Previsão de Evasão Bancária com IA: Machine Learning e Proteção de Receita no Power BI

1. Contexto do Projeto

No setor bancário competitivo, a evasão de clientes (churn) atua como um dreno silencioso na rentabilidade. Instituições financeiras frequentemente operam sob uma mentalidade reativa — acionando a equipe de retenção apenas quando o cliente já solicitou o encerramento da conta, momento em que a decisão é quase irreversível e o custo operacional é altíssimo.

O problema central enfrentado era a ausência de visibilidade preditiva. Os relatórios legados limitavam-se à estatística descritiva (quem já havia cancelado), impedindo a identificação de clientes sob risco iminente. Consequentemente, campanhas de cross-sell e ligações de retenção eram disparadas de forma generalizada, inflando o Custo de Aquisição/Retenção de Clientes (CAC/CRC) e falhando em proteger a receita proveniente das contas mais estratégicas para a DRE da instituição.

2. Objetivos Estratégicos

O desenho desta solução não se limitou ao treinamento de algoritmos; ele exigiu a tradução de outputs matemáticos complexos em métricas executivas de balanço:

• Inteligência Preditiva (ML): Substituir o achismo comercial por um modelo estatístico capaz de mapear o comportamento de 10.000 correntistas e inferir a probabilidade exata de churn de cada indivíduo ativo.
• Proteção de Receita (Financeiro): Calcular e expor a métrica de Estimated Revenue at Risk no Power BI, tangibilizando para o CFO o montante exato de caixa (em R$) que está na iminência de ser perdido.
• Direcionamento Tático: Entregar à operação uma matriz diária e acionável (*Actionable Risk List*), ordenando as abordagens de telemarketing com base no risco estatístico de cada CPF.

3. O Motor de Inteligência: Python & Machine Learning

A base de dados transacional bruta compreendia 10.000 registros históricos, abrigando atributos demográficos (Idade, Geografia, Gênero) e métricas de relacionamento bancário (Saldo, Produtos Contratados, Score de Crédito, Status de Membro Ativo).

Exploração e Engenharia de Features (EDA/ETL): O tratamento de dados foi conduzido em ambiente Python, garantindo a integridade analítica. Durante a Análise Exploratória, identifiquei um severo desbalanceamento de classes nativo do problema: a taxa histórica de churn estacionava na casa dos 20%. Para o treinamento, realizei One-Hot Encoding em variáveis categóricas espaciais e ponderei os vetores de magnitude financeira.

A escolha metodológica do algoritmo recaiu sobre o Random Forest Classifier. Como um método de ensemble ancorado em árvores de decisão, ele lida excepcionalmente bem com limites não-lineares — essencial para capturar o fato de que um cliente com 4 produtos não é "mais fiel" que um com 2 produtos, mas sim mais sobrecarregado (relação não-linear).

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report, roc_auc_score

# 1. Carregamento e Pré-processamento Categórico
df = pd.read_csv('bank_customers.csv')
df = pd.get_dummies(df, columns=['Geography', 'Gender'], drop_first=True)

X = df.drop(['Churn', 'CustomerId', 'Surname'], axis=1)
y = df['Churn']

# 2. Divisão de Treino e Teste com Estratificação
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.25, stratify=y, random_state=42
)

# 3. Treinamento: Mitigando o desbalanceamento de Churn com class_weight
# O parâmetro 'balanced' força o algoritmo a penalizar severamente Falsos Negativos
rf_model = RandomForestClassifier(
    n_estimators=200, 
    max_depth=12, 
    class_weight='balanced', 
    random_state=42
)
rf_model.fit(X_train, y_train)

# 4. Avaliação do Modelo 
y_pred = rf_model.predict(X_test)
y_proba = rf_model.predict_proba(X_test)[:, 1]
print(f"ROC-AUC Score: {roc_auc_score(y_test, y_proba):.4f}")
print(classification_report(y_test, y_pred))

