nclivio / datascience

datascience

📱: CATER 📱:

El desafío: desarrollar un modelo que prediga que clientes van a cambiar su dispositivo móvil (terminal)

El área comercial a este tipo de acción le dice CATER (CAmbio TERminal).

Partiendo de las información de un conjunto de usuarios de Personal correspondientes 5 meses del 2020 y un mes 2021, el desafío consiste en predecir que clientes son mas propensos a cambiar su terminal.

El CATER puede darse por la compra de una terminal en nuestras tiendas (SELL OUT) o bien por un cambio o compra en otro tipo de tiendas (cambio de emei), por lo que identificamos a ambos casos como CATER para el desarrollo del modelo. El universo son clientes del segmento ABONOS: Pospago y Cuentas Claras, Individuos y soho.

Datasets 📂

Para el desarrollo del modelo, se proveen los siguientes conjuntos de datos:

• cater_muestra.csv
• cater_validaciones.csv
• metadata.csv

Estos archivos pueden ser descargados desde aquí.

Target=1 se considera a los clientes que hayan realizado un CATER a los dos meses posteriores subsiguientes desde el momento de sacar la foto de la información, por ejemplo para la foto de informacion del mes de agosto 2020 se considera 1 al cliente que realizó un cater durante Octubre 2020.

La distribución del target para los distintos periodos es

** cater_muestra.csv**

Este dataset contiene los features correspondiente a una muestra aleatoria de más de 170 mil clientes y su correspondiente target.

** cater_validaciones.csv**

Este dataset contiene los features correspondiente a una muestra aleatoria de más de 30 mil clientes, pero las columnas target y sus asociadas están vacías.

El diccionario de variables está en metadata.xlsx, con dos hojas, "variables" con la descripcion de los feautures ,"detalle_mediador" con los conceptos de las variables del mediador de la red movil

Evaluación ✅

Se deberá entregar el listado clientes de la base cater_validaciones.csv con un valor de probabilidad/score que represente a la chance de realizar un CATER.

• Los valores del target del set de test es privado, lo cual significa que los participantes no tendrán acceso a él.

Métrica

Las predicciones serán evaluadas utilizando la métrica de ** precision_al 10% **

Entregables 📎

Recomendaciones

Las recomendaciones deben enviarse en un archivo csv con la siguiente estructura:

• Una columna que identifica a cada perfil con su código de identificación (cliente_id).
• Otra columna con el valor de probabilidad/score

Los valores del csv deberán estar separados por comas, y las variables no deben tener encabezado. Para garantizar la concordancia de las predicciones con el set de testeo