Desafio Data Science - Creditas

Introdução

Neste desafio apresentamos um problema real de Ciência de dados aqui da Creditas. Esperamos uma solução que possa ser apresentada para stakeholders, entre eles o próprio CEO.

O problema

A Creditas precisa entender como podemos priorizar os clientes de maneira que os clientes que tenham a maior probabilidade de serem enviados para a análise de crédito sejam atendidos primeiro.

Contexto sobre o fluxo do cliente

Após preencher os dados no site da Creditas, solicitando um empréstimo com garantia de automóvel, o cliente passa por um conjunto de regras automáticas para saber se ele será pré-aprovado. Em caso positivo esse cliente pode prosseguir no fluxo e preencher uma quantidade maior de dados (ficha cadastral), o que irá agilizar o seu processo de atendimento. Em caso negativo, esse cliente fica impedido de fazer uma solicitação de empréstimo. Independente de preencher a ficha cadastral, o cliente pode ser atendido e um consultor de negócios fará a avaliação se a pessoa deve ou não ser enviada para análise.

Objetivo

Mais detalhes sobre os campos do desafio podem ser encontrados no arquivo description.csv.

O seu objetivo é construir um modelo de classificação que retorne a probabilidade que um cliente tem de ser enviado para análise de crédito dado que ele foi pré-aprovado para o empréstimo com garantia de automóvel. Contudo, apenas a construção do modelo não basta, já que é necessário que você realize a apresentação do mesmo para a equipe de Operações da Creditas e o time de Marketing e Analytics. Eles querem entender porque o seu modelo é melhor do que a decisão atual de priorização e para tal, é necessário que você realize a avaliação do modelo com métricas de classificação e avaliação dos atributos mais importantes para o modelo.

Os dados

• Todos os dados necessários para modelagem estão no arquivo dataset.csv. A descrição dos dados está no arquivo description.csv.

• Nesta base estão todos os clientes que entraram no site, mesmo aqueles que não foram pré-aprovados, sendo necessário filtrar os clientes válidos.

O que você precisa fazer

Utilizando um jupyter notebook, apresente a sua solução em python.

1. Apresentar uma Análise Exploratória dos Dados (Exploratory Data Analysis / EDA) com gráficos.

2. À partir da EDA acima, explicar decisões de pré-processamento, limpeza, e remoção de dados.

3. Construir um modelo de classificação que retorne a probabilidade que um cliente tem de ser enviado para análise de crédito dado que ele foi pré-aprovado para o empréstimo com garantia de automóvel. O uso de bibiliotecas é livre, mas você deve ser capaz de explicar o conceito dos algoritmos utilizados de maneira sucinta, ou seja, como eles funcionam e porque os escolheu para uso.

4. Além do desenvolvimento da solução é necessário mostrar métricas de avaliação da solução desenvolvida. Pense em métricas que fazem sentido para o problema em questão e na particularidade destes dados.

5. Avaliação e interpretabilidade do modelo. Você deve responder:

   a. Quais variáveis são importantes para o modelo construído e porquê

   b. Como o modelo se comporta para o contexto de negócio em relação a um benchmark, como outras possíveis ordenações de priorização

   c. Como você monitoraria o modelo em produção, considerando métricas de performance relevantes para o problema

6. (Opcional) Se possível, incluir ideias de melhorias futuras como novas fontes de dados, algoritmos ou o que considerar relevante

7. Você deve garantir que o seu código seja reproduzível e explicar como deveremos rodá-lo em um arquivo .md.

Como entregar o desafio?

Para nos enviar seu código, você pode:

• Comprimir os arquivos do seu desafio em formato .zip ou equivalente.

• Mandar um email para ds-squad@creditas.com.br.

Dicas

• Os dados não estão normalizados. O cliente pode ter preenchido valores incomuns em alguns campos, como a renda.

• Alguns dados estão faltando. Faz parte do exercício entender como que os dados faltantes serão tratados (ou justificar se não o serão).

• Você poderá usar dados externos, desde que explique quais dados usou e como o fez.

• Valorizamos a objetividade, portanto seja sucinto em suas explicações e vá direto ao ponto.

• Acreditamos que uma boa avaliação pós modelagem é essencial! Não adianta só fazer um modelo e não entender o que está acontecendo ali.

• Não há um limite fixo de tempo, porém acreditamos que é possível resolver o desafio em uma semana com dedicação parcial. Caso precise de mais tempo, entre em contato com o time pelo email: ds-squad@creditas.com.br