Contexto del Proyecto

Este proyecto surge como una iniciativa personal para profundizar en análisis de datos y machine learning aplicados a problemas reales del negocio.

A partir de un dataset de clientes del sector telecomunicaciones, el objetivo fue comprender los factores asociados al churn y construir un modelo predictivo capaz de anticipar la probabilidad de abandono.

Objetivo del Análisis

  • Analizar el comportamiento de clientes y su relación con el churn
  • Identificar variables clave que influyen en la fuga
  • Entrenar y evaluar modelos predictivos
  • Simular un escenario real de apoyo a decisiones comerciales

Principales Insights

Factores determinantes del churn

Variables como el tipo de contrato, los cargos mensuales y ciertos servicios adicionales influyen directamente en la probabilidad de abandono.

Clientes con mayor riesgo

Los clientes con contratos mensuales y menor antigüedad presentan una probabilidad significativamente mayor de churn.

Valor del enfoque predictivo

El modelo permite anticipar comportamientos de abandono y diseñar estrategias de retención basadas en datos.

Metodología

01

Análisis exploratorio

Exploración inicial del dataset para entender distribuciones, relaciones y patrones asociados al churn.

02

Preparación de datos

Limpieza, transformación de variables y balanceo de clases mediante técnicas como SMOTE.

03

Modelado y evaluación

Entrenamiento y evaluación de modelos de machine learning, analizando métricas de desempeño.