Machine Learning for Prediction of Credit Card Churn

PARTE 2

Análise Exploratória de Dados

Nessa seção do projeto, realizamos uma análise exploratória de dados, focando em variáveis categóricas relacionadas ao comportamento dos clientes. Utilizamos visualizações gráficas para explorar padrões e correlações, permitindo uma melhor compreensão das dinâmicas de crédito e churn. Essas análises fornecem insights valiosos sobre o perfil dos clientes e suas interações com os produtos financeiros.

1 - Distribuição de Variáveis Categóricas

Esse código funciona criando 3 subplots que servirão como template para dois tipos

de gráficos sobrepostos, um kdeplot e um histplot, ambos com matiz definida para

o gênero do usuário, com uma paleta customizada, todos mostrando a densidade.

Idade dos Clientes: A média de idade dos clientes varia entre 30 e 60 anos.
Limite de Crédito: Os clientes, em média, possuem um limite de crédito entre 2.000 e 10.000 dólares. No entanto, destaca-se um número significativo de mulheres com limites de crédito na faixa de 2.000 a 5.000 dólares.
Tempo como Usuários: A distribuição do tempo de permanência dos clientes, em meses, apresenta uma tendência parabólica, com um notável aumento no número de clientes que possuem 37 meses de relacionamento.

2 - Relação entre Variáveis e Limite de Crédito

O código executa a agrupamento de cada uma das variáveis categóricas selecionadas em relação à média do limite de crédito, incorporando também a variável de churn para facilitar a análise na matiz futura. Para melhorar a visibilidade dos gráficos, estabeleci um limite arbitrário para o eixo y, baseado no menor valor de cada grupo, subtraindo 2000 do mínimo para uma melhor amostragem.

Dependentes: À medida que o número de dependentes aumenta, o limite de crédito tende a crescer.
Relacionamento: Clientes sem vínculos de relacionamento geralmente apresentam limites de crédito mais elevados.
Salário Médio: O limite de crédito aumenta quase linearmente com o salário do cliente.
Educação: Não há uma relação aparente entre o nível de educação do cliente e seu limite de crédito.
Produtos: Quanto menor a quantidade de produtos vinculados, maior tende a ser o limite de crédito.
Gênero: Homens possuem limites de crédito significativamente maiores em comparação às mulheres.

3 - Matriz de Correlação das Variáveis Numéricas

Este código seleciona apenas as variáveis numéricas e gera uma matriz de correlação utilizando o comando pandas.corr(). Com base nessa matriz, um heatmap é plotado utilizando a biblioteca Seaborn, onde cores mais escuras representam correlações positivas e cores claras indicam correlações negativas.

Months As Customer vs Age: Correlação forte (0.79); clientes mais velhos permanecem mais tempo.
Credit Limit vs Average Open To Buy: Correlação positiva (0.62); maior limite implica maior crédito disponível.
Total Transactions Amount vs Total Transactions Count: Correlação alta (0.81); mais transações geram maior valor total.
Average Utilization Ratio vs Credit Limit: Correlação negativa (-0.48); limites altos reduzem a utilização média.
Average Open To Buy vs Average Utilization Ratio: Correlação negativa (-0.54); maior crédito disponível reduz a utilização.

4 - Proporção das Categorias com Probabilidade de Churn

Relacionamento: A maioria dos clientes se divide entre solteiros e casados, com uma pequena porcentagem de divorciados. De modo geral, ser casado reduz a probabilidade de churn no cartão.
Salário Médio: Clientes com salários mais altos apresentam maior propensão ao churn.
Educação: Pessoas com níveis mais altos de educação tendem a ter maior probabilidade de churn.
Distribuição Geral: Para salário e educação, a proporção dos clientes segue o padrão esperado, alinhando-se com a distribuição natural desses fatores na população.

5 - Relação de Perfil do Cliente com Variáveis Financeiras

O código seleciona colunas financeiras relevantes, como limite de crédito, valor total de transações, e frequência de uso, com o objetivo de explorar a relação entre esses fatores e o perfil dos clientes, considerando idade e gênero. Para aprimorar a visualização, utilizamos uma paleta de cores personalizada que distingue gêneros de forma sutil.

Depois dos 30 anos, observa-se que as mulheres possuem um limite de crédito menor que o dos homens.
Em contrapartida, as mulheres fazem maior uso do cartão de crédito em comparação aos homens.
O valor médio das transações cresce progressivamente até os 50 anos, momento em que começa a declinar.
A utilização do cartão é estável entre as faixas etárias, com homens alcançando o nível das mulheres por volta dos 60 anos.
O número de transações se mantém constante até os 65 anos, a partir de quando começa a apresentar uma queda gradual.

6 - Relação do Tipo de Cartão com o Grau de Educação

Este código realiza uma análise visual da distribuição dos níveis de escolaridade em diferentes categorias de cartões, utilizando histogramas empilhados para cada tipo de cartão. Cada gráfico é refinado com uma paleta de tons de cinza e legendas organizadas, proporcionando uma visualização clara e comparativa.

A esmagadora maioria dos clientes possui cartão do tipo Blue, evidenciando sua popularidade entre os usuários.
Os níveis educacionais não apresentam uma influência significativa sobre a distribuição dos cartões Blue, Silver e Gold.
Proporção no Nível Platinum: No nível Platinum, observa-se um aumento considerável na proporção de membros com Doutorado e Pós-Doutorado, sugerindo que este cartão é mais comum entre clientes com formação avançada.
Educação Superior: A maioria dos clientes possui, pelo menos, um nível de educação superior, o que pode refletir um perfil de cliente mais qualificado e potencialmente mais propenso a utilizar cartões de crédito premium.

7 - Distribuição Estatística de Variáveis com Churn

Este código cria uma visualização abrangente da distribuição de variáveis-chave relacionadas ao churn de clientes, permitindo comparações visuais entre clientes que cancelaram e os que permaneceram com o serviço. Cada boxplot fornece informações sobre a mediana, a variabilidade e a presença de outliers em relação às variáveis analisadas.

A fidelidade dos clientes ao banco varia entre 20 e 55 meses, tanto entre cancelados quanto ativos.
Clientes que cancelaram fazem consideravelmente menos transações.
O outlier do grupo de cancelamento está dentro do IQR dos clientes ativos, destacando a diferença de comportamento.
Clientes ativos realizam transações de maior valor médio.
Apesar das diferenças, os limites de crédito são semelhantes, com os ativos tendo uma média ligeiramente superior.

Seção Anterior

Home

Próxima Seção