EDA e Machine Learning - dados de locação de filmes.

Acesse aqui o storytelling dos processos de DataWrangling, DataMunging e Análise exploratória.

1 - Com base na análise exploratória dos dados da Discorama e nos objetivos estratégicos apresentados no contexto, quais são as perguntas de negócio relevantes para esse projeto de analytics? Pergunta de nível teórico. O seu projeto final não necessariamente precisa responder todas ou as mesmas perguntas citadas nessa entrega

• Questões de negócio focadas na relação entre gênero e frequência de locação:
  • Quantos generos foram categorizados
  • Qual é a frequência total de locação de cada um
  • Qual é o ticket médio de cada gêneto
  • Com que percentual cada gênero contribui para o faturamento
  • Qual é a taxa média de locação de cada gênero
  • qual é o valor médio de multas arrecadas de cada gênero
  • qual é o atraso médio de cada gênero
• Questão focada nas lojas:
  • Qual é o faturamento
  • qual é a taxa de ataso
  • Quantidade de clientes
  • tickeMédio
• Questões relacionadas à receita
  • como se distribui em relação às lojas
  • como se distribui em relação às categorias
  • como é composta a receita
  • como se distribui em relação à observação anterior
• Questões relacionadas aos distritos
  • Quais são as Top 10 em faturamento
  • Top 10 em número de clientes
  • Preferências de gênero por distritos
• Questões relacionadas aos clientes (com base no RFN)
  • Quais são os Top 10 clientes em pontuação
  • De que distrito são
  • Quais as preferências
  • QUal é o valor médio gasto de cada um
  • Qual é o prazo de retorno dos clientes
  • Como se compara ao top 10
• Questões relacionadas ao tempo
  • Evolução do faturamento da empresa
  • Evolição do faturamento por gênero
  • Por Loja
  • Evolução da frequência do faturamento
  • retornos dos faturamentos
  • Decompor a série de frequências
  • decompor a série de faturamento mensal

2 - Quais serão os indicadores ou visualizações utilizadas para responder às perguntas de negócio citadas anteriormente? Pergunta de nível teórico. O seu projeto final não necessariamente precisa trazer os mesmos ou todos os indicadores citados nessa entrega

Depois de realizar agregações e sumarizações, de acordo com o que se pretendia, foram usadas as seguintes visualizações:

  - HISTROGRAMAS

  - BOXPLOT

  - COLUNAS

  - ROSCA

  - BARRAS

  - scatterplot

  - DensityPlot

  - Matriz de correlação

3 - Apresentar pelo menos duas análises de negócio para cada uma das categorias. Pergunta de nível teórico. O seu projeto final não necessariamente precisa ter todas análises citadas nessa entrega

Análise diagnóstica:

1. Comparar o desempenho da lojas, em faturamento

2. Comparar o desempenho das categorias, por frequência de locação.

Análise descritiva:

1. Comportamento das vendas, nos dias do mês;

2. Preferências nos dias de maior movimento (visando aumentar a disponibilidade dos produtos).

Análise preditiva:

1. Modelo de classificação para prever gênero de interesse;

2. Aplicar de previsão numérica, para prever quantos dias o cliente fica sem alugar um filme, e, assim prever quanto um cliente esta prestar a deixar a locadora.

Análise prescritiva.

1. De acordo com o movimento diário, avaliar a melhor forma de alocar recursos, visando diminiuir despesas

2 Realizar testes A/B para avaliar o impacto das mudanças de preços e ajustar a estratégia conforme necessário.

4 - Apresentar as análises que foram necessárias para o entendimento do negócio e que podem ser úteis no suporte para a tomada de decisão.

Para o conhecimento dos dados e do negócio, foram aplicadas técnicas de análise estatísticas e visualização univariada e bivarada.

Primeiramente, foi necessário relacionar as tabelas para se ter uma visão panorâmica dos dados apresentados. Para conhecer o negócio, realizou-se uma análise exploratória do conjunto de dados, ainda sem nenhuma agregação. Neste ponto, a análise de correlação entre a variável ‘amount’ e as variáveis ‘atraso’ e ‘multa’, permitiram concluir, por exemplo, que há uma correlação positiva forte, e, por isso, a intensão da empresa de estudar medidas para reduzir o atraso na devolução da locação, deve ser bem estudada.

Após, ralizando algumas agregações, inicialmente, relacionando-se a frequência com algumas variáveis, pode-se concluir que, a categoria não é uma variável relevante para a escolha do filme.

5 - Dashboard. Fazer com power BI

Respondendo às questões de neógcio.

1 - mostrar se existem possíveis correlações entre gêneros dos filmes, os atores neles presentes e a frequência de locação.

Após computar a frequência de locação de cada categoria, computou-se a variabilidade destas frequências (utilizou-se o desvio padrão como KPI). O que se concluir é que, existe variância na frequência de locação entre os gêneros, mas, nenhum dos gêneros apresentou diferenças estatisticamente significativas. Dada a média de locação por categoria, todas as frequências encontram-se dentro de um intervalo ‘normal’ (2 desvios-padrão).

Contudo, outras questões foram percevidas, em relação ao gênero dos filmes:

Total receita por categoria

Média de multa ($)

Média dias de ataso

2. A empresa também quer entender melhor seus dados para aumentar o ticket médio das locações e reduzir o atraso médio na devolução dos filmes, dois objetivos considerados estratégicos no curto prazo

O ticket médio das locações é de R$4.22. Já, o ticket médio por cliente e de R$101.48

Primeiramente, faz-se necessário entender o impacto gerado pelos atrasos.

Proporção da frequência de atrasados e pontuais:

Proporção na receita entre atrasadoe e pontuais:

Aparentemente, existe uma correlação positiva entre o atraso e a receita

Visualizando

Portanto, à medida que o atraso aumenta, o valor pago pelo cliente também aumenta.

Vamos recalcular os tickets, separando os atrasados dos pontuais.

O ticket médio das locações em que não houve atrasado é de R$2.95. Já, o ticket médio por cliente e de R$38.43
O ticket médio das locações é de R$5.71. Já, o ticket médio por cliente e de R$63.05

A proporção locações com atraso e pontualidade na devolução é de, praticamente, 50%. Contudo, as multas gerados pelos atrasos ajudar a melhorar os seguintes indicadores:

• Faturamento (a receita gerada pelas locações com atraso na devolução são responsável por 62% do faturamento total);
• Ticket Médio (por cliente e por locação) gerado nas locações com atraso, é de quase o dobro do valor gerado pelas locações devolvidas com pontualidade.

Assim sendo, como base nos, dados, adotar medidas para contingenciar o atraso na devolução não será financeiramente positiva para a empresa.

Para aumentar o ticket, a empresa deve adotar outras estratégias, como, sugerir uma locação dupla. O segundo título pode ser sugerido com base em similaridades de gênero.

Modelo de recomendação baseado em categoria