Projeto de Data Science e Analytics voltado para análise de churn (cancelamento de clientes), com foco em identificar os principais drivers associados ao cancelamento e gerar insights acionáveis para Retenção, Customer Success, CRM e Estratégia Comercial.
O projeto utiliza análise estatística e medidas de associação para priorizar fatores críticos de churn e simular o impacto potencial de mitigação operacional e comercial.
- Identificar os principais drivers associados ao cancelamento (churn)
- Medir força de associação entre variáveis e churn
- Transformar resultados em recomendações práticas para o negócio
- Simular o impacto potencial da mitigação dos drivers na taxa final de cancelamento
- Data Cleaning e ETL (tipagem, duplicatas e consistência)
- Análise exploratória orientada ao churn
- Correlação de Pearson (variáveis numéricas)
- Testes Chi-Square (variáveis categóricas)
- Cramér’s V (força da associação entre variáveis categóricas e churn)
- Simulação do impacto de mitigação dos drivers na taxa final de cancelamento
- Comunicação de insights em formato executivo
- Dataset https://drive.google.com/file/d/1gRFI0v_EL5m8GpIjKVsrpnKE1oUSisZZ/view?usp=sharing
- Pearson Correlation
- Chi-Square Test (χ²)
- Cramér’s V
- Python
- Jupyter Notebook
- pandas / numpy
- plotly.express
- seaborn / matplotlib
- scipy.stats (chi2_contingency)
- sidetable
Toda a narrativa do projeto, gráficos, interpretações e recomendações de negócio estão documentados no meu portfólio: