Prevendo o “Churn” de clientes em uma empresa de telecomunicações

Análise e predição do Churn de clientes de uma empresa de Telecomunicações.

Esse projeto foi desenvolvido para a disciplina de Mineração de Dados e entregue dia 27/09/2022 durante a minha graduação em Ciência de Dados e Inteligência Artificial na PUC-SP

Sumário

1. Contextualização
2. Descrição dos Dados
   • O que o dataset nos informa
3. Objetivos do Projeto
4. Modelagem e Avaliação de Modelos
   • Algorítmos usados
   • Métrica
   • Técnica de reamostragem
5. Resultados

1. Contextualização

Muitos clientes migram entre operadoras de telecomunicações devido a fatores diversos, sendo essa prática é conhecida como “Churn”. Com uma análise do banco de dados dos clientes é possível desenvolver um modelo de aprendizagem de máquina que seja capaz de prever os clientes que são mais propensos a migrar de operadora e assim oferece-los promoções diferenciadas visando retê-los.

Uma empresa de telecomunicações está preocupada com o número de clientes que trocam seus negócios de telefonia fixa por concorrentes a cabo. Eles precisam entender quem está saindo. Imagine que você é um analista dessa empresa e precisa descobrir quem está saindo e por quê.

2. Descrição dos Dados

O dataset pode ser encontrado no Kaggle

Número de instâncias (linhas): 7043

Número de atributos (preditores): 20

Variável alvo: Churn

O que o dataset nos informa:

• Clientes que saíram no último mês - a coluna é chamada Churn, esse é o valor a ser previsto no modelo
• Serviços para os quais cada cliente se inscreveu: telefone, várias linhas, internet, segurança online, backup online, proteção de dispositivo, suporte técnico, streaming de TV e filmes.
• Informações da conta do cliente: Informações da conta do cliente: há quanto tempo eles são clientes (tenure), contrato, forma de pagamento, faturamento sem papel, cobranças mensais e cobranças totais.
• Informações demográficas sobre clientes: sexo, faixa etária e se têm parceiros e dependentes

3. Objetivos do Projeto

• Estudar cada feature para a melhor compreensão dos resultados
• Faça uma análise exploratória dos dados
• Caso exista, substituir cada item faltantes por um valor apropriado
• Fazer o particionamento dos dados em treinamento (80%) e teste (20%)
• Substituir os dados categóricos em texto para numéricos
• Treinar e validar uma árvore de decisão e avaliar a precisão do modelo
• Mostrar a matriz de confusão para o modelo

4. Modelagem e Avaliação de Modelos

Algorítmos usados:

• Árvore de Decisão
• Floresta Aleatória
• XGBoost
• Regressão Logística
• SVC

Métrica:

Como para esse problema desejamos maximizar os verdadeiros positivos, escolhemos maximizar o recall dos modelos (ou seja, queremos englobar o máximo número de clientes que podem se tornar um churn - verdadeiros positivos - e nos importamos pouco com clientes que o modelo prevê como churn, mas não é - falsos positivos)

Técnica de reamostragem:

Testamos diferentes técnicas de reamostragem com o modelo Floresta Aleatória e a melhor técnica para o recall foi o undersample

5. Resultados:

• O melhor modelo foi o SVC (Support Vector Classifier) com a tunagem de hiperparâmetros.
• A métrica ROC-AUC e especialmente a métrica PR-AUC (já que a classe positiva é rara), mostram que o modelo foi capaz de aprender com os dados e cumprir o objetivo de negócio.
• Obtivemos uma quantidade considerável de falsos positivos, como esperávamos pois escolhemos maximizar o recall