EMPRESA FICTÍCIA: banco digital internacional chamado Alura Cash
OBJETIVO: Diminuir as perdas financeiras por conta de pessoas mutuarias que não quitam suas dívidas.
COMO FAZER: Encontrar padrões para identificar os clientes que sejam potenciais inadimplentes. Para isso, deseja-se desenvolver um modelo supervisionado de Machine Learning para classificar os solicitantes de empréstimo que possívelmente se tornem inadimplentes e apresentar os resultados em um dashboard interativo para os tomadores de decisão.
A empresa disponibilizou os dados referentes às informações dos clientes através de um dump, o que possibilitou a criação de um no Banco de Dados usando o MySQL. O primeiro passo foi tratar o conjunto de dados para deixá-los padronizados no texto, bem como, corrigir inconsistências relacionadas ao tipo e estruturação. Após o tratamento dos dados, optou-se por juntar todas as tabelas conforme ID do solicitante, ID da solicitação e ID do score de cada solicitante.
O desenvolvimento desta primeira etapa está neste script, e a partir disso todos os dados foram exportados para um único arquivo CSV.
Mais detalhes sobre as informações fornecidas estão no dicionário a seguir:
Tabela contendo os dados pessoais de cada solicitante
| Feature | Característica |
|---|---|
person_id |
ID da pessoa solicitante |
person_age |
Idade da pessoa - em anos - que solicita empréstimo |
person_income |
Salário anual da pessoa solicitante |
person_home_ownership |
Situação da propriedade que a pessoa possui: Alugada (Rent), Própria (Own), Hipotecada (Mortgage) e Outros casos (Other) |
person_emp_length |
Tempo - em anos - que a pessoa trabalhou |
Tabela contendo as informações do empréstimo solicitado
| Feature | Característica |
|---|---|
loan_id |
ID da solicitação de empréstico de cada solicitante |
loan_intent |
Motivo do empréstimo: Pessoal (Personal), Educativo (Education), Médico (Medical), Empreendimento (Venture), Melhora do lar (Homeimprovement), Pagamento de débitos (Debtconsolidation) |
loan_grade |
Pontuação de empréstimos, por nível variando de A a G |
loan_amnt |
Valor total do empréstimo solicitado |
loan_int_rate |
Taxa de juros |
loan_status |
Possibilidade de inadimplência |
loan_percent_income |
Renda percentual entre o valor total do empréstimo e o salário anual |
Histório de emprétimos de cada cliente
| Feature | Característica |
|---|---|
cb_id |
ID do histórico de cada solicitante |
cb_person_default_on_file |
Indica se a pessoa já foi inadimplente: sim (Y,YES) e não (N,NO) |
cb_person_cred_hist_length |
Tempo - em anos - desde a primeira solicitação de crédito ou aquisição de um cartão de crédito |
Tabela que relaciona os IDs de cada informação da pessoa solicitante
| Feature | Característica |
|---|---|
person_id |
ID da pessoa solicitante |
loan_id |
ID da solicitação de empréstico de cada solicitante |
cb_id |
ID do histórico de cada solicitante |
Primeiramente foi feito a limpeza e processamento dos dados, retirando valores nulos, errados e os Outliers. Em seguida foi realizada uma análise dos dados prévia dentro do próprio notebook e os dados já tratados foram salvos em um novo arquivo que será posteriormente utilizado e apresentado no PowerBI.
O modelo que que apresentou melhor desempenho foi o modelo que utiliza o algoritmo K Neighbors Classifier, e após ter seus hiperparametetros otimizados, apresendou as seguintes métricas:
| Métrica | Linha de Base - Dummy Classifier | Modelo KNN Otimizado |
|---|---|---|
| Acurácia | 49,98% | 89,13% |
| Precisão | ... | 84,69% |
| Sensibilidade | ... | 95,98% |
| F1 | ... | 89,98% |
MATRIZ CONFUSÃO:
CURVA ROC E AUC:
O desenvolvimento do modelo está neste notebook.
A terceira etapa deste projeto foi desenvolver um API usando o FastAPI caqpz de rodar o modelo desnvolvido e classificar um novo cliente mutuário como possível inadimplente ou adimplente. O código do API está disponível neste arquivo.
Por fim, foi desenvolvido um dashboard interativo no qual é possível incluir o dados de um novo cliente em forma de parâmetros, e uma vez que o PowerBI esteja conectado ao API e online, o dashboard irá retornar se este novo cliente solicitante terá o emprestimo liberado ou negado, e qual a probabilidade calculada deste cliente ser adimplente ou inadimplente, como segue o exemplo:
Além disso, o dashboard também apresenta gráficos com os dados extraídos da base de dados inicialmente, os quais foram utilizados para treinar e testar o modelo de preditivo.
O dashboard interativo pode ser acessado por aqui e este é o arquivo editável do PowerBI.