Laboratorio 2 - Análisis de datos de fuga de clientes
Juan David Torres Mosquera, Mariana Rozo Ayala, Juan David Garcia Mera, Eduardo Murgueitio Marin
2025-09-30
Punto 2.
Telco_Cusomer_Churn = read.table("Telco_Cusomer_Churn.csv",
header = TRUE, sep=",", dec = ".", row.names = 1,
stringsAsFactors = TRUE)
summary(Telco_Cusomer_Churn)## gender SeniorCitizen Partner Dependents tenure
## Female:3488 Min. :0.0000 No :3641 No :4933 Min. : 0.00
## Male :3555 1st Qu.:0.0000 Yes:3402 Yes:2110 1st Qu.: 9.00
## Median :0.0000 Median :29.00
## Mean :0.1621 Mean :32.37
## 3rd Qu.:0.0000 3rd Qu.:55.00
## Max. :1.0000 Max. :72.00
##
## PhoneService MultipleLines InternetService
## No : 682 No :3390 DSL :2421
## Yes:6361 No phone service: 682 Fiber optic:3096
## Yes :2971 No :1526
##
##
##
##
## OnlineSecurity OnlineBackup
## No :3498 No :3088
## No internet service:1526 No internet service:1526
## Yes :2019 Yes :2429
##
##
##
##
## DeviceProtection TechSupport
## No :3095 No :3473
## No internet service:1526 No internet service:1526
## Yes :2422 Yes :2044
##
##
##
##
## StreamingTV StreamingMovies Contract
## No :2810 No :2785 Month-to-month:3875
## No internet service:1526 No internet service:1526 One year :1473
## Yes :2707 Yes :2732 Two year :1695
##
##
##
##
## PaperlessBilling PaymentMethod MonthlyCharges
## No :2872 Bank transfer (automatic):1544 Min. : 18.25
## Yes:4171 Credit card (automatic) :1522 1st Qu.: 35.50
## Electronic check :2365 Median : 70.35
## Mailed check :1612 Mean : 64.76
## 3rd Qu.: 89.85
## Max. :118.75
##
## TotalCharges Churn
## Min. : 18.8 No :5174
## 1st Qu.: 401.4 Yes:1869
## Median :1397.5
## Mean :2283.3
## 3rd Qu.:3794.7
## Max. :8684.8
## NA's :11Interpretación de la estadistica descriptiva
- Los hombres contratan ligeramente más los servicios de la empresa, sin embargo, no hay una disparidad muy grande entre clientes hombres y clientes mujeres
- La mayoría de los clientes que adquieren algún servicio no tienen dependientes en la suscripción
- En promedio, los clientes mantienen su suscripción por 32 meses antes de cancelarla, mientras que el 50% de los clientes la mantienen hasta 29 meses
En cuanto a los servicios adquiridos por los clientes se puede concluir lo siguiente:
- La gran mayoría de los clientes adquieren los servicios de telefonía e internet juntos, sin embargo, alrededor de 1000 no adquieren el servicio de internet frente a los casi 700 que no adquieren el servicio de telefonía
- En cuanto al servicio de internet, los clientes prefieren la fibra óptica frente a DSL
- Cerca de 3000 clientes también pagan por líneas múltiples para su servicio de telefonía
- Los servicios complementarios más contratados son la televisión y las películas, cerca de 3000 personas contratan cada servicio
Los datos de la suscripción y el pago son importantes, sobre esto, se puede concluir lo siguiente:
- La mayoría de los contratos de suscripción son de renovación mensual, cerca de 4000 clientes tienen este tipo de contrato
- Más de 4000 clientes prefieren una facturación electrónica, es decir, sin papel
- En cuanto a los métodos de pago, no hay una predominancia de un método sobre otro, sin embargo, el cheque electrónico sobre sale entre los demás métodos
- En promedio, los clientes pagan aproximadamente 64 dólares mensuales y han pagado, también en promedio, aproximadamente 2300 dólares durante su tiempo total de mantenencia de la suscripción
- Más de 5000 clientes mantienen su suscripción para otro periodo (el tiempo depende del si el contrato es de renovación cada mes, cada año o cada dos años)
Punto 3.
library(corrplot)## corrplot 0.95 loadedattach(Telco_Cusomer_Churn)
nuevosDatos = data.frame(tenure, MonthlyCharges, TotalCharges)
r = cor(na.omit(nuevosDatos))
corrplot(r, method="number")
Correlaciónes
- Correlación entre tenure y MonthlyCharges = 0.25 (correlación positiva baja)
- Esto indica que, a medida que un cliente lleva más tiempo con la compañía, tiende a pagar un poco más en promedio, pero esta relación es débil.
