INSTACASH - Data Science Business

1. COMPRESION DEL NEGOCIO

2. COMPRESION DE LOS DATOS

2.1 Diccionario de variables

2.2 Carga de datos

import pandas as pd import seaborn as sns

df = pd.read_csv('instacash_total_csv.csv', sep=';') df

df.dtypes #Existen 2 tipos de datos: #1). CATEGORICO = object / bool #2). NUMERICO = int64 (discreto) / float64 (continuo)

2.3 Análisis de datos

En el siguiente análisis se tendrá como foco la variable "Target_TC ", que contiene los valores 1 o 0. Esta variable tendrá el valor de 1 cuando el cliente adquiere el producto Instacash, En caso contrario, la variable toma el valor 0 (cero)

df1 = df[["Target_TC", "SegmentoRFMTC", "AntMeses", "RangoIngreso", "RangoEdad", "SituacionLaboral", "Macrozona"]]

df2 = df[["Target_TC", "SegmentoRFMTC", "CreditCardTotalCreditLimit_T1", "CreditCardTotalBalance_T2","CreditCardTotalBalance_T1", "CreditCardTotalBalance_1"]]

df3 = df[["Target_TC", "Rat_SOWBG_T1", "PersonalLoanTotalBalance_T2", "PersonalLoanTotalBalance_T1", "NRO_PROD_FIN_6UM"]]

df4 = df[["Target_TC","Mean_Rat_Apalancamiento_T1", "Mean_Rat_Apalancamiento_6UM", "Rat_SaturacionTC_T1", "Rat_Ing_DeudaTC_T1"]]

df1.describe()

sns.catplot(x="SegmentoRFMTC", y="RangoIngreso", kind="box", hue="Target_TC", height=7.5, data=df1)

Los clientes que adquirieron un Instacash y que realizaron al menos una transacciones en los últimos 3 meses (RFMTC - 3) + clientes que realizaron transacciones en los 6 meses consecutivos (RFMTC - 4). Representan el 1.3% de la base total.

sns.catplot(x="SituacionLaboral", y="AntMeses", kind="box", hue="Target_TC", height=7.5, data=df1)

La concentración del cliente objetivo con una antigüedad de meses < a 50 está en (DEP) y (IND)

sns.catplot(x="RangoEdad", y="AntMeses", kind="box", hue="Target_TC", height=7.5, data=df1)

La concentración del rango de edad de los clientes objetivos, está de los 30 - 60 años de edad con una antigüedad de meses < a 50

sns.catplot(x="Macrozona", y="AntMeses", kind="box", hue="Target_TC", height=7.5, data=df1)

La concentración del rango Macrozona está en (LM) y (PR) con una antigüedad de meses < a 50

df2.describe()

sns.pairplot(df3, hue="Target_TC", height=3.5)

sns.histplot(data=df3, x="Rat_SOWBG_T1", hue="Target_TC")

sns.pairplot(df4, hue="Target_TC", height=3.5)

sns.scatterplot(data=df, x="NRO_PROD_FIN_1", y="SegmentoRFMTC", hue="Target_TC")

/shared-libs/python3.7/py-core/lib/python3.7/site-packages/IPython/core/pylabtools.py:137: UserWarning: Creating legend with loc="best" can be slow with large amounts of data.
  fig.canvas.print_figure(bytes_io, **kw)

3. PREPARACION DE LOS DATOS

dfMo = pd.read_csv('df_modelo1.csv', sep=';')

dfMo

4. MODELAMIENTO

4.1 IBM Cloud: Watson Studio - "Flujo del Modelador"

A través de un Modelo Predictivo - ALGORITMO CHAID