Desafío de Clasificación — Predicción de Abandono de Clientes en ABC Multistate Bank¶

Contexto y Objetivo¶

ABC Multistate Bank ha observado recientemente un número creciente de clientes que cierran sus cuentas. La pérdida de clientes no solo reduce los ingresos inmediatos, sino que también incrementa los costos de marketing necesarios para captar nuevos clientes. Para abordar este problema, el equipo de datos ha sido convocado para desarrollar un modelo de clasificación que prediga si un cliente tiene probabilidad de abandonar el banco (churn) en el corto plazo.

Su misión es actuar como Experto en Datos en ABC Bank y construir modelos predictivos que permitan al equipo de negocio identificar clientes en riesgo de abandono, de modo que el banco pueda tomar acciones preventivas a tiempo.

Descripción del Dataset¶

El dataset contiene información de 10.000 clientes del banco. La tarea consiste en predecir la variable churn, que indica si un cliente ha abandonado el banco (1) o no (0).

Variable	Descripción
customer_id	Identificador único del cliente (no se usa en el modelado)
credit_score	Puntaje crediticio del cliente
country	País del cliente (France, Spain, Germany)
gender	Género (Male, Female)
age	Edad del cliente
tenure	Años de relación con el banco
balance	Saldo de la cuenta
products_number	Número de productos contratados
credit_card	Si el cliente tiene tarjeta de crédito (1/0)
active_member	Si el cliente es miembro activo (1/0)
estimated_salary	Salario anual estimado
churn	Variable objetivo (1 = abandonó, 0 = retenido)

In [2]:

import pandas as pd

# cargar datos
path = 'https://raw.githubusercontent.com/fralfaro/MAT281/main/docs/projects/data/bank.csv'
df = pd.read_csv(path, sep="," )

df.head()

import pandas as pd # cargar datos path = 'https://raw.githubusercontent.com/fralfaro/MAT281/main/docs/projects/data/bank.csv' df = pd.read_csv(path, sep="," ) df.head()

Out[2]:

	customer_id	credit_score	country	gender	age	tenure	balance	products_number	credit_card	active_member	estimated_salary	churn
0	15634602	619	France	Female	42	2	0.00	1	1	1	101348.88	1
1	15647311	608	Spain	Female	41	1	83807.86	1	0	1	112542.58	0
2	15619304	502	France	Female	42	8	159660.80	3	1	0	113931.57	1
3	15701354	699	France	Female	39	1	0.00	2	0	0	93826.63	0
4	15737888	850	Spain	Female	43	2	125510.82	1	1	1	79084.10	0

Estructura del Proyecto¶

Deberá entregar un informe analítico completo que cubra tanto los aspectos técnicos como los de negocio. El notebook o informe debe incluir las siguientes secciones:

1. Introducción¶

• Presente el problema de negocio con sus propias palabras.
• Explique por qué predecir el churn es valioso para ABC Bank.
• Defina con claridad el objetivo del proyecto.

In [ ]:

#fixme

#fixme

2. Análisis Exploratorio de Datos (EDA)¶

Realice un análisis exploratorio riguroso para comprender los datos y extraer conclusiones relevantes.

El EDA debe incluir obligatoriamente:

• Descripción general del dataset: estructura, tipos de datos, duplicados y valores faltantes.
• Análisis univariado: distribuciones de variables numéricas y proporciones de variables categóricas.
• Análisis bivariado: relaciones entre los predictores y la variable churn.
• Detección de valores atípicos: identificación de valores extremos mediante IQR o z-scores.
• Análisis de valores faltantes: descripción de cantidad y ubicación, con hipótesis sobre sus posibles causas.

A continuación, decida y justifique:

• ¿Cómo tratará los valores atípicos? (p.ej., winsorización, eliminación, transformación)
• ¿Cómo imputará los datos faltantes? (p.ej., media/mediana, moda, métodos predictivos)
• ¿Hay variables que deban eliminarse o transformarse?

