Digital Analyst Challenge

Caso

Fast-Market es una empresa de entregas interesada en utilizar las verificaciones de antecedentes de Xempresa para validar a los gigsters (personas que no tienen trabajo fijo sino que ofrecen sus servicios a través de diferentes plataformas).

Quieren asegurarse de que no están activando gigsters con antecedentes penales, con identificaciones falsas o con una puntuación global inferior a 0,8 <ya que entienden que 1 es la máxima puntuación máxima>.

Fast-Market envió un lote de datos utilizando la configuración de verificación predeterminada para gigsters, que incluye 3 conjuntos de datos:

• Criminal_background (antecedente criminal)
• Traffic_fines (multas de tránsito)
• Financial_background (antecedentes financieros)

Como parte de tu trabajo, a veces debes analizar el lote de datos del mes pasado, los pilotos u otros clientes y presentar a los clientes los resultados, la información y las recomendaciones sobre cómo usar el producto.

Objetivo y Entregables

1. Crea un informe que incluya lo siguiente: a. Distribución de puntuación (global y por conjunto de datos) b. # de checks con posible fraude (fraude de identidad) c. Tasa de aceptación / rechazo d. Las razones más comunes de rechazo.
2. Aparte de los 4 puntos anteriores, ¿qué otra información incluirías en el reporte?

Mi resultado

Se realizó un analisis usando el lenguaje de programación Python, en el archivo Analisis.ipynb se encuentra el código y los resultados obtenidos.

y se presenta un informe en la carpeta Informe con los resultados obtenidos y las conclusiones del analisis en el archivo informe_Analisis.md.