https://github.com/datalopes1/bankabc_churn
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.
https://github.com/datalopes1/bankabc_churn
churn-analysis data-analysis data-science eda python
Last synced: about 2 months ago
JSON representation
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.
- Host: GitHub
- URL: https://github.com/datalopes1/bankabc_churn
- Owner: datalopes1
- Created: 2024-03-27T19:17:42.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2024-05-09T19:31:59.000Z (about 1 year ago)
- Last Synced: 2025-02-02T13:32:15.491Z (4 months ago)
- Topics: churn-analysis, data-analysis, data-science, eda, python
- Language: Jupyter Notebook
- Homepage:
- Size: 7.77 MB
- Stars: 0
- Watchers: 1
- Forks: 1
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Análise Exploratória de Dados - Bank Customer Churn Dataset 🏦
Neste 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).
### Objetivos e resultados
O 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.
### 🛠️ Ferramentas utilizadas
 
## Estrutura do Dataset
Os dados tratam de um banco que presta serviços internacionalmente em países europeus, e tem as seguintes colunas:
|Coluna|Descrição|
|-----|-----|
|**costumer_id**|ID do Cliente|
|**credit_score**|Score de crédito|
|**country**|País onde o cliente reside|
|**gender**|Gênero|
|**age**|Idade|
|**tenure**|Tempo de relacionamento com o banco|
|**balance**|Balanço em conta|
|**products_number**|Número de produtos contratados|
|**credit_card**|Possui cartão de crédito (booleano)|
|**active_member**|Cliente ativo (booleano)|
|**estimated_salary**|Salário estimado|
|**churn**|Churn (booleano)|
## Bibliotecas Python utilizadas
#### Manipulação de dados
- Pandas, Numpy.
#### EDA
- Seaborn, Matplotlib.
# Análise Exploratória de Dados
## Perfil dos clientes
### País
#### Sobre os país de residência
Cerca de 50% dos clientes são residentes da França, o restante esta dividida de forma bastante proporcional entre Alemanha e Espanha.
### Gênero
#### Sobre o genêro
Existe uma distribuição bastante equilibrada entre clientes homens e mulheres.
### Idade
#### Sobre a Idade
A 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.
### Score de crédito
#### Sobre o Score de Crédito
Maioria dos clientes tem um score de crédito entre 500 e 800 o que mostra uma boa condição para aquisição de produtos bancários.
### Tempo de relacionamento
### Balanço em conta
#### Sobre o Balanço em Conta
Existe 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.
Estes clientes tem um saldo consideravel em conta, a maioria com balanço entre 80.000 e 160.000. É uma distribuição muito próxima à normal.
### Produtos Contratados
#### Sobre os Produtos Contratados
Mais de 90% dos clientes tem somente dois produtos contratados, um deles o cartão de crédito, o qual vamos conferir na próxima etapa.
### Cartão de Crédito
#### Sobre o Cartão de Crédito
Cerca de 70% dos clientes contam com serviço de cartão de crédito.
## Quem está abandonando os serviços do Banco ABC?
### Por país
#### Sobre o País de Residência
Apesar 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.
### Por Gênero
#### Sobre o Gênero
Apesar 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.
### Por Idade
#### Sobre a Idade
Os 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.
### Por Score de Crédito
#### Sobre o Score de Crédito
Os clientes que estão em ponto de churn tem um bom score de crédito.
### Por Tempo de relacionamento
#### Sobre o Tempo de Relacionamento
Os 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.
### Por Balanço
Vamos remover a influência dos clientes com conta zerada.
Entre os clientes com balanço positivo, os que estão em ponto de churn tem um bom saldo em conta.
Já entre os clientes com saldo zerado 86% não estão em ponto de churn.
### Por Produtos Contratados
#### Sobre os Produtos Contratados
Cerca de 70% dos clientes em ponto de churn tem apenas um produto contratado, acredito que o cartão de crédito.
### A Matriz de Correlação
## Conclusões
No 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.
### Insights
- 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;
- Mulheres são a maioria entre estes clientes então melhorar o atendimento a esse público também é de suma importância;
- 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;
- 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;
- A forma como os salários são estimados e a atividade é determinada deve ser melhorada para análises futuras.
