Skip to content

Challenge de Data Science criado pela Alura, utilizando dados de uma empresa fictícia - Alura Voz

Notifications You must be signed in to change notification settings

Lyarkh/Challenge_Data_Science

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

5 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Challenge Alura Voz


Resumo sobre o challenge

Você foi contratado(a) como cientista de dados pela operadora de telecomunicações Alura Voz. Na reunião inicial com as pessoas responsáveis pela área de vendas da empresa, foi explicada a importância de se reduzir a Taxa de Evasão de Clientes, conhecido como Churn Rate. Basicamente, o Churn Rate indica o quanto a empresa perdeu de receita ou clientes em um período de tempo.

Com sua experiência, você sugere, como passo inicial, a identificação de clientes que teriam uma maior chance de deixar a empresa. Para isso, você explica que é interessante investigar algumas características de clientes ou dos planos de clientes para tentar CLASSIFICAR estas pessoas como potenciais candidatas a deixar a empresa ou não.

Assim, você solicita o conjunto de dados para começar a explorar, tratar e modelar a partir de agora. Em seguida, o foco será na otimização de cada um dos modelos com a finalidade de obter o melhor resultado para a tomada de decisão da Alura Voz.

Fonte de dados

Os dados estão em um formato não tão convencional, ja que vem de uma API. Já que as informações são de uma API, vem no formato JSON.

Os dados estão neste link : Dados Alura-Voz

Para vizualizar melhor os dados contidos no arquivo json, cole as informações no site de JSON Viewer

Informações sobre cada variável do dataset

  • customerID : Código de cada cliente
  • Churn : Métrica que indica o quanto de clientes a empresa perdeu

Dados Relacionados ao customer

  • gender : Gênero do cliente (Masc. ou Femin.)
  • SeniorCitizen : Se o cliente é idoso (1/0 - True/False)
  • Partner : Coluna referente se o cliente possui um parceiro/parceira
  • Dependents : Caso seja dependente de outra pessoa
  • tenure : Tempo de permanência

Dados Relacionados ao phone

  • PhoneService : Se possui serviço de telefone
  • MultipleLines : Se possui múltiplas linhas telefônicas

Dados Relacionados a internet

  • InternetService : Se possui serviço de internet
  • OnlineSecurity : Se assinou o adicional de segurança online
  • OnlineBackup : Se assinou o adicional de backup online
  • DeviceProtection : Se assinou o adicional de proteção do aparelho
  • TechSupport : Se assinou o suporte técnico
  • StreamingTV : Se assinou Tv a cabo
  • StreamingMovies : Caso tenha assinado Streaming de filnes

Dados Relacionados a account

  • Contract : Tipo de contrato
  • PaperlessBilling : Se o cliente prefere receber online a fatura
  • PaymentMethod : Método escolhido para pagamento do contrato
  • Charges.Monthly : Gasto mensal de todos os serviços do cliente
  • Charges.Total : Gasto total do cliente

Semana 1 - Importando e tratando dados

O objetivo da primeira semana foi importar e tratar as inconsistências da base de dados. As colunas que tiveram inconsistência:

  • Churn
  • SeniorCitizen
  • Charges.Total

Semana 2 -


(🚧Em construção🚧)

Semana 3 -


(🚧Em construção🚧)

Semana 4 -


(🚧Em construção🚧)

About

Challenge de Data Science criado pela Alura, utilizando dados de uma empresa fictícia - Alura Voz

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published