Detecta churn predictivo para una telco mexicana de prepago
Visión general
De qué trata este proyecto.
Recibirás un dataset anonimizado de 2 millones de clientes con 12 meses de historia (consumo de minutos, datos, SMS, recargas, cambios de plan, tickets de soporte). Define churn como '21 días sin actividad consumo + sin recarga'. Construye features temporales (tendencias 7/14/30 días), entrena al menos dos modelos (logistic regression como baseline + gradient boosting), valida con walk-forward validation y reporta precision/recall en cada decil. Diseña el pipeline de scoring semanal y entrega los top 10.000 clientes con mayor riesgo más una guía de campaña para retención.
El Briefing
Lo que harás y lo que demostrarás.
Construye un modelo de churn que rankee correctamente el top decil de clientes prepago en alto riesgo a 2 semanas vista.
Earning criteria — what you'll demonstrate
- Diseñar features temporales sin data leakage para predicción binaria
- Aplicar walk-forward validation a un problema con drift temporal
- Optimizar métricas de ranking (lift, recall@K) en lugar de accuracy ciego
- Conectar la salida del modelo con un plan de activación de negocio
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosCientífico de Datos
El churn prediction sigue siendo uno de los casos más recurrentes para data scientists en telcos, bancos y SaaS; este reto cubre el ciclo completo.
Este proyecto afina
- classification
- churn-prediction
- feature-engineering
Ingeniero de Aprendizaje Automático
Diseñar el pipeline de scoring semanal y empaquetar el modelo para inferencia batch es el rol del MLE en una telco.
Este proyecto afina
- lightgbm
- evaluation
- python
Científico Aplicado de IA
Atar el modelo a tres tratamientos A/B-testeables es exactamente lo que diferencia un applied AI scientist de un modeler.
Este proyecto afina
- evaluation
- churn-prediction
- classification