Credit-Card-Project

2021.12.14~2021.12.22

프로젝트 주제

신용카드 서비스 해지 고객을 줄이기 위한 ML 분석

프로젝트 목적

PYMNTS의 article(https://www.pymnts.com/subscriptions/2019/churn-and-regional-preferences-challenge-subscription-commerce/)에 따르면 신용카드의 서비스 해지율은 평균적으로 13%라고 한다. 해당 데이터에서 나타나는 서비스 해지율은 약 16%로 평균보다 높은 수치를 나타내고 있다. 머신러닝 프로젝트를 통해서 서비스를 해지하는 사용자들읠 특성을 파악하고 해당 서비스의 신용카드 서비스 해지율을 낮출 수 있는 비즈니스 인사이트를 도출해보고자 한다.

프로젝트 가설, 예상 결과

고객의 인구통계학적 데이터 및 가계금융 데이터를 활용하여 신용카드 서비스 해지율을 84%보다 더 정확하게 예측할 수 있을 것이다.

프로젝트 분석방법

다양한 모델들을 비교분석하여 정확도를 평가하는 평가지표들을 정량적으로 비교하여본다.

프로젝트 언어, 환경

python

프로젝트 결과물

tableau, keynote, 영상

데이터 출처

https://www.kaggle.com/sakshigoyal7/credit-card-customers

개선점

시간을 더 효율적으로 사용했다면 DB에 저장하고 api를 개발하는 등 데이터파이프라인을 만들 수 있을 것이다.
신용카드 해지의 원인은 개개인마다 매우 다르기 때문에 정량적인 지표만으로 예측하는 이 모델을 현실 데이터에 적용하면 오류가 많을 것이다.
oversampling만으로 데이터 불균형을 완화시켰다. 해당 데이터는 여러 feature들이 skewed되어 있다는 점에서 oversampling 외의 sampling(undersampling, randomized sampling 등의 방법론이 차이가 있을 것 같다.)
대금 상환 능력이 좋은 고객들과 신용 등급이 좋은 고객 등 여신산업에서 선호하는 고객들을 따로 분류하면 비즈니스 인사이트를 도출할 수 있을 것이지만 해당 프로젝트에서는 전체적인 경향을 파악하는 데에 그쳤다.

Yuns-u/Credit_Card_Churn_Project

README