combinada com idade e número de produtos, aumenta seu poder preditivo.
• O modelo XGBoost foi o que apresentou melhor desempenho entre os algoritmos testados.

---

📈 Visualizações

• Gráfico de barras da evasão por localização (Geography)
• Histograma de idade com estratificação por churn
• Gráfico de barras do churn por gênero
• Matriz de confusão dos principais modelos
• Gráfico de comparação de métricas dos modelos
• Explicações locais com LIME para os resultados do modelo XGBoost

---

🛠️ Ferramentas Utilizadas

• Python – Linguagem principal
• Pandas – Manipulação e análise de dados
• Seaborn / Matplotlib – Visualização gráfica
• Scikit-learn – Modelagem preditiva e métricas
• Keras / TensorFlow – Construção de rede neural
• XGBoost / LightGBM – Modelos de boosting
• LIME – Explicabilidade dos modelos
• Imbalanced-learn (SMOTE) – Balanceamento de classes
• Jupyter Notebook – Ambiente de desenvolvimento

---

✅ Resultados

• O modelo LightGBM apresentou as melhores métricas. No entanto, apesar de ter excedido os outros modelos a esse respeito, métricas como F1-Score e recall se mostraram bem baixas, sendo de 60% e 52%, respectivamente, mesmo com a utilização de SMOTE para balanceamento de classes.
• Foi utilizada a técnica LIME de IA Explicável para desvendar os fatores que contribuem ou não para o churn de clientes.
• Os fatores que reduzem o risco de churn são: idade(mais jovem = menor risco), tempo como cliente e engajamento como membro ativo.
• Os fatores que estão relacionados com o churn são: alto salário, saldo elevado (maior poder de trocar de banco), poucos produtos contratados e score abaixo da média(insegurança para o banco, talvez?

---

💼 Impacto Financeiro do Modelo LightGBM

Ao definir:

• Receita média por cliente: R$ 100,00;
• Métrica utilizada: True Positives (TP) — clientes que realmente sairiam, mas foram corretamente identificados pelo modelo;
• Hipótese: todos os clientes identificados como TP são retidos com sucesso.

O modelo LightGBM, mesmo com algumas métricas com valor mais baixo do que o desejado (Recall e Precision), mostrou potencial de gerar uma economia potencial de R$ 32.600,00

🧠 Conclusões

O projeto mostrou como é possível usar análise de dados e machine learning para:

• Identificar perfis com maior propensão à evasão
• Aplicar técnicas de balanceamento de dados para melhorar a qualidade do modelo
• Avaliar diferentes algoritmos para encontrar o mais adequado ao problema
• Utilizar ferramentas como LIME para interpretar decisões de modelos complexos

---

🔄 Próximos Passos

• Implementar modelos em ambiente de produção com monitoramento contínuo
• Realizar tuning avançado de hiperparâmetros via GridSearch, RandomSearch ou Bayesian Optimizer para encontrar melhores métricas F1-Score e Recall, visto que quando tais métricas estão baixas, acaba-se deixando passar falsos positivos e negativos, o que pode representar altos prejuízos financeiros para a instituição.

---

🧑‍💻 Autor e Contato

Higor Roberto Coutinho Caetano
LinkedIn: https://www.linkedin.com/in/higor-caetano-049521136/
E-mail: higorfct@gmail.com