{"id":22563886,"url":"https://github.com/datalopes1/bankabc_churn","last_synced_at":"2026-05-18T09:37:48.279Z","repository":{"id":230095367,"uuid":"778462543","full_name":"datalopes1/bankabc_churn","owner":"datalopes1","description":"Neste projeto será realizado o processo de EDA (Exploratory Data Analysis) com foco na análise de Churn a partir do datas ser Bank Customer Churn Dataset, que pode ser encontrado no Kaggle e disponibilizado por Gaurav Topre.","archived":false,"fork":false,"pushed_at":"2024-05-09T19:31:59.000Z","size":8149,"stargazers_count":0,"open_issues_count":0,"forks_count":1,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-08-01T09:55:54.584Z","etag":null,"topics":["churn-analysis","data-analysis","data-science","eda","python"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/datalopes1.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2024-03-27T19:17:42.000Z","updated_at":"2024-05-09T19:32:03.000Z","dependencies_parsed_at":"2025-08-01T09:21:46.306Z","dependency_job_id":"fa7b13c5-079f-4495-aa0f-cb2ddc72a10c","html_url":"https://github.com/datalopes1/bankabc_churn","commit_stats":null,"previous_names":["datalopes1/bankabc_churn"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/datalopes1/bankabc_churn","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datalopes1%2Fbankabc_churn","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datalopes1%2Fbankabc_churn/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datalopes1%2Fbankabc_churn/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datalopes1%2Fbankabc_churn/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/datalopes1","download_url":"https://codeload.github.com/datalopes1/bankabc_churn/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datalopes1%2Fbankabc_churn/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":33172876,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-05-18T09:27:30.708Z","status":"ssl_error","status_checked_at":"2026-05-18T09:27:28.300Z","response_time":71,"last_error":"SSL_connect returned=1 errno=0 peeraddr=140.82.121.5:443 state=error: unexpected eof while reading","robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":false,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["churn-analysis","data-analysis","data-science","eda","python"],"created_at":"2024-12-07T23:13:22.492Z","updated_at":"2026-05-18T09:37:48.248Z","avatar_url":"https://github.com/datalopes1.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"# Análise Exploratória de Dados - Bank Customer Churn Dataset 🏦\r\n\r\nNeste projeto será realizada o processo de EDA (Exploratory Data Analysis) a partir do dataset Bank Customer Churn Dataset para identificar o perfil dos clientes que deixam o Banco ABC. Os dados podem sem encontrados no [Kaggle](https://www.kaggle.com/datasets/gauravtopre/bank-customer-churn-dataset) e foram disponibilizados por [Gaurav Topre](https://www.kaggle.com/gauravtopre).\r\n\r\n![img](https://camo.githubusercontent.com/f2876e4f08d9724a788438fe307745ca90c1701c464c5f1e7575837bd0e1837a/68747470733a2f2f696d616765732e756e73706c6173682e636f6d2f70686f746f2d313630373934343032343036302d3034353033383064646433333f713d383026773d31393332266175746f3d666f726d6174266669743d63726f702669786c69623d72622d342e302e3326697869643d4d3377784d6a4133664442384d48787761473930627931775957646c664878386647567566444238664878386641253344253344)\r\n\r\n### Objetivos e resultados\r\nO objetivo nessa análise é buscar o perfil dos clientes do Banco ABC que estão deixando seus serviços bancários. Consegui encontrar o perfil dos clientes a partir de fatores demográficos e financeiros.