- Probablemente otros factores influyen más en el monto mensual cobrado.
- Correlación entre tenure y TotalCharges = 0.83 (correlación positiva fuerte)
- Cuanto más tiempo (tenure) ha estado un cliente, mayor será el total facturado (TotalCharges), ya que es la suma acumulada de los cargos mensuales durante ese tiempo.
- Correlación entre MonthlyCharges y TotalCharges = 0.65 (correlación positiva moderada)
- Esto también es esperado, porque clientes que pagan más por mes tienden a tener un total acumulado mayor, aunque el total también depende del tiempo que llevan siendo clientes (tenure).
- La correlación no es perfecta porque, por ejemplo, un cliente con mucho tiempo pero bajo pago mensual puede tener un total similar a uno con poco tiempo pero alto pago mensual.
Punto 4.
library(ggplot2)
ggplot(Telco_Cusomer_Churn, aes(x = Churn, y = MonthlyCharges)) +
geom_boxplot(fill = "lightblue") +
labs(title = "Diagrama de cajas: Fuga vs Cargos Mensuales",
x = "Fuga",
y = "Cargos Mensuales") +
theme(plot.title = element_text(hjust = 0.5))
Interpretación
En el diagrama de cajas presente se puede observar que aquellos que abandonan la empresa, tienden a pagar montos mas altos en comparación a quienen permanecen en esta. La mediana de cargos mensuales de los que abandonaron la empresa es mayor y su distribución se concentra entre valores mas elevados y con una diferencia no tan variada, mientras que los que permanecen en la empresa, presentan una mediana menor y una mayor variabilidad entre los montos mensuales, incluyendo montos considerablemente bajos. Esta diferencia sugiere que los montos mensuales altos probablemente estan muy relacionados con la fuga de la empresa.
Punto 5.
ggplot(Telco_Cusomer_Churn, aes(x = Churn, y = TotalCharges)) +
geom_boxplot(fill = "purple") +
labs(title = "Diagrama de cajas: Fuga vs Cargos Totales",
x = "Fuga",
y = "Cargos Totales") +
theme(plot.title = element_text(hjust = 0.5))## Warning: Removed 11 rows containing non-finite outside the scale range
## (`stat_boxplot()`).
Interpretación
En el diagrama se puede observar que los clientes que permanecen en la empresa tienden a acumular cargas totales significativamente mayores que aquellos que la han abandonado. La mediana para los clientes que no han abandonado la empresa es mas alta, y la dispersión también es mayor dado a que han estado activos por un mayor tiempo. En contraste, los clientes que se han fugado presentan en su mayoría cargos totales bajos, con algunas excepciones donde se presentan datos atipicos muy altos. Este comportamiento sugiere que la mayor parte de los clientes que abandonan la empresa, lo hacen en las primeras etapas de relación con esta ya que no llegan a acumular grandes montos totales.
Punto 6.
library(ggplot2)
ggplot(Telco_Cusomer_Churn, aes(x = Churn, fill = gender)) +
geom_bar(position = "stack") +
labs(title = "Distribución de género según rotación",
x = "Rotación (Churn)",
y = "Cantidad de clientes",
fill = "Género") +
theme_minimal()
Interpretación
La mayoría de los clientes no han rotado, lo cual indica una retención relativamente alta. En este grupo, la distribución entre hombres y mujeres es bastante equilibrada, aunque con una leve mayoría de hombres.
En el grupo de clientes que sí han rotado, la diferencia entre géneros también es pequeña, con una ligera predominancia de mujeres. Sin embargo, estas diferencias no son significativas visualmente, lo cual sugiere que el género no es un factor determinante en la decisión de abandonar el servicio.
