top of page
Prevendo Customer Churn em Tempo Real em Operadoras de Telecom
Projeto desenvolvido com a finalidade de prever em tempo real a rotatividade de clientes de uma Operadora de Telecom fornecendo métricas para a empresa atuar com mais agilidade na prevenção de perdas de clientes e também fidelizar o consumidor satisfeito.
Utilizando linguagem de programação Pyhton em conjunto com o Apache Spark (plataforma de computação em cluster) foram coletadas grandes quantidades de dados a fim de implementar um modelo preditivo de aprendizagem de máquina (Machine Learning) supervisionada nos dados históricos.
Com os dados fornecidos foram desenvolvidas carga de dados, engenharia de recursos, limpeza e transformação, processamentos em memória garantindo rapidez, análises exploratórias evidenciando oportunidades para a empresa, Machine Learning e uma série de outras práticas no Spark.
Após explorar todas as informações fornecidas pelos dados, dois modelos preditivos de classificação foram implementados em dados de teste para treinar e analisar a acurácia do modelo. Ao selecionar o melhor modelo de aprendizado de máquina, novos dados (até então desconhecidos) foram introduzidos no modelo para testar sua eficiência apresentando os resultados através de uma confusion matrix, ou matriz de confusão.
Diferencial deste projeto será também a apresentação dos Jobs do Spark sendo executados em tempo real através do PySparkShell, uma poderosa ferramenta para análise interativa do comportamento dos dados.
Baixe o Projeto Completo
bottom of page