Modelar el abandono de clientes en una fintech de pagos B2B

Tu tarea consta de cinco partes: (1) realizar un análisis exploratorio de datos (AED — análisis exploratorio de datos: resumen visual y numérico para detectar patrones) con visualizaciones que muestren la relación entre cada variable candidata y el abandono; (2) preparar los datos mediante codificación de variables categóricas y tratamiento de valores atípicos; (3) ajustar un modelo de regresión logística binaria interpretando los odds ratios (cocientes de probabilidades: cuánto cambia la odds de abandono al incrementar una unidad la variable predictora); (4) validar el modelo con una muestra de prueba calculando sensibilidad, especificidad y área bajo la curva ROC (Receiver Operating Characteristic — métrica de discriminación del modelo); y (5) proponer tres acciones concretas de retención basadas en los segmentos de mayor riesgo identificados. El éxito se mide por la capacidad predictiva del modelo y la factibilidad de las recomendaciones de negocio.