Churn_metadata.txt

Un banco ha estado teniendo una tasa de abandono muy alta. Para entender el problema decidieron realizar un experimento en donde seleccionaron 10.000 clientes de manera aleatoria y registraron algunos de sus datos más importantes. La información recolectada por cliente es:

CutsomerId: El código que identifica al cliente

Surname: Apellido del cliente

CreditScore: Puntaje bancario que indica qué tan bueno es el cliente para pagar créditos o préstamos.

Geography: País donde se encuentra la cuenta del cliente

Gender: Género del cliente

Age: Edad del cliente

Tenure: Cuánto tiempo llevan en el banco

Balance: Balance de la cuenta del cliente

NumOfProduct: Número de productos que el cliente tiene con el banco(tarjeta débito, préstamo etc...)

HasCrCard: Si tiene o no tarjeta crédito

IsActiveMember: Si el cliente es o no miembro activo. Existen diferentes formas de medir esto como por ejemplo, si el cliente 		   		   hizo logging o realizó una transacción en el último mes

EstimatedSalary:Estimación del banco del salario del cliente

Al cabo de 6 meses miraron de estos clientes quiénes abandonaron el banco. Esto se registró en una nueva variabe binaria llamada "Exited" que indica si el cliente abandonó o no el banco. El banco ahora requiere a un data scientist para encontrar insights sobre qué genera el abandono en clientes y para crear un modelo que prediga si un cliente abandonará el banco.