/Projeto-Previsao-de-Renda

Uma instituição financeira deseja prever a renda de seus novos clientes sem que isso afeta a experiência do cliente.

Primary LanguageJupyter NotebookMIT LicenseMIT

Análise Exploratória, Previsão De Renda Por Meio de Árvore de Regressão e Criação De Um Webapp Através do Streamlit

1. Entendimento do Problema

Uma instituição financeira enfrenta o desafio de aprimorar a avaliação do perfil de renda de seus novos clientes, visando otimizar a definição dos limites de cartões de crédito. A necessidade de uma abordagem mais precisa na determinação dos limites é imporntate para proporcionar uma experiência personalizada aos clientes, ao mesmo tempo em que fortalece a gestão de riscos da instituição.

2. Premissas do Negócio

  • A renda dos clientes é uma métrica fundamental para a definição de limites de cartões de crédito.
  • As variáveis disponíveis no conjunto de dados são relevantes para estimar a renda dos clientes.

3. Estratégia Utilizada

Na fase de análise descritiva, foram explorados os dados disponíveis para compreender e organizar o perfil de renda dos clientes. Posteriormente, a modelagem foi realizada utilizando o DecisionTreeRegressor, uma técnica de Machine Learning. A árvore de regressão resultante foi interpretada para extrair insights sobre as variáveis mais impactantes no perfil de renda dos clientes. Esta estratégia visa otimizar a definição dos limites de cartões de crédito, proporcionando uma melhor experiência para os clientes e fortalecendo a gestão de riscos da instituição. Além disso, foi criado um webapp para disponibilizar essa análise.

4. Principais Insights Obtidos

  • 60,9% não possuem veículo.
  • 67,6% possuem imóvel.
  • 69,2% não possuem filhos.
  • Podemos observar que o índice de clientes que possuem veículo aumenta conforme a renda também aumenta.
  • Em relação a posse de imóvel já não ocorre tanta alteração.
  • A árvore de regressão destacou as variáveis mais relevantes na estimativa de renda dos clientes, oferecendo insights sobre fatores como histórico de crédito, histórico de transações e idade.

5. Produto Final

O produto final consiste em um modelo treinado utilizando o DecisionTreeRegressor, capaz de prever a renda dos clientes com base em diferentes variáveis explicativas. Além disso, o projeto oferece uma análise descritiva dos dados e insights sobre o perfil de renda dos clientes disponibilizados através de um webapp.

6. Conclusão

A implementação desta solução proporciona uma abordagem mais precisa na determinação de limites de cartões de crédito, melhorando a experiência do cliente e fortalecendo a gestão de riscos da instituição financeira. A combinação de análise descritiva e modelagem com DecisionTreeRegressor oferece uma visão aprofundada do perfil de renda dos clientes, permitindo uma tomada de decisão mais informada e eficaz.

Link da Aplicação

https://projeto-previsao-de-renda-philippe-apolinario.streamlit.app/

Gravar_2023_12_27_14_01_20_992.mov

Utilização

Dependências

  • Sistema Operacional:

    • Windows 10 ou 11

  • Bibliotecas e Módulos:

    • Numpy
    • Pandas
    • Matplotlib
    • Seaborn
    • Pandas Profiling
    • Scikit-learn
    • Streamlit

Autores

Nomes dos desenvolvedores do projeto e informação para entrar em contato.

Philippe Apolinário
@PhilippeApolinario

Histórico de versões.

  • 0.1
    • Primeira versão

Licença de uso

Esse projeto possui licença de uso [MIT] - acesse o arquivo LICENSE.md para mais detalhes.