Skip to content

Latest commit

 

History

History
81 lines (63 loc) · 4.61 KB

README.md

File metadata and controls

81 lines (63 loc) · 4.61 KB

📱 Predicción de Fuga de Clientes en Telecomunicaciones

Este proyecto busca predecir la probabilidad de que un cliente de telecomunicaciones abandone la empresa, utilizando técnicas de análisis de datos, ingeniería de características, selección de variables, modelado y despliegue web con Streamlit.

📘 Diccionario de Datos

Columna Explicación
Falla de Llamada Número de fallas en llamadas
Quejas Variable binaria (0: Sin queja, 1: Con queja)
Tiempo de Suscripción Total de meses de suscripción del cliente
Monto Cobrado Atributo ordinal (0: monto más bajo, 9: monto más alto)
Segundos de Uso Total de segundos utilizados en llamadas
Frecuencia de Uso Número total de llamadas realizadas
Frecuencia de SMS Número total de mensajes de texto enviados
Números Distintos Llamados Número total de números telefónicos distintos contactados
Grupo de Edad Atributo ordinal (1: grupo etario más joven, 5: grupo etario más adulto)
Plan Tarifario Variable binaria (1: Prepago, 2: Contrato)
Estado Variable binaria (1: Activo, 2: Inactivo)
Edad Edad del cliente
Valor del Cliente Valor calculado del cliente
Fuga Etiqueta de clase (1: cliente se fue, 0: cliente se mantiene)

🔍 Objetivo

Identificar con anticipación a los clientes con mayor riesgo de fuga para tomar decisiones preventivas y mejorar la retención. El modelo está basado en comportamiento de uso, quejas y características del servicio.

🧠 Tecnologías utilizadas

  • Python 3
  • Pandas, NumPy, Matplotlib, Seaborn
  • Scikit-learn
  • Imbalanced-learn (SMOTE)
  • Streamlit
  • Joblib
  • Git + GitHub

⚙️ Flujo del proyecto

1. Exploración y limpieza de datos

  • Se eliminaron duplicados y se trató con valores extremos usando IQR (winsorización).
  • Se cambiaron nombres de columnas para mejor comprensión.
  • Se revisaron estadísticas y se visualizaron los datos.

2. Ingeniería de características

Se generaron nuevas variables a partir de las existentes:

  • fallas_por_mes
  • llamadas_al_día
  • sms_al_día
  • quejas_por_mes

Esto permitió captar mejor el comportamiento de los clientes.

3. Selección de variables

Se aplicó RFECV con regresión logística para elegir las variables más importantes.
Las seleccionadas fueron:

  • Falla de Llamada
  • Monto Cobrado
  • Segundos de Uso
  • Frecuencia de Uso
  • sms_al_día
  • quejas_por_mes

4. Modelado

  • División en datos de entrenamiento y prueba (train_test_split).
  • Balanceo de clases con SMOTE.
  • Normalización con StandardScaler.
  • Modelo final: Regresión Logística.
  • Métricas obtenidas: Accuracy, Precision, Recall.

5. Despliegue con Streamlit

  • Se creó una aplicación web donde el usuario puede ingresar los datos de un cliente usando sliders.
  • La app devuelve la probabilidad de fuga y una alerta según el nivel de riesgo.