\r\n\r\n### 🛠️ Ferramentas utilizadas\r\n![Python](https://img.shields.io/badge/python-3670A0?style=for-the-badge\u0026logo=python\u0026logoColor=ffdd54) ![Jupyter Notebook](https://img.shields.io/badge/jupyter-%23FA0F00.svg?style=for-the-badge\u0026logo=jupyter\u0026logoColor=white)\r\n## Estrutura do Dataset\r\nOs dados tratam de um banco que presta serviços internacionalmente em países europeus, e tem as seguintes colunas:\r\n|Coluna|Descrição|\r\n|-----|-----|\r\n|**costumer_id**|ID do Cliente|\r\n|**credit_score**|Score de crédito|\r\n|**country**|País onde o cliente reside|\r\n|**gender**|Gênero|\r\n|**age**|Idade|\r\n|**tenure**|Tempo de relacionamento com o banco|\r\n|**balance**|Balanço em conta|\r\n|**products_number**|Número de produtos contratados|\r\n|**credit_card**|Possui cartão de crédito (booleano)|\r\n|**active_member**|Cliente ativo (booleano)|\r\n|**estimated_salary**|Salário estimado|\r\n|**churn**|Churn (booleano)|\r\n\r\n## Bibliotecas Python utilizadas\r\n#### Manipulação de dados\r\n- Pandas, Numpy.\r\n#### EDA\r\n- Seaborn, Matplotlib.\r\n# Análise Exploratória de Dados\r\n## Perfil dos clientes\r\n### País\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot1.png?raw=true)\r\n#### Sobre os país de residência\r\nCerca de 50% dos clientes são residentes da França, o restante esta dividida de forma bastante proporcional entre Alemanha e Espanha.\r\n### Gênero\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot2.png?raw=true)\r\n#### Sobre o genêro\r\nExiste uma distribuição bastante equilibrada entre clientes homens e mulheres.\r\n### Idade\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot3.png?raw=true)\r\n\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot4.png?raw=true)\r\n#### Sobre a Idade\r\nA maior parcela de clientes do banco está entre seus 30 e 50 anos. Existe uma assimétria a direita na distribuição, causada pela existência de alguns clientes de idade mais avançada na base de dados.\r\n### Score de crédito\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot5.png?raw=true)\r\n\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot6.png?raw=true)\r\n#### Sobre o Score de Crédito\r\nMaioria dos clientes tem um score de crédito entre 500 e 800 o que mostra uma boa condição para aquisição de produtos bancários.\r\n\r\n### Tempo de relacionamento\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot7.png?raw=true)\r\n\r\n### Balanço em conta\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot8.png?raw=true)\r\n#### Sobre o Balanço em Conta\r\nExiste uma grande quantidade de clientes com balanço zero em conta, vamos isolar estes dados para buscar relações entre o balanço zero e a possibilidade ou não de churn. Vamos observar de maneira isolada somente os clientes com clientes de saldo positivo.\r\n\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot9.png?raw=true)\r\n\r\nEstes clientes tem um saldo consideravel em conta, a maioria com balanço entre 80.000 e 160.000. É uma distribuição muito próxima à normal.\r\n### Produtos Contratados\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot10.png?raw=true)\r\n\r\n#### Sobre os Produtos Contratados\r\nMais de 90% dos clientes tem somente dois produtos contratados, um deles o cartão de crédito, o qual vamos conferir na próxima etapa.\r\n### Cartão de Crédito\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot11.png?raw=true)\r\n\r\n#### Sobre o Cartão de Crédito\r\nCerca de 70% dos clientes contam com serviço de cartão de crédito.\r\n## Quem está abandonando os serviços do Banco ABC?\r\n### Por país\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot12.png?raw=true)\r\n#### Sobre o País de Residência\r\nApesar de conter apenas 25% da base de clientes a Alemanha conta com aproximadamente 40% dos clientes que estão em ponto de deixar os serviços do Banco ABC, é necessário investigar o que está acontecendo na prestação de serviços nas agências alemãs. França e Espanha mostra um padrão \"normal\" de acordo com a quantidade de contratantes em cada país mas precisam também de ações contudentes para diminuir o churn.\r\n### Por Gênero\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot13.png?raw=true)\r\n\r\n#### Sobre o Gênero\r\nApesar de homens serem a maioria na base de clientes (54%), mulheres são quase 56% dos casos de churn, vejo a necessidade de rever a qualidade do atendimento ao público feminino.