In [ ]:

#fixme

#fixme

3. Preparación de los Datos¶

• Codifique las variables categóricas (p.ej., One-Hot Encoding).
• Escale las variables numéricas cuando sea necesario.
• Divida los datos en conjuntos de entrenamiento y prueba utilizando estratificación.
• Evalúe si existe desbalance de clases y cómo lo abordará (p.ej., SMOTE, pesos de clase).

In [ ]:

#fixme

#fixme

4. Fase de Modelado¶

Deberá construir cuatro modelos de clasificación:

4.1 Regresión Logística¶

• Utilícela como modelo de referencia (baseline).
• Explique los coeficientes e interprételos en términos de probabilidad de churn.

4.2 Árbol de Decisión¶

• Realice ajuste de hiperparámetros (p.ej., max_depth, min_samples_split, min_samples_leaf).

4.3 Random Forest¶

• Utilice búsqueda aleatoria o exhaustiva de hiperparámetros (p.ej., número de árboles, profundidad, tamaño de hoja).

4.4 Gradient Boosting¶

• Ajuste la tasa de aprendizaje, la profundidad y el número de estimadores.
• Argumente por qué el boosting podría superar a los demás modelos.

In [ ]:

#fixme

#fixme

5. Evaluación de Modelos¶

Evalúe todos los modelos utilizando las siguientes métricas:

• ROC-AUC (métrica principal)
• Precisión, Recall y F1-score
• Matriz de confusión

Elabore una tabla comparativa que resuma el desempeño de todos los modelos. Discuta cuál modelo tiene mejor rendimiento y por qué.

In [ ]:

#fixme

#fixme

6. Umbral Óptimo y Balance entre Métricas de Negocio¶

Una vez seleccionado el mejor modelo:

• Determine el umbral de decisión óptimo (no necesariamente 0,5).
• Compare el desempeño del modelo bajo distintos umbrales.
• Responda y argumente la siguiente pregunta en términos de negocio:

¿Es más importante para ABC Bank maximizar el Recall o la Precisión?

• Recall alto → capturar la mayor cantidad posible de clientes que abandonarán (minimizar clientes perdidos).
• Precisión alta → evitar falsas alarmas y no desperdiciar el presupuesto de retención.

In [ ]:

#fixme

#fixme

7. Análisis de Negocio y Recomendaciones¶

Una vez que el modelo identifique las características más relevantes:

• Discuta qué factores influyen más fuertemente en el churn (p.ej., bajo puntaje crediticio, saldo alto pero cliente inactivo).
• Proponga acciones concretas para cada factor clave.
  • Ejemplo: Ofrecer incentivos personalizados a clientes inactivos de alto valor.
  • Ejemplo: Revisar precios o beneficios para clientes con alta probabilidad de churn en ciertos países.

Considere también:

• ¿Qué podría hacer el banco el próximo trimestre para reducir el churn en un 10%?
• ¿Cómo podría este modelo integrarse en una campaña de retención de clientes?

In [ ]:

#fixme

#fixme

Entregables¶

Cada estudiante o grupo debe presentar los siguientes materiales:

#	Entregable	Descripción
1	Jupyter Notebook (.ipynb)	Análisis completo con razonamiento y todas las visualizaciones. Debe incluir justificaciones claras para las decisiones de preprocesamiento, tratamiento de valores atípicos, imputación de faltantes y elección de modelos. Finaliza con conclusiones orientadas al negocio y recomendaciones basadas en datos.
2	Resumen Ejecutivo (1–2 párrafos)	Síntesis concisa de los hallazgos principales: modelo seleccionado, justificación de la elección y recomendaciones claras para la dirección de ABC Bank.
3	Presentación Oral (12–15 minutos)	Ver rúbrica de evaluación más abajo.

