Modelos preditivos e predição de Churn : analytics aliado a administração

Abstract

Em um contexto global de transformação digital para todas facetas da vida, torna-se fundamental otimizar ao máximo todos os aspectos variáveis de uma organização, em particular o conhecimento adquirido e auxiliar ao processo de tomada de decisão. No momento em que é possível mensurar e quantificar as características particulares de cada cliente e cada produto e entender quais são os aspectos que possuem impacto positivo e negativo no relacionamento e na manutenção do cliente com a empresa, enxerga-se a disseminação da cultura analítica, em formas multivariadas, aparecer em toda gama de empresas. De pequenos projetos desenvolvidos internamente a grandes departamentos dedicados exclusivamente para a ciência de dados, ou até mesmo consultorias especializadas contratadas para atender demandas pontuais, vemos a mudança de decisões baseadas em conhecimento empírico para conhecimento estatístico impulsionado por dados. Este trabalho busca desenvolver um modelo de previsão de abandono de cliente (churn) em uma empresa facilitadora de meios de pagamentos, a empresa Adquirente. Através da criação de bases de dados, essas extraídas da mineração de milhões de blocos de transações individuais observadas durante o período de um ano, e do perfil cadastral histórico de todos os clientes, será feita a análise do perfil dos clientes, sua classificação, clusterização e detalhamento categórico de suas variáveis. Visando conceber um modelo de retenção de clientes, através do uso de diferentes algoritmos de Machine Learning, serão testadas e investigadas as diferentes variáveis observadas e buscar-se-á a escolha de um algoritmo como preditor de abandono de clientes, para a empresa poder traçar uma estratégia de manutenção dos clientes. Após a aplicação, ambos algoritmos tiveram uma alta aderência com o dataset, apresentando índices na faixa de 90% de acerto.

In a global context of digital transformation of all aspects of life, it becomes essential to optimize all variable aspects of any given organization if it is to remain competitive, in particular the acquired and auxiliary knowledge to the decision making process. Once it’s possible to measure and quantify the individual characteristics of every client and product, and to understand which aspects have positive and negative impacts on the clients’ continued business relationship with the Company, we see the proliferation of analytical culture, in multivaried forms, arise across the board. From in-house low scale development to large scale departments or even outsourced consultants, the shift from empirical decision making gives way to data driven statistical knowledge. This paper aims to develop a client churn prediction model for an acquiring company in the financial services sector, Acquirer. Through the creation of databases and datasets, extracted from millions of individual transactions over the course of an year, as well as historical registry data of all their clients, this work will analyze the clients’ profile, classify them, organize them in clusters and categorize their variables. Aiming to create a client retention model, utilizing different Machine Learning algorythms, the study of the clients data will enable the creation of a churn probability predictor, from which the Company can develop their entire client retention strategy. After running the script, both models showed a very high rate of performance with the current dataset, with ratings hitting 90% correct predictions.