Previsão de Churn de Clientes com Machine Learning

Este projeto constrói um pipeline de machine learning para prever o churn de clientes em uma empresa de telecomunicações. O objetivo é identificar clientes com maior probabilidade de cancelar o serviço, permitindo que o negócio tome ações preventivas antes que o cancelamento ocorra.

---

Problema

O churn de clientes impacta diretamente a receita de empresas com modelo de assinatura, como telecomunicações, SaaS e streaming. Ao treinar um modelo de classificação com dados históricos de clientes, é possível sinalizar os perfis de maior risco e priorizar ações de retenção de forma proativa.

---

Base de Dados

O projeto utiliza o dataset IBM Telco Customer Churn, uma base pública com 7.043 registros de clientes e 21 variáveis, incluindo tipo de contrato, cobranças mensais, tempo de relacionamento e uso de serviços. A variável alvo é Churn (Sim / Não).

Fonte: IBM Telco Customer Churn no GitHub

---

Fluxo do Projeto

1. Carregamento e inspeção inicial dos dados
2. Análise Exploratória de Dados (EDA)
3. Limpeza e correção de tipos
4. Engenharia de atributos
5. Codificação de variáveis categóricas
6. Divisão treino e teste (80/20)
7. Padronização com StandardScaler
8. Modelo baseline (DummyClassifier)
9. Treinamento e avaliação com Regressão Logística
10. Treinamento e avaliação com Random Forest
11. Comparação entre modelos
12. Curva ROC
13. Análise de importância das variáveis
14. Exportação do modelo para deploy

---

Modelos Treinados

Modelo	Descrição
DummyClassifier	Prevê sempre a classe majoritária; usado como baseline de desempenho
Regressão Logística	Classificador linear, interpretável e de baixo custo computacional
Random Forest	Ensemble de 300 árvores de decisão

---

Métricas de Avaliação

Cada modelo é avaliado com acurácia, relatório de classificação (precisão, recall e F1-score), matriz de confusão e curva ROC-AUC.

---

Engenharia de Atributos

Dois novos atributos foram criados a partir dos dados existentes:

• AvgCharges: valor médio pago por mês, calculado a partir do total cobrado e do tempo de relacionamento
• NewCustomer: flag binária que identifica clientes com menos de 12 meses de contrato

---

Exportação do Modelo

O modelo de Regressão Logística treinado, o StandardScaler e os LabelEncoders são exportados como arquivos .pkl via joblib. Esses arquivos são destinados ao uso em uma aplicação Streamlit.

churn_model.pkl
scaler.pkl
encoders.pkl

---

Interface Streamlit

Caso queira partir para testar diretamente o este classificador, foi desenvolvido uma interface web com Streamlit que, receberá os atributos através de um formulário, fará o preprocessamento com os modelos já treinados anteriormente e exibirá a previsão de Churn com sua probabilidade.

---

Tecnologias Utilizadas

• Python 3
• pandas
• numpy
• scikit-learn
• matplotlib
• seaborn
• joblib
• streamlit

---

Como Executar

1. Clone este repositório
2. Crie um ambiente virtual
3. Instale as dependências: uv sync
4. Abra os notebooks em sua IDE de preferência e execute todas as células em ordem
5. Caso queira ir diretamente para aplicação web, após uv sync execute no terminal:

   uv run streamlit run main.py

   A aplicação estará disponível em: http://localhost:8501

---

Autor

Desenvolvido por, Wellington M. Santos - Cientista de Dados, como projeto de portfólio com foco em machine learning aplicado a um problema real de negócio.

Contato

• Linkedin: in/wellington-moreira-santos
• Email: wsantos08@hotmail.com