#file.choose()
bd <- read.csv("/Users/marianaguevara/Downloads/bank2 (1).csv")
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.2     ✔ readr     2.1.4
## ✔ forcats   1.0.0     ✔ stringr   1.5.0
## ✔ ggplot2   3.4.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.2     ✔ tidyr     1.3.0
## ✔ purrr     1.0.1     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the ]8;;http://conflicted.r-lib.org/conflicted package]8;; to force all conflicts to become errors
library(ggplot2)
library(dplyr)

#Gráfica 1

plot( x = factor(bd$education), y = factor(bd$housing), main = "Gráfica de nivel educativo y adquisición de crédito hipotecario", xlab = "Nivel educativo", ylab = "Crédito hipotecario", col = c("tan1", "#FFFF66"))

#Descripción: En esta gráfica podemos observar la cantidad de clientes que han adquirido o no, un crédito hipotecario y su nivel educativo. Esto nos puede indicar el nivel de preparación educativa o profesional con la que cuentan los clientes que han adquirido un crédito hipotecario para adquirir una casa. Lo que se puede notar es que la mayoría de los clientes que cuentan con un nivel máximo de educación secundaria, son los que más cuentan con un crédito hipotecario.

#Propuesta: Nuestra propuesta consiste en enfocar las estrategias de marketing y promoción hacia grupos de personas específicos de acuerdo a su nivel educativo, empleando los canales de comunicación y mensajes que conecten con cada segmento. Asimismo, será de gran relevancia ofrecer incentivos específicos para la adquisición de créditos hipotecarios de acuerdo con cada nivel educativo. Dentro de estos incentivos se podrían incluir tasas de interés reducidas, bonificaciones financieras, mayores plazos, entre otros. De esta manera, se logrará maximizar la adquisición de créditos hipotecarios según el nivel educativo de los clientes, permitiendo al banco crear una conexión más fuerte con sus clientes y adaptarse a sus necesidades.

#Gráfica 2

table(bd$marital)
## 
## divorced  married   single 
##      528     2797     1196
tab_bank <- table(bd$loan, bd$marital)
tab_bank
##      
##       divorced married single
##   no       438    2344   1048
##   yes       90     453    148
barplot((tab_bank), col = c("cyan2","plum1"), main = "Gráfica de relación en préstamos y el estado civil", xlab = "Estado civil", ylab = "Frecuencia")
legend(x = "topleft", legend = c("No", "Yes"), fill = c("cyan2", "plum1"), title = "Loan")

#Descripción: En está gráfica podemos observar la relación que hay entre “loans” y “marital”. Como se puede ver los casados son más propensos a pedir un préstamo cuando se compara con los divorciados y los solteros.

#Propuesta: Nuestra propuesta consiste en mejorar las campañas de marketing enfocado en los préstamos a través de una segmentación basada en datos.Gracias a la gráfica anterior nos dimos cuenta que las personas casadas muestran una mayor inclinación por los préstamos y esto nos lleva a enfocarnos más en este segmento. Las campañas diseñadas en torno a acontecimientos de la vida de un casado, como bodas y su nueva casa, fomentarán el compromiso y la confianza. Al seguir de cerca las tasas de conversión y los comentarios, se podrá garantizar un perfeccionamiento continuo. Este enfoque estratégico logrará que el banco sea conocido como una institución centrada en el cliente, al estar aprovechando los datos sobre el estado civil de sus clientes para crear campañas de préstamos efectivas y específicas que ayuden a cumplir con los sueños financieros de las parejas casadas.