Skip to content

Latest commit

 

History

History
83 lines (61 loc) · 3.13 KB

README.md

File metadata and controls

83 lines (61 loc) · 3.13 KB

Análise de Dados: análise de transações de cartão de crédito

Descrição

Este projeto realiza uma análise detalhada de dados relacionados a clientes e transações, com o objetivo de identificar padrões, realizar limpeza de dados e extrair insights úteis para a tomada de decisão. As técnicas utilizadas incluem visualização de dados e estatísticas descritivas, com suporte de ferramentas como pandas, matplotlib e seaborn.

Demonstração

Demonstração de dois exemplos de gráficos gerados durante a análise dos dados, facilitando a visualização dos resultados obtidos

  • Gráfico representando o número de transações por sexo por estebelecimento: image

  • Gráfico representando o ticket médio por estabelecimento: image

Tabela de Conteúdos

  1. Descrição
  2. Instalação
  3. Uso
  4. Metodologia
  5. Resultados
  6. Contribuindo
  7. Licença

Instalação

  1. Clone o repositório: 
    git clone https://github.com/raphaelp-silva/analise-transacoes-de-cartoes.git
  2. Instale as dependências necessárias: 
    pip install -r requirements.txt
  3. Certifique-se de que as tabelas base_clientes.csv e base_transacoes.csv estejam no diretório principal do projeto.

Uso

Para executar o projeto, basta abrir o notebook e executar as células:

jupyter notebook desafio_match.ipynb

Se preferir executar o código diretamente, rode:

python script_principal.py

Metodologia

  1. Importação de Dados:
    • Carregamento de bases de clientes e transações.
  2. Limpeza de Dados:
    • Tratamento de valores ausentes e inconsistências.
  3. Exploração de Dados:
    • Análise inicial através de visualizações.
  4. Insights:
    • Identificação de padrões relevantes nos dados.

Resultados

Principais insights e resultados obtidos com esta análise:

  • 621 clientes na base de dados, sendo 67,7% da região Sudeste, 15,3% da região Sul, 8,7% na região Centro-Oeste e 8,4% na região Norte do país.
  • Estabelecimentos com ticket médi maior, podem gerar mais receita mesmo com um número menor de vendas.
  • Clientes do sexo feminino tendem a ter melhores salários dentro de seu próprio grupo de gênero.
  • Com os dados analisados, não foi possível concluir e afirmar se há ou não interferência no comportamento de compras com base no gênero do cliente. Seria necessário levar em consideração alguns fatores como diferença do número de homens e mulheres na amostra, distribuição de faixa salarial e contexto geral dos dados fornecidos.

Contribuindo

Contribuições são bem-vindas! Siga os passos abaixo para colaborar:

  1. Faça um fork do repositório.
  2. Crie um branch para sua feature: 
    git checkout -b minha-feature
  3. Envie um pull request.

Licença

Este projeto está licenciado sob a Licença MIT. Consulte o arquivo LICENSE para mais detalhes.