Aunque se pueden observar pequeñas variaciones entre géneros dentro de cada categoría de rotación, la rotación de clientes parece ser un fenómeno que afecta de manera similar tanto a hombres como a mujeres en este conjunto de datos.
Punto 7.
library(ggplot2)
ggplot(Telco_Cusomer_Churn, aes(x = tenure , y = MonthlyCharges)) +
geom_jitter() +
geom_smooth(method = "lm", color = "red") +
labs(title = "Diagrama de dispersión Antigüedad vs Cargos Mensuales",
x = "Meses como cliente",
y = "Cargo mensual (USD)")## `geom_smooth()` using formula = 'y ~ x'
Cálculo de los coeficientes de correlación:
cor(Telco_Cusomer_Churn$tenure, Telco_Cusomer_Churn$MonthlyCharges)## [1] 0.2478999Como se puede observar, el coeficiente de correlación indica que estas variables no se encuentran completamente relacionadas. Se cuenta con un coeficiente bastante bajo.
Construcción del modelo de regresión lineal:
modelo = lm(MonthlyCharges ~ tenure, data = Telco_Cusomer_Churn)
summary(modelo)##
## Call:
## lm(formula = MonthlyCharges ~ tenure, data = Telco_Cusomer_Churn)
##
## Residuals:
## Min 1Q Median 3Q Max
## -57.498 -27.251 6.245 24.943 54.376
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 54.92978 0.57476 95.57 <2e-16 ***
## tenure 0.30372 0.01415 21.47 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 29.15 on 7041 degrees of freedom
## Multiple R-squared: 0.06145, Adjusted R-squared: 0.06132
## F-statistic: 461 on 1 and 7041 DF, p-value: < 2.2e-16# Cargos mensuales = 0.30372 * antigüedad + 54.92978
# R cuadrado = 0.06145Interpretación
El intercepto nos dice que un cliente con 0 meses de antigüedad en la compañía tendría un cargo mensual de aproximadamente 55 dólares y a medida que avanza su tiempo en la empresa, este cargo aumenta en 0.30372 dólares al mes.
Lo anterior sería una explicación del modelo pero el R cuadrado expresado demuestra que este carece de fidelidad con el comportamiento de estas dos variables debido a su baja correlación.
Así mismo puede observarse esta característica en el diagrama de dispersión, donde se observan datos bastante “dispersos” y que no siguen un patrón facilmente descriptible.
Punto 8.
library(ggplot2)
library(gridExtra)
# ---- 1
p1 = ggplot(Telco_Cusomer_Churn, aes(x = Churn, y = MonthlyCharges)) +
geom_boxplot(fill = "lightblue") +
labs(title = "Diagrama de cajas: Fuga vs Cargos Mensuales",
x = "Fuga",
y = "Cargos Mensuales") +
theme(plot.title = element_text(hjust = 0.5))
# ---- 2
p2 = ggplot(Telco_Cusomer_Churn, aes(x = Churn, y = TotalCharges)) +
geom_boxplot(fill = "purple") +
labs(title = "Diagrama de cajas: Fuga vs Cargos Totales",
x = "Fuga",
y = "Cargos Totales") +
theme(plot.title = element_text(hjust = 0.5))
# ---- 3
p3 = ggplot(Telco_Cusomer_Churn, aes(x = Churn, fill = gender)) +
geom_bar(position = "stack") +
labs(title = "Distribución de género según rotación",
x = "Rotación (Churn)",
y = "Cantidad de clientes",
fill = "Género") +
theme_minimal()
# ---- 4
p4 = ggplot(Telco_Cusomer_Churn, aes(x = tenure , y = MonthlyCharges)) +
geom_jitter() +
geom_smooth(method = "lm", color = "red") +
labs(title = "Diagrama de dispersión Antigüedad vs Cargos Mensuales",
x = "Meses como cliente",
y = "Cargo mensual (USD)")
library(gridExtra)
grid.arrange(p1, p2, p3, p4, ncol = 2, widths = c(3, 3))## Warning: Removed 11 rows containing non-finite outside the scale range
## (`stat_boxplot()`).## `geom_smooth()` using formula = 'y ~ x'