# 5. Aplicação do Threshold Estratégico (30%) e Enriquecimento da Base
df['Probabilidade_Churn'] = rf_model.predict_proba(X)[:, 1]

# Calibragem Executiva: Em vez de assumir propensão apenas em > 50%, 
# forçamos o sinal de alerta precoce em >= 30% para atuação comercial tempestiva.
df['Risco_Identificado'] = np.where(df['Probabilidade_Churn'] >= 0.30, 1, 0)

# Exportação do Dataset Preditivo final para ingestão no Power BI
df.to_csv('Treated_Bank_Churn_For_PBI.csv', index=False)

Calibragem de Risco: Como detalhado no bloco de código, a calibração do Limiar de Decisão (Threshold) para 30% foi uma intervenção executiva deliberada. Maximizar o Recall do modelo — englobando mais clientes na zona de alerta primária — foi priorizado estatisticamente, assegurando tempo hábil para a equipe comercial atuar antes que a decisão de cancelamento torne-se efetiva.

4. Arquitetura Analítica e DAX Avançado no Power BI

Toda a matemática preditiva processada em Python foi canalizada para um Painel Executivo bilíngue no Power BI, focado na interatividade C-Level e em Data Storytelling:

• Diagnóstico Histórico: Uma página retroativa provando a correlação empírica do engajamento com o churn, evidenciando à diretoria que clientes com status inativo apresentam evasão majoritariamente superior.
• Customer Risk Matrix (Dispersão Complexa): Empreguei engenharia visual avançada no Power BI, fixando os eixos categóricos com funções AVERAGE() para contornar sobreposições. Com a aplicação de opacidade e métricas de tamanho condicionadas à Probabilidade do Random Forest, criei um autêntico "Mapa de Calor" denso e inteligível, destacando perfeitamente a letalidade nas extremidades de produtos bancários ofertados.
• Risk Funnel (Funil de Probabilidade): Classificação em tempo real codificada via DAX, segregando o portfólio preditivamente em "Safe", "Warning" e "Critical".

// O DAX consome o output matemático do Python para gerar agrupamento semântico bilíngue
Risk Level | Nível de Risco = 
SWITCH(
    TRUE(),
    'Treated_Bank_Churn_For_PBI'[Probabilidade_Churn] >= 0.70, "🔴 1. Critical | Crítico (>70%)",
    'Treated_Bank_Churn_For_PBI'[Probabilidade_Churn] >= 0.30, "🟡 2. Warning | Alerta (30% - 70%)",
    "🟢 3. Safe | Seguro (<30%)"
)

Perspectivas Integradas

8. Qualidade dos Dados

O dataset apresentou excelente robustez demográfica. Contudo, uma limitação inerente a cenários estáticos é a ausência do Timestamp transacional (frequência de logins diários do cliente no *app*). A inatividade, parametrizada de forma binária na coluna IsActiveMember, confirmou-se altamente preditiva; em futuras reestruturações tecnológicas, a inclusão de fluxos logísticos de API em tempo real conferiria ao modelo uma granularidade milimétrica para a emissão dos alertas no Painel Preditivo.

9. Resultados e Recomendações Estratégicas

O projeto consolidou frentes de ação comercial capazes de reverter o fluxo de perda financeira em curso:

10. Conclusão do Case

Este painel de Machine Learning transcende a estética tradicional de um Dashboard. O desenvolvimento via código limpo em Python acoplado à elasticidade analítica do Power BI prova que a verdadeira senioridade reside na tradutibilidade das equações de Inteligência Artificial para a sustentação do DRE empresarial.

Unificando Data Science, modelagem de dados preditiva e o embasamento crítico amadurecido em meus mais de 15 anos de vivência em Contabilidade e Direito Corporativo, o projeto converteu um arquivo estático de "clientes cancelados" em uma ferramenta proativa de defesa de capital líquido.