Previsão de interesse em um seguro de automóvel.
- Contexto do Problema
- O Problema
- Entendimento do Problema
- Dados
- Planejamento da Solução
- Hipóteses Principais
- Algoritmos ML
- Performace Modelos
- Resultados
- Entrega da Solução
A Insurance All é uma empresa que fornece seguro de saúde para seus clientes e o time de produtos está analisando a possibilidade de oferecer aos assegurados, um novo produto: Um seguro de automóveis.
Assim como o seguro de saúde, os clientes desse novo plano de seguro de automóveis precisam pagar um valor anualmente à Insurance All para obter um valor assegurado pela empresa, destinado aos custos de um eventual acidente ou dano ao veículo.
A Insurance All fez uma pesquisa com cerca de 380 mil clientes sobre o interesse em aderir a um novo produto de seguro de automóveis, no ano passado. Todos os clientes demonstraram interesse ou não em adquirir o seguro de automóvel e essas respostas ficaram salvas em um banco de dados junto com outros atributos dos clientes.
O time de produtos selecionou 127 mil novos clientes que não responderam a pesquisa para participar de uma campanha, no qual receberão a oferta do novo produto de seguro de automóveis. A oferta será feita pelo time de vendas através de ligações telefônicas.
Contudo, o time de vendas tem uma capacidade de realizar 20 mil ligações dentro do período da campanha.
Nesse contexto, você foi contratado como um consultor de Ciência de Dados para construir um modelo que prediz se o cliente estaria ou não interessado no seguro de automóvel.
Com a sua solução, o time de vendas espera conseguir priorizar as pessoas com maior interesse no novo produto e assim, otimizar a campanha realizando apenas contatos aos clientes mais propensos a realizar a compra.
Como resultado da sua consultoria, você precisará entregar um relatório contendo algumas análises e respostas às seguintes perguntas:
-
Principais Insights sobre os atributos mais relevantes de clientes interessados em adquirir um seguro de automóvel.
-
Qual a porcentagem de clientes interessados em adquirir um seguro de automóvel, o time de vendas conseguirá contatar fazendo 20.000 ligações?
-
E se a capacidade do time de vendas aumentar para 40.000 ligações, qual a porcentagem de clientes interessados em adquirir um seguro de automóvel o time de vendas conseguirá contatar?
-
Quantas ligações o time de vendas precisa fazer para contatar 80% dos clientes interessados em adquirir um seguro de automóvel?
Motivação:
- A empresa vai realizar uma campanha para um novo produto (seguro de automóvel).
Causa Raiz do Problema:
- Identificar clientes com maior interesse no seguro do automóvel.
Dados para Resolver o Problema:
- Os dados estão armazenados em um banco de dados PostgresSQL na AWS
Formato da Solução:
- Granularidade: Previsão da probabilidade de compra por cliente.
- Tipo de Problema: Previsão da probabilidade de compra.
- Potênciais Métodos: Ranqueamento, Classificação.
- Formato da Entrega: WebApp Streamlit.
O Dataset usado para este projeto possui 381109 linhas e 12 colunas. Os dados contém:
| Atributo | Significado |
|---|---|
| id | Unique ID for the customer |
| Gender | Gender of the customer |
| Age | Age of the customer |
| Driving_License | 0 : Customer does not have DL, 1 : Customer already has DL |
| Region_Code | Unique code for the region of the customer |
| Previously_Insured | 1 : Customer already has Vehicle Insurance, 0 : Customer doesn't have Vehicle Insurance |
| Vehicle_Age | Age of the Vehicle |
| Vehicle_Damage | 1 : Customer got his/her vehicle damaged. 0 : Customer didn't get his/her vehicle damaged |
| Annual_Premium | The amount customer needs to pay as premium in the year |
| PolicySalesChannel | iAnonymized Code for the channel of outreaching to the customer ie. |
| Vintage | Number of Days, Customer has been associated with the company |
| Response | Customer is interested, 0 : Customer is not interested |
1. Descrever os Dados:
- Coletar os dados no banco de dados, entender as variáveis disponíveis e verificar possíveis valores faltantes e inconsistências.
