Predecir Churn de un cliente

1. Introducción

Contexto:

Este repositorio es parte de un portafolio de proyectos para presentar habilidades en Machine Learning, especificamente en un problema que muchas empresas poseen que es la fuga de clientes. Para ello, se utiliza data disponible en Kaggle de Telco-Customer-Churn

Problema de Negocio:

Identificar clientes con riesgo de irse de nuestra compañía (Churn). Para ello, se construirá una solución que prediga correctamente si un cliente abandona o no basado en información histórica de:

• Patrones de uso
• Datos del cliente
• Uso del servicio
• Otros factores relevantes

2. Análisis Exploratorio de Datos (EDA)

Importar Librerías y Datos

Se importan las librerías necesarias y se carga el dataset.

Preparación de los Datos

Se realiza la limpieza de datos, transformación de tipos de datos y codificación de variables categóricas.

Visualización de los Datos

Se generan gráficos para entender la distribución de las variables y su relación con el churn:

• Distribución de cargos mensuales por churn
• Distribución del tenure por churn
• Matriz de correlación de las variables numéricas
• Tasa de churn para variables demográficas y categóricas

3. Modelamiento y Evaluación

Generación de Datos de Entrenamiento y Prueba

Se separan las variables predictoras y objetivo, se escalan las variables y se dividen en conjuntos de entrenamiento y prueba.

Definición de los Modelos a Estudiar

Se entrenan y evalúan varios modelos de clasificación para predecir el churn de clientes:

• Random Forest
• Gradient Boosting
• XGBoost
• LightGBM

Interpretación de los Resultados

Se analizan las métricas de desempeño de cada modelo, destacando la importancia de la métrica de recall para identificar correctamente los casos de churn.

Impacto de las Características en el Modelo

Se utilizan valores SHAP para explicar cómo cada característica del modelo influye en las predicciones.

4. Conclusiones

Evaluación General

• LightGBM muestra el mejor desempeño en términos de recall (0.743), siendo el más efectivo en identificar clientes que abandonarán el servicio.
• Gradient Boosting tiene la mejor precisión (0.628) y ROC AUC (0.840), pero menor recall.
• Existe un trade-off entre precision y recall en todos los modelos.
• Para el objetivo de identificar churn, LightGBM es el modelo más adecuado por su alto recall.

Acciones para Reducir la Probabilidad de Churn

1. Ofrecer o renovar soporte técnico (TechSupport) para que el cliente se sienta respaldado.
2. Proponer contratos de mayor duración (one year o two year) con beneficios o descuentos.
3. Ajustar las tarifas mensuales (MonthlyCharges) con planes personalizados o promociones especiales.

Archivos Generados

• Gráficos de visualización de datos y resultados de modelos guardados en ../reports/figures/.
• Puedes ver slides que resumen este proyecto en ../reports/slides/