Este projeto de Data Science foi desenvolvido para analisar a base de dados da Telecom X e enfrentar o desafio do Churn (Evasão de clientes). Através de uma análise exploratória rigorosa (EDA), identificamos os perfis de clientes com maior propensão ao cancelamento e propusemos estratégias baseadas em dados para aumentar a retenção e a lucratividade da empresa.
- Python & Pandas: Limpeza de dados JSON, tradução de variáveis, tratamento de nulos e criação de métricas personalizadas (Gasto Diário).
- Plotly Express: Geração de histogramas e boxplots interativos para identificação de padrões de comportamento.
- Scikit-learn & Encoding: Transformação de variáveis categóricas em numéricas para análise de correlação.
A análise revelou padrões nítidos ligados ao tempo de contrato e ao tipo de serviço. O insight principal aponta que o vencimento mensal e a falta de serviços de suporte são os maiores gatilhos para a saída precoce do cliente.
Identificamos que o maior volume de cancelamentos ocorre nos primeiros 6 meses de contrato, indicando uma falha crítica na retenção de novos clientes.
Abaixo, a correlação matemática mostra os fatores que mais "influenciam" o cliente para cancelar o plano. O Contrato Mensal lidera a lista, enquanto serviços de segurança e suporte atuam como âncoras de fidelização.
Com base nos achados, as seguintes ações são recomendadas para reduzir o Churn:
- Retenção no Onboarding: Implementar descontos progressivos ou o primeiro mês gratuito para contratos mensais, focando em manter o cliente ativo além do 6º mês crítico.
- Upsell de Proteção: Oferecer combos que incluam "Segurança Online" e "Suporte Técnico" como benefícios nativos, aumentando o valor percebido e dificultando a migração para a concorrência.
- Incentivo à Fidelidade: Criar campanhas de migração do plano Mensal para o Anual através de bônus de dados ou upgrades de serviço, reduzindo a volatilidade da base.
- Clone este repositório.
- Abra o arquivo
Challenge2_dataScience_TelecomX.ipynbno Google Colab. - O notebook consome os dados automaticamente via URL da API.
- Execute as células para acompanhar a linha de raciocínio e o relatório executivo integrado.
Transparência e vibe coding: A análise de dados, lógica de programação e tomada de decisão estratégica apresentadas neste repositório são de minha autoria. Porém, a redação e formatação estrutural deste README e do relatório final, bem como o suporte técnico para resolução de erros de visualização e otimização do relatório final de EDA, foram realizados com auxílio de IA (Gemini), focando em agilidade e entrega profissional.