La presentación debe incluir:

• El problema de negocio y el objetivo del proyecto.
• Hallazgos clave del análisis exploratorio.
• Comparación de modelos y resultados.
• Umbral seleccionado e interpretación de las métricas.
• Implicaciones para el negocio y acciones recomendadas.

Se recomienda el uso de visualizaciones (gráficos, tablas, dashboards) para hacer la presentación más clara y atractiva.

⚠️ Importante: La nota final del proyecto se basa en ambos componentes: el informe escrito (Notebook + Resumen Ejecutivo) y la presentación oral. Si un equipo entrega solo el informe sin presentar, o presenta sin haber entregado el informe, el proyecto recibirá la nota mínima. Ambos componentes son obligatorios y se evalúan de manera conjunta.

Rúbrica de Presentación Oral¶

Cada grupo será evaluado en una escala de 10 a 100 puntos. Las presentaciones deben realizarse en español o inglés y tener una duración de entre 12 y 15 minutos.

Criterios de Evaluación¶

Criterio	Descripción	Puntaje	Ponderación
1. Comprensión del problema y contexto	Demuestra comprensión clara del problema de negocio, la importancia de predecir el churn y el objetivo del proyecto. Vincula el trabajo de ciencia de datos con el impacto real en el negocio.	10–20 pts	20%
2. Exploración de datos e insights	Presenta los hallazgos del EDA de forma clara y concisa. Destaca patrones, tendencias o anomalías relevantes. Explica cómo el análisis orientó el desarrollo del modelo.	10–20 pts	20%
3. Explicación y comparación de modelos	Explica los modelos, la estrategia de ajuste y las métricas de desempeño (AUC, precisión, recall, etc.) con precisión. Muestra una comparación clara entre modelos y justifica la elección final.	10–20 pts	20%
4. Interpretación de negocio y recomendaciones	Traduce los resultados técnicos en insights accionables para el negocio. Explica qué debe hacer el banco con los resultados y cómo el modelo puede apoyar la toma de decisiones.	10–20 pts	20%
5. Comunicación y presentación	Comunicación clara y profesional en español o inglés. Flujo lógico, tono atractivo, pronunciación correcta y confianza. Trabajo en equipo efectivo y manejo adecuado del tiempo.	10–15 pts	15%
6. Apoyos visuales y diseño de diapositivas	Uso efectivo de diapositivas o dashboards. Las visualizaciones son claras, profesionales y facilitan la comprensión (gráficos, tablas, métricas clave). Evita diapositivas con exceso de texto o desorganizadas.	10–15 pts	15%

Escala de Calificación¶

Puntaje	Nivel	Descripción
90–100	⭐ Sobresaliente	Comprensión excepcional, comunicación impecable y vínculo sólido entre los datos y el negocio. Presentación atractiva e insightful.
80–89	✅ Muy Bueno	Explicación clara y buen soporte visual, con brechas menores en profundidad o fluidez. Sólido dominio técnico y de negocio.
70–79	⚙️ Bueno	Cubre los puntos principales de manera adecuada, pero con falta de profundidad o claridad en algunas áreas. Estructura y trabajo en equipo razonables.
60–69	⚠️ Aceptable	Cobertura básica del proyecto con insight limitado o conexión débil con el problema de negocio. Presentación algo confusa o apresurada.
10–59	❌ Insuficiente	Estructura deficiente, explicación poco clara, contenido incompleto o incapacidad para comunicar los hallazgos. Puede no respetar el tiempo o evidenciar falta de trabajo en equipo.

Notas para Evaluadores¶

• Descontar hasta −10 puntos si la presentación no se encuentra dentro del rango de tiempo permitido (menos de 8 min o más de 15 min).
• Descontar hasta −5 puntos si no todos los integrantes participan activamente.
• Otorgar hasta +5 puntos de bonificación por creatividad excepcional, claridad o insight de negocio relevante.

Puntaje máximo: 100 puntos | Nota mínima de aprobación: 60 puntos