Este repositório contém o notebook desenvolvido para o projeto de churn da Telecom X, com foco em entender os fatores que levam à evasão e apoiar a criação de estratégias de retenção. O trabalho foi realizado em Google Colab, utilizando Python e bibliotecas de análise de dados.

• Coletar e tratar dados de clientes.
• Realizar análise exploratória de dados (EDA).
• Extrair insights estratégicos que orientem ações de retenção.
• Preparar o dataset para futuras etapas de modelagem preditiva.

• Python 3
• Pandas
• Matplotlib / Seaborn
• Google Colab
• GitHub

notebooks TelecomX_Churn.ipynb → Notebook principal (ETL + EDA + Insights)

data telecomx_clean.csv → Dataset tratado e pronto para modelagem

README.md Documentação do projeto

1. ETL (Extração, Transformação e Carga)

   • Extração de dados via API/JSON.
   • Padronização de colunas e tratamento de nulos.
   • Exportação do dataset limpo.

2. EDA (Exploração de Dados)

   • Distribuição de churn.
   • Segmentação por contrato, tipo de internet e perfil demográfico.
   • Visualizações para identificar padrões e tendências.

3. Insights Estratégicos

   • Contratos mensais apresentam maior risco de churn.
   • Clientes com fibra óptica tendem a cancelar mais que DSL.
   • Idosos e clientes sem dependentes têm maior probabilidade de evasão.
   • Pagamentos digitais reduzem churn.

• Construção de modelos preditivos (Logistic Regression, Random Forest, XGBoost).
• Avaliação de métricas: AUC, Recall, Precision.
• Implementação de sistema de alerta para clientes com alto risco de churn.

Projeto desenvolvido por Valdemir como parte do desafio de Data Science da Telecom X.