Data Science & Points: Previsão de Churn

Este projeto foi desenvolvido como parte do curso Data Science & Points do Téo Me Why, onde foi construída uma solução completa de Data Science para prever churn de usuários em um sistema de pontos.

O objetivo principal é identificar padrões e comportamentos que possam indicar quando um usuário está prestes a abandonar a plataforma, permitindo ações preventivas para aumentar o engajamento.

Representa o abandono ou desistência de um usuário. No contexto deste projeto, um usuário é considerado em churn quando não apresenta atividade por mais de 21 dias consecutivos.

Foi definida como 21 dias, ou seja, se dentro de 22 dias uma pessoa não tivesse atividade, considera-se que um churn ocorreu. Este atraso foi definido para dar "uma chance maior" aos usuários, diminuindo o impacto excessivo da variável recência no modelo.

Grupo de instâncias que compartilham uma característica comum relacionada ao tempo de entrada ou ocorrência. No projeto, trabalhou-se inicialmente com safras de 21 dias e posteriormente com safras mensais, permitindo analisar o comportamento dos grupos ao longo do tempo de forma comparável.

Tabela estruturada e limpa que contém uma linha por instância de análise (ex: cliente, transação, evento) e colunas (variáveis) que descrevem essa instância. Foi preparada especificamente para alimentar os modelos de machine learning.

Consiste em testar o modelo com dados de um período diferente daquele usado para treinamento e validação. Isso é crucial para verificar se o modelo continuará funcionando no futuro e em cenários ainda não vistos, identificando possíveis drifts (mudanças nas características dos dados ao longo do tempo).

Como a análise exige uma janela de 21 dias após cada transação, a base só é considerada "madura" até 21 dias antes da data mais recente disponível. Transações após esse limite foram excluídas, garantindo comparações consistentes.

Para reduzir o viés gerado por usuários com múltiplas transações no mesmo mês, aplicou-se uma restrição mantendo apenas as transações realizadas no primeiro dia de cada mês, tratando cada ocorrência mensal como uma instância independente de análise.

O modelo Random Forest com GridSearch obteve os seguintes resultados:

• Python
• Pandas
• Scikit-learn
• SQLite
• Matplotlib/Seaborn

# Criar ambiente virtual
conda create --name ds_churn python=3.9
conda activate ds_churn

# Instalar dependências
pip install -r requirements.txt