Análise de dados em Python com Pandas e NumPy para investigar evasão de clientes (churn) e padrões de engajamento em uma base de e-commerce.
Este projeto simula um cenário real de análise de dados em empresas de grande porte. A base de dados contém informações de clientes divididas em dois arquivos separados, replicando a realidade de sistemas com silos de dados. O objetivo foi unificar essas fontes, extrair métricas de churn e engajamento, e gerar segmentações acionáveis para times de Marketing e CRM.
- Python 3
- Pandas — DataFrames, merges, máscaras booleanas, GroupBy avançado e vetorização
- NumPy — lógica condicional de alta performance com
np.select - Jupyter Notebook — ambiente de desenvolvimento e documentação
| Arquivo | Conteúdo |
|---|---|
ecommerce_customer_features.csv |
Características dos clientes (comportamento, frequência, valor de pedido) |
ecommerce_customer_targets.csv |
Status de churn por cliente |
A chave de junção entre os dois arquivos é Customer_ID.
Unificação das duas fontes usando pd.merge() pela chave Customer_ID, replicando a integração de silos de dados comum em ambientes corporativos.
Isolamento de 448 clientes de altíssimo risco via máscara booleana com três critérios cumulativos: já em churn, mais de 30 dias sem compra e menos de 3 pedidos no total. O valor médio de pedido desse grupo foi de R$ 79,55.
Agrupamento multinível (groupby) cruzando status de fidelidade com volume de tickets de suporte. Descoberta: clientes não-fidelizados com 4 ou 5 tickets abertos têm média de abandono de carrinho de 51%.
Criação da coluna Perfil_do_Cliente de forma 100% vetorizada com np.select, classificando a base em:
| Segmento | Clientes |
|---|---|
| Clientes Rotativos (Regular) | 4.495 |
| Contas Inativas (Veterano Inativo) | 1.183 |
| Clientes Novos (Novato Engajado) | 322 |
Durante o desenvolvimento, foram identificados e corrigidos erros comuns de quem está começando com Pandas:
Case-sensitivity no merge — colunas no CSV estavam com Customer_ID (maiúsculo), não customer_id. Pandas é estritamente case-sensitive.
Máscaras booleanas com múltiplas condições — cada condição precisa estar entre parênteses () e unida pelo operador bitwise &, não pelo and do Python nativo.
GroupBy com variáveis erradas — colunas contínuas (como engagement_score) não pertencem ao agrupador; pertencem ao .agg(). O groupby recebe apenas variáveis categóricas.
.apply() vs vetorização — .apply(axis=1) é um loop disfarçado e lento em bases grandes. np.select() processa a base inteira de uma vez na memória.
# Clone o repositório
git clone https://github.com/EnukNogueira/ecommerce-data.git
cd ecommerce-data
# Instale as dependências
pip install pandas numpy jupyter
# Abra o notebook
jupyter notebook ecommerce.ipynbEnuk Nogueira — Desenvolvedor focado em Engenharia de Dados e Automação de Processos
