top of page
Prevendo o Nível de Satisfação dos Clientes
Do Banco Santander em Tempo Real
Projeto desenvolvido com a finalidade de prever em tempo real a satisfação de clientes do Banco Santander 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.
Ao selecionar o melhor modelo de aprendizado de máquina, simulei um ambiente real com aquisição de batch de dados (até então desconhecidos) de uma semana inteira (Segunda à Sexta) apresentando os resultados na plataforma de visualização PowerBI com gráficos interativos evidenciando os consumidores insatisfeitos e gerando oportunidades de ação para os tomadores de decisão.
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