Exploração e análise de dados de crédito com SQL
Os dados:
Os dados retratam detalhes dos clientes de um banco e incluem as seguintes categorias:
idade = idade do cliente
sexo = sexo do cliente (F ou M)
dependentes = número de dependentes do cliente
escolaridade = nível de escolaridade do clientes
salario_anual = faixa salarial do cliente
tipo_cartao = tipo de cartao do cliente
qtd_produtos = quantidade de produtos comprados nos últimos 12 meses
iteracoes_12m = quantidade de iterações/transacoes nos ultimos 12 meses
meses_inativo_12m = quantidade de meses que o cliente ficou inativo
limite_credito = limite de credito do cliente
valor_transacoes_12m = valor das transações dos ultimos 12 meses
qtd_transacoes_12m = quantidade de transacoes dos ultimos 12 meses
A tabela foi criada no AWS Athena em conjunto com o S3 Bucket, utilizando uma versão dos dados disponíveis em: https://github.com/andre-marcos-perez/ebac-course-utils/tree/main/dataset
Examinando os dados:
A primeira etapa da análise consiste em compreender os elementos presentes em nossa matéria-prima. Vamos começar a exploração dos dados:
Qual é a quantidade de informações que temos em nossa base de dados?
Query: SELECT count(*) FROM credito
Reposta:
ps.: Dados de amostragem.
Como são os dados
Query: SELECT * FROM credito LIMIT 10;Dez primeiras linhas do dataset
É possível haver algumas lacunas na tabela (indicadas como 'valor na'). Vamos investigar mais detalhadamente os valores de cada coluna!
Aqui estão os tipos de dados de cada categoria:
Query: DESCRIBE credito
Após termos identificado os tipos de dados presentes, é hora de focarmos nas variáveis que não são numéricas.
Agora, gostaríamos de saber: quais são as diferentes categorias de escolaridade disponíveis no conjunto de dados?
Query: SELECT DISTINCT escolaridade FROM credito
Diversos graus de escolaridade estão presentes nos dados, e é evidente que existem células com valores nulos (representados por "na") no conjunto de dados. Abordaremos isso posteriormente!
Agora, vamos investigar se há mais células com valores nulos.
Quais são os diferentes tipos de estado civil disponíveis no conjunto de dados?
Query: SELECT DISTINCT estado_civil FROM credito
Tipos de estado civil
Novamente encontramos valores nulos nos dados de estado civil!
Quais são os tipos de salario_anual disponíveis no dataset?
Query: SELECT DISTINCT salario_anual FROM credito
Tipos de salario anual
No conjunto de dados, os salários não são apresentados com os valores exatos do ganho de cada cliente. Em vez disso, são fornecidas faixas salariais. Além disso, há registros com valores nulos.
Agora, gostaríamos de saber: quais são os diferentes tipos de cartão disponíveis no conjunto de dados?
Query: SELECT DISTINCT tipo_cartao FROM credito
Tipos de cartão
Análise dos Dados
Após uma exploração inicial dos dados para compreender as informações contidas no banco de dados, é hora de analisar esses dados para entender melhor o contexto. Vamos começar fazendo algumas perguntas: No conjunto de dados, quantos clientes estão em cada faixa salarial?
Query: select count(*), salario_anual from credito group by salario_anual
Quantidade para cada faixa salarial
A grande parte dos clientes nesse conjunto de dados tem uma renda inferior a 40 mil. Além disso, há 235 clientes cuja faixa salarial não foi informada ou está ausente. Em certo sentido, pode ser vantajoso para a empresa concentrar seus esforços nesse segmento de renda mais baixa.
No que diz respeito à distribuição de gênero, quantos clientes são do sexo masculino e quantos são do sexo feminino neste banco de dados?
Query: select count(*), sexo from credito group by sexo
Quantidade para cada sexo
Quantidade para cada sexo - gráfico
A maioria dos clientes desse banco é homem! Do csv extraído dos dados é possível gerar o gráfico em pizza com para melhor a proporção de masculino/feminino
Queremos focar o nosso marketing de maneira adequada para nossos clientes, qual será a idade deles?
Query: select avg(idade) as media_idade, min(idade) as min_idade, max(idade) as max_idade, sexo from credito group by sexoMédia de idades por sexo
Após esta análise, não foi possível encontrar nenhuma