- Realizar uma estatística descritiva para entender as características dos dados.
2. Levantar Hipóteses:
- Criar Hipóteses sobre as características e o comportamento dos clientes interessados no produto.
- Realizar um Feature Engineering para criar novas variáveis.
3. Filtrar Dados:
- Filtrar linhas e colunas de acordo com as restrições de negócio e com as premissas assumidas.
4. Realizar Análise Exploratória de Dados:
- Validar ou refutar as hipóteses através dos dados.
- Identificar correlação entre variáveis e a variável resposta.
- Obter insights.
5. Preparar os dados
- Fazer o reescalonamento das variáveis e aplicar Encoding.
6. Selecionar as melhores Features
- Usar o algoritmo Random Forest para selecionar as features mais importantes.
7. Modelagem de Machine Leaning
- Treinar, aplicar cross validation nos algoritmos e validar a partir de métricas apropriadas e curvas de desempenho.
8. Ajustar os Hiperparametros
- Encontrar a melhor combinação de parametros para o modelo final usando a técnica de Grid Search.
9. Traduzir e Interpretar o erro
- Transformar a performace de Machine Leaning para resultado de Negócio, respondendo as perguntas de negócio feitas.
10. Deploy do Modelo em Produção
- Deixar o modelo acessível utilizando API e com acesso via webApp.
FALSA Pessoas que possuem automóvel com dano, possuem maior interesse em contratar um seguro.
VERDADEIRA Pessoas com idade maior que 30 anos, estão mais interessadas em contratar um seguro do que pessoas com idade menor que 30.
H8. Pessoas que já possuiram seguro em algum momento da vida, estão mais interessados em contratar o seguro da Insurance All.
FALSA Pessoas que nunca possuiram seguro em algum momento da vida, estão mais interessados em contratar o seguro da Insurance All.
Os modelos treinados foram:
- kNN
- Logistic Regression
- Random Forest
- XGBoost
- Naive Bayes
O modelo com performance mail alta e escolhido para resolver o problema da Insurance All foi o XGBoost.
As métricas usadas para comparação dos resultados foram: Precision top k (Precision @k), Recall topk (Recall @k), curva lift e curva acumulativa de ganho. Os resultados das performaces obtidas com a validação cruzada foram:
| Model Name | precision_top_20000 | recall_top_20000 |
|---|---|---|
| XGBoost | 0.247528 | 0.984839 |
| Random Forest | 0.246628 | 0.981417 |
| Naive Bayes | 0.246258 | 0.979945 |
| KNN | 0.245968 | 0.978990 |
| Logistic Regression | 0.243308 | 0.967132 |
1. Principais Insights sobre os atributos mais relevantes de clientes interessados em adquirir um seguro de automóvel.
- Pessoas com idade maior que 30 anos, são mais interessadas em contratar um seguro.
- Pessoas que possuem automóvel com dano, possuem maior interesse em contratar um seguro.
- Pessoas que NUNCA possuiram seguro em algum momento da vida, estão mais interessadas em contratar um seguro.
2. Qual a porcentagem de clientes interessados em adquirir um seguro de automóvel, o time de vendas conseguirá contatar fazendo 20.000 ligações?
- Ranqueando a lista de 100 mil clientes para 20 mil ligações, o time de vendas conseguirá atingir 58% dos interessados.
3. E se a capacidade do time de vendas aumentar para 40.000 ligações, qual a porcentagem de clientes interessados em adquirir um seguro de automóvel o time de vendas conseguirá contatar?
- Aumentando a capacidade para 40 mil ligações, o time de vendas conseguirá atingir 92% dos interessados.
4. Quantas ligações o time de vendas precisa fazer para contatar 80% dos clientes interessados em adquirir um seguro de automóvel?
- Para conseguir atingir 80% dos interessados, o time de vendas precisa realizar 31 mil ligações.
Acesse os resultados do modelo em produção aqui
