Loading repository data…
tnleite / repository
blue-bank-customer-churn-eda
Repositório do projeto de EDA focado no churn de clientes do Blue Bank. Utiliza Python e Jupyter para analisar dados e identificar fatores que influenciam o churn. Inclui insights acionáveis e recomendações estratégicas.
#churn-analysis#datascience#eda#exploratory-data-analysis#matplotlib#pandas-dataframe
Live repository statistics
★ 0Stars
⑂ 2Forks
◯ 0Open issues
◉ 0Watchers
41/100
OPENREPOHUB HEALTH SIGNAL
Limited signals
A transparent discovery signal based on current public GitHub metadata.
Recent activity35% weight
10
Community adoption25% weight
2
Maintenance state20% weight
100
License clarity10% weight
100
Project information10% weight
75
This score does not audit code, security, maintainers, documentation quality, or suitability. Verify the repository and its current documentation before adoption.
README preview
📊 Blue Bank Churn Analysis
📝 Descrição do Projeto
O Blue Bank Churn Analysis é um projeto desenvolvido em Jupyter Notebook, realizado como parte do encerramento do módulo de Técnicas de Programação no curso Santander Coders 2024. O objetivo do projeto foi escolher um conjunto de dados e realizar uma Análise Exploratótia de Dados. Para isso, escolhemos um conjunto de dados realista e aplicamos uma Análise Exploratória de Dados (EDA) detalhada para identificar padrões em variáveis demográficas, financeiras e comportamentais para entender os fatores que contribuem para a rotatividade de clientes (churn) no Blue Bank.
Utilizando ferramentas como Pandas, Matplotlib e Seaborn, fomos capazes de visualizar e analisar as relações entre diversas características dos clientes, como idade, saldo bancário, gênero e atividade no banco, e determinar como essas variáveis influenciam a decisão dos clientes de permanecer ou sair da instituição.
Este projeto é um exemplo prático do poder da análise de dados para gerar insights valiosos, que podem ser usados pelo Blue Bank para melhorar suas estratégias de retenção de clientes e otimizar a tomada de decisões.
💾 Demonstração e Uso
Para explorar a análise, você pode seguir uma das opções abaixo:
-
Visualização Direta no GitHub:
- Vá até a pasta 02-Analise e abra o arquivo Jupyter Notebook diretamente no GitHub para visualizar a análise sem precisar baixar.
- Clique aqui para acessar a pasta de análise.
-
Download do Notebook:
- Caso a visualização no GitHub não funcione adequadamente ou prefira trabalhar localmente, você pode baixar o arquivo que está no caminho anterior.