Skip to content

Latest commit

 

History

History
108 lines (63 loc) · 7.43 KB

README.md

File metadata and controls

108 lines (63 loc) · 7.43 KB
Raw

Projetos para modelagem de risco em Crédito

Projeto 1: desenvolver um modelo de concessão de crédito

Para este problema de negócio, o cientista de dados deverá desenvolver um modelo de concessão de crédito (classificação binária) usando as bases descritas na subseção Dataset abaixo.

O projeto completo (certos processos seletivos podem pedir apenas parte dele) compreende as seguintes atividades:

  1. Entendimento da base e análise exploratória dos dados.
  2. Pré-processamento das variáveis.
  3. Treinamento de um modelo de classificação binária.
  4. Análise técnica da performance do modelo, medida sobre a base de Teste.
  5. Análise financeira do modelo. Para este ponto, observe a subseção Análise financeira.
  6. Escoragem da base Out-of-time, para posterior avaliação da performance nessa base com o alvo detido pelo Prophet/Neurolake.

Artefato mínimo esperado ao fim do projeto:

  1. Um Jupyter Notebook legível, contendo as etapas do projeto.

O cientista de dados pode livremente produzir outros artefatos que julgar relevantes para a apresentação do seu projeto. Alguns processos seletivos podem pedir a base Out-of-time escorada.

Dataset

  • A base contém 150 variáveis, a maioria das quais está mascarada. Utilize a coluna ID como uma key.

  • A variável alvo é denominada TARGET e possui os seguintes valores:

    • 1: Mau Pagador, i.e. atraso > 60 dias em 2 meses.
    • 0: Bom Pagador, i.e. caso contrário.

  • O score do modelo de classificação deve mapear a classe Bom Pagador.

  • A base de dados está contida na pasta ../datasets/credit_01 e é dividida em 3 partes:

    • Treino: base usada para treinamento contendo dados de janeiro a agosto de 2017;

    • Teste: base usada para testes contendo dados de janeiro a agosto de 2017;

    • Out-of-time (oot): contém dados obtidos de setembro a novembro de 2017. A escoragem dessa base pode ser uma etapa do desafio, a depender das condições e requisitos combinados.

      • A base outoftime é considerada uma base "cega" por não possuir a variável "TARGET" (apenas a equipe do Prophet/Neurolake possui acesso a essa variável).

Análise financeira

Considere que seu cliente já possui uma política de gestão de risco de crédito fictícia (que chamaremos de AS-IS), que consiste em reprovar qualquer pessoa que tenha idade igual ou inferior a 28 anos. Ou seja: se alguém nessa faixa etária solicita crédito à instituição financeira, sua solicitação é negada.

O score gerado pelo modelo de machine learning proposto pode ser utilizado para gerar uma segunda política, chamada TO-BE: uma vez que ele mapeia a propensão da pessoa honrar o empréstimo (classe Bom Pagador), o cliente pode substituir o ponto de corte em Idade por um novo ponto de corte no Score, de modo que as solicitações de crédito na política TO-BE serão reprovadas se e somente se o cliente tiver score abaixo deste ponto de corte.

Para realizar a análise financeira do seu modelo, considere apenas o mês de agosto de 2017. suponha que todas as pessoas da base de Teste solicitaram crédito à instituição financeira, na forma de um empréstimo de R$1000,00. Faça o seguinte:

  1. Calcule qual o tamanho da carteira de crédito aprovado (i.e. quanto de dinheiro a Financeira emprestou) na base de Teste, pela Política AS-IS.

  2. Calcule qual a dívida total (suponha que os inadimplentes não pagaram nenhuma parcela do empréstimo), pela Política AS-IS.

  3. Calcule qual o percentual das pessoas da base de Teste que tiveram a solicitação negada. Agora crie um ponto de corte de seu Score que negaria o empréstimo para exatamente o mesmo percentual de pessoas. Essa é a Política TO-BE.

  4. Calcule o novo tamanho da carteira de crédito aprovado e a dívida total na Política TO-BE. Calcule a economia gerada por seu modelo.

Projeto 2: Desenvolver um modelo de recuperação de dívidas

Para este problema de negócio, o cientista de dados deverá desenvolver um modelo de recuperação de dívidas (classificação binária) usando as bases descritas na subseção Dataset abaixo.

O projeto completo (certos processos seletivos podem pedir apenas parte dele) é similar ao que descrito no Projeto 1, compreende as seguintes atividades:

  1. Entendimento da base e análise exploratória dos dados.
  2. Pré-processamento das variáveis.
  3. Treinamento de um modelo de classificação binária.
  4. Análise técnica da performance do modelo.
  5. Análise de negócio (Para Cientista I - OPCIONAL; A partir de Cientista II - Obrigatório), interpretando os números obtidos e indicando como o seu modelo de machine learning impactaria positivamente a empresa e seus clientes.

Artefato mínimo esperado ao fim do projeto:

  1. Um Jupyter Notebook legível, contendo as etapas do projeto.

O cientista de dados pode livremente produzir outros artefatos que julgar relevantes para a apresentação do seu projeto.

  1. Apenas a partir de Cientista II:

Uma apresentação, em Google Slides, Power Point ou algum software de sua preferência, com os principais aprendizados e recomendações da análise de negócios

Dataset

  • A base contém 203 variáveis, a maioria das quais está mascarada. Utilize a coluna index como uma key.

  • A variável alvo possui os seguintes valores:

    • 1: Mau Pagador
    • 0: Bom Pagador

  • O score do modelo de classificação deve mapear a classe Bom Pagador. Você deve deixar claro quais foram os critérios utilizados no score para definição das classes de nível de Pagador

  • A base de dados está contida na pasta ../datasets/credit_02

Projeto 3: desenvolver uma solução para Cobrança

Este desafio é mais open-ended. Na pasta ../datasets/credit_03 você encontrará um dataset de nome base_cobranca.gz, com dados relacionados ao problema de cobrança de dívidas associadas a financiamento veicular, com 300000 linhas e 328 colunas, das quais 316 estão mascaradas.

A seguir você encontra as primeiras 3 linhas e 9 colunas:

id documento mes_pagamento dias_atraso segmento_veiculo saldo_vencido pagamento divida_restante per_pago
0x117651 0x722945 202301 18 leves 1445.37 0.00 1445.37 0.000000
0x80136d 0x7fa1e8 202301 28 motos 426.84 426.84 0.00 1.000000
0x839c27 0x724e31 202301 30 leves 1381.98 1381.98 0.00 1.000000

A forma de ler o conteúdo da primeira linha é a seguinte: o cliente de ID 0x117651, no mês 202301, estava com 18 dias de atraso e com saldo devedor de R$1445,37, e não pagou nada da dívida. Já o segundo cliente, na segunda linha, pagou integralmente a dívida.

Obs.: para possibilitar a leitura da base base_cobranca.gz, considere que ela foi salva usando o caracter \t como separador.

Objetivo: seu objetivo neste desafio é criar uma solução que consiga melhorar a taxa de conversão de dívidas usando machine learning (seja com um modelo único, seja com um modelo por persona). Use os 4 últimos meses (na coluna mes_pagamento) como definição da base de validação "out of time".