\r\n### Por Idade\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot14.png?raw=true)\r\n#### Sobre a Idade\r\nOs clientes em ponto de churn tem idade mais avançada, estão entre 40 e 50 anos de idade. Isso demonstra a necessidade também de melhora de atendimento.\r\n### Por Score de Crédito\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot15.png?raw=true)\r\n#### Sobre o Score de Crédito\r\nOs clientes que estão em ponto de churn tem um bom score de crédito.\r\n### Por Tempo de relacionamento\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot16.png?raw=true)\r\n#### Sobre o Tempo de Relacionamento\r\nOs clientes em ponto de churn estão tem entre 2 e 8 anos de relacionamento com o Banco ABC. Um ponto especial de atenção é o terceiro e quinto ano de relação.\r\n### Por Balanço\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot17.png?raw=true)\r\n\r\nVamos remover a influência dos clientes com conta zerada.\r\n\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot18.png?raw=true)\r\n\r\nEntre os clientes com balanço positivo, os que estão em ponto de churn tem um bom saldo em conta.\r\n\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot19.png?raw=true)\r\n\r\nJá entre os clientes com saldo zerado 86% não estão em ponto de churn.\r\n\r\n### Por Produtos Contratados\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot20.png?raw=true)\r\n#### Sobre os Produtos Contratados\r\nCerca de 70% dos clientes em ponto de churn tem apenas um produto contratado, acredito que o cartão de crédito.\r\n### A Matriz de Correlação\r\n![img](https://github.com/datalopes1/bankabc_churn/blob/main/doc/img/plot21.png?raw=true)\r\n\r\n## Conclusões\r\nNo setor bancário medir a taxa de perda de clientes, também é medir a saúde do negócio. Bancos dependem da movimentação financeira constante e da confiança de seus clientes, com tantas opções e facilidades de abertura de contas existem pequenos detalhes como uma instabilidade no aplicativo do banco ou demora em um atendimento, levam pessoas a buscarem outras instituições. Com a digitalização cada vez maior do mercado financeiro, o surgimento das fintechs e outras mudanças, algumas pessoas não necessariamente irão conseguir acompanhar este ritmo.\r\n\r\n### Insights\r\n- Os clientes de idade avançada, com maior saldo em conta e mais tempo de relacionamento estão entre aqueles que mais estão abandonando os serviços do Banco ABC, o fator idade é o mais importante e portando é necessário buscar melhorar o atendimento aos mais velhos;\r\n- Mulheres são a maioria entre estes clientes então melhorar o atendimento a esse público também é de suma importância;\r\n- É preciso também buscar as razões para a taxa ser tão alta entre os alemães, buscar entender se fatores culturais na forma de atendimento e prestação de serviços é onde o Banco ABC está falhando;\r\n- Acredito que o setor de marketing e gestão de relacionamento deve procurar meios de incentivar clientes com saldo em conta zerado a trazerem seu dinheiro para o Banco ABC;\r\n- A forma como os salários são estimados e a atividade é determinada deve ser melhorada para análises futuras.\r\n\r\n![img](https://camo.githubusercontent.com/5b5768e14b6bf1a3b205e066c672d3e6920da1a566cc89e35a285b9c5e4ef38c/68747470733a2f2f696d616765732e756e73706c6173682e636f6d2f70686f746f2d313530393437303437353139322d3435313663313435663861313f713d383026773d32303731266175746f3d666f726d6174266669743d63726f702669786c69623d72622d342e302e3326697869643d4d3377784d6a4133664442384d48787761473930627931775957646c664878386647567566444238664878386641253344253344)\r\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdatalopes1%2Fbankabc_churn","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fdatalopes1%2Fbankabc_churn","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdatalopes1%2Fbankabc_churn/lists"}