📞 TelecomX - Análise de Churn de Clientes

📋 Descrição do Projeto

Este projeto realiza uma análise completa de churn (evasão de clientes) de uma empresa de telecomunicações, utilizando técnicas de ciência de dados e análise exploratória para identificar os principais fatores que levam ao cancelamento de serviços.

A análise revela insights acionáveis que podem reduzir significativamente a taxa de churn da empresa, atualmente em 25,72%.

🎯 Objetivos

• 🔍 Investigar os principais fatores que influenciam o churn de clientes
• 📊 Realizar análise exploratória completa dos dados (EDA)
• 📈 Identificar padrões e correlações relevantes para o negócio
• 💡 Fornecer insights acionáveis para estratégias de retenção
• 🚀 Preparar base para modelagem preditiva (Parte 2)

🛠️ Tecnologias Utilizadas

• Python 3.8+
• Pandas - Manipulação e análise de dados
• NumPy - Computação numérica
• Matplotlib - Visualizações estáticas
• Seaborn - Visualizações estatísticas
• Jupyter Notebook - Ambiente de desenvolvimento
• Git/GitHub - Controle de versão

📂 Estrutura do Projeto

TelecomX/
│
├── 📓 TelecomX_BR.ipynb      # Notebook principal com análise completa
├── 📄 TelecomX_dicionario.md       # Dicionário de dados
├── 📋 README.md                    # Este arquivo

🔄 Metodologia - Processo ETL

📥 Extract (Extração)

• Importação de dados do formato JSON
• Carregamento via pandas com normalização automática

🔧 Transform (Transformação)

• Normalização de colunas aninhadas (customer, phone, internet, account)
• Padronização de nomenclatura (snake_case)
• Encoding de variáveis categóricas (Yes/No → 1/0)
• Conversão de tipos de dados adequados
• Feature engineering (criação da variável contas_diarias)

📊 Load & Analysis (Carga e Análise)

• Análise descritiva completa
• Visualizações por variáveis categóricas e numéricas
• Análise de correlações
• Geração de insights acionáveis

📈 Principais Resultados

🔍 Descobertas Críticas:

Fator de Risco	Taxa de Churn	Impacto
Contrato Month-to-month	41,32%	🔴 Alto
Pagamento Electronic check	43,80%	🔴 Alto
Internet Fiber optic	40,56%	🔴 Alto
Clientes novos (≤12 meses)	45,78%	🔴 Crítico
Sem parceiro/dependentes	32,01% / 30,34%	🟡 Médio

💡 Insights Principais:

• Paradoxo do Valor: Clientes que pagam mais têm maior propensão ao churn
• Fator Tempo: Primeiros 12 meses são críticos para retenção
• Estabilidade Familiar: Clientes com vínculos familiares são mais fiéis
• Flexibilidade vs Fidelidade: Contratos flexíveis aumentam risco de saída

🏆 Destaques

Este projeto demonstra competências em:

• ✅ ETL (Extract, Transform, Load)
• ✅ Análise Exploratória de Dados
• ✅ Storytelling com Dados
• ✅ Business Intelligence
• ✅ Visualização de Dados

---