O Banco Digital Internacional fictício Alura Cash está tendo problemas com clientes inadimplentes. Para resolver esse problema foi proposto uma análise dos dados dos clientes, tendo como objetivo indentificar padrões e uma possível inadimplencia.
Durante 4 semanas os dados serão analisados e entendidos a fim de criar um modelo de Machine Learning para classificar potenciais clientes inadimplentes e resolver o problema da Alura Cash.
Para esse projeto será utilizado o Cookiecutter, para criação e organização dos diretórios do projeto. Abaixo pode ser visto como esta organização será feita.
├── LICENSE
├── Makefile <- Makefile com comandos como `make data` ou `make train`
├── README.md <- O README de nível superior para desenvolvedores que usam este projeto.
├── data
│ ├── external <- Dados de fontes de terceiros.
│ ├── interim <- Dados intermediários que foram transformados.
│ ├── processed <- Os conjuntos de dados canônicos finais para modelagem.
│ └── raw <- O dump de dados original e imutável.
│
├── docs <- Um projeto Sphinx padrão; veja sphinx-doc.org para detalhes.
│
├── models <- Modelos treinados e serializados, previsões de modelos ou resumos de modelos.
│
├── notebooks <- Jupyter notebooks. A convenção de nomenclatura é um número (para ordenação),
│ as iniciais do criador e uma breve descrição delimitada por `-`, ex:
│ `1.0-jqp-initial-data-exploration`.
│
├── references <- Dicionários de dados, manuais, e todos os outros materiais explicativos.
│
├── reports <- Análises geradas como HTML, PDF, LaTeX, etc.
│ └── figures <- Gráficos gerados e figuras para serem usadas em relatórios.
│
├── requirements.txt <- O arquivo de requisitos para reproduzir o ambiente de análise, e.x.
│ gerado como `pip freeze > requirements.txt`
│
├── setup.py <- Torna o projeto pip instalável (pip install -e .) então src pode ser importado
├── src <- Código fonte para uso neste projeto.
│ ├── __init__.py <- Faz src um módulo Python.
│ │
│ ├── data <- Scripts para download ou geração de dados
│ │ └── make_dataset.py
│ │
│ ├── features <- Scripts para transformar dados brutos em recursos para modelagem
│ │ └── build_features.py
│ │
│ ├── models <- Scripts para treinar modelos e então usar modelos treinados para criar
│ │ │ predições
│ │ ├── predict_model.py
│ │ └── train_model.py
│ │
│ └── visualization <- Scripts para criar visualizações exploratórias e orientadas a resultados
│ └── visualize.py
│
└── tox.ini <- tox arquivo com configurações para execução tox; see tox.readthedocs.io
O projeto será baseado no template cookiecutter data science project template.
Na primeira semana com o arquivo do tipo Dump disponibilizado pelo setor financeiro da Alura Cash e utilizando o MySQL Workbench foi criado um banco de dados com informações dos clientes. As informações dos clientes estão divididas em 4 tabelas.
Para um maior entendimento dos dados, foi fornecido um Dicionário de Dados detalhando o que cada coluna do banco de dados representa.
Foram efetuados alguns tratamentos nos dados, como por exemplo, a alteração de tipos de dados das colunas, tradução das colunas e de registros. O arquivo detalhado pode ser visto nesse link.
Ao final do tratamento, foi criada uma unica tabela que contém dados dos clientes, essa tabela foi exportada para um arquivo .csv, que será utilizado durante as próximas semanas do desafio.
Duarante essa semana foi feita uma limpeza mais completa nos dados, como remoção de dados nulos e de outliers. O processo detalhado pode ser visto nesse notebook.
Foram gerados alguns gráficos para maior entendimento dos dados, nesse notebook.
E por fim foram criados modelos de classificação e medidos seus desempenhos, o melhor deles foi melhorado com hiperparâmetros, os processos detalhados estão aqui.
O modelo final foi exportado para o diretório.
As semanas 03 e 04 tiveram como foco a apresentação das métricas e resultados do trabalho desenvolvido anteriormente. Além de apresentação da solucão final.
Inicialmente foi desenvolvida uma API, para que o modelo de classificação esteja disponível para consumo. A API foi desenvolvida com a linguagem de programação Python juntamente com a biblioteca FastAPI.
Para exibição e consulta dos resultados foi utilizado o Power BI, com esse foi possível a vizualização dos resultados do modelo e além de consultar algumas informações de clientes existentes nos cadastros da empresa. O dashboard final pode ser visto abaixo:
Com isso o problema de de classificação da Alura Cash foi resolvido, pois agora a mesma consegue identificar potenciais clientes que podem ser inadimplentes.