27:null 28:["$","title",null,{"children":"Итоговый проект: предсказание трендов востребованности банковских продуктов | ASU | Observable"}] 2d:[{"id":"47d175d751b75e5939037b003be741246a1cb64e76b3dff012ec7f85440f35285d775616cd251db9b9d4b72d5c642ed4662ae5d5092d391f484d4a9a29e91d43","href":"https://static.observableusercontent.com/files/47d175d751b75e5939037b003be741246a1cb64e76b3dff012ec7f85440f35285d775616cd251db9b9d4b72d5c642ed4662ae5d5092d391f484d4a9a29e91d43","name":"Churn_Modelling.csv","type":"text/csv","lastModified":1765852253736.81,"size":684858}] 2b:{"id":"758425ccb2e38177","slug":null,"title":"Итоговый проект: предсказание трендов востребованности банковских продуктов","thumbnail":"b272900028a0c3869fdc236ef51f218aec33093c122c92b124cb8302b60754a0","access_level":"public","create_time":"$D2025-11-22T12:27:12.526Z","update_time":"$D2025-12-23T12:28:02.572Z","view_time":null,"first_public_time":"$D2025-11-22T12:27:12.526Z","has_unpublished_edits":null,"fork":false,"stars":0,"starred":false,"owner":{"type":"team","id":"dd587ff5e721d620","login":"asu5","name":"ASU","avatar_url":"https://avatars-next.observableusercontent.com/21570a93c18054840ae7fe11eecac7137936707a393ead9136a6a460caa26b93","tier":"starter_2024"},"version":191,"publish_version":null,"role":null,"authored":false,"authors":[{"type":"individual","id":"6494894a9704dd67","login":"ziptrail","name":"Ziptrail","avatar_url":"https://avatars-next.observableusercontent.com/95f8e9f3be779fc08d10c7c63f28dd4ea4cf13e524bf5bda35d00d8bc81b5cc1","tier":null}],"members":[{"type":"team","id":"dd587ff5e721d620","login":"asu5","name":"ASU","avatar_url":"https://avatars-next.observableusercontent.com/21570a93c18054840ae7fe11eecac7137936707a393ead9136a6a460caa26b93","tier":"starter_2024","role":"editor"},{"type":"individual","id":"6494894a9704dd67","login":"ziptrail","name":"Ziptrail","avatar_url":"https://avatars-next.observableusercontent.com/95f8e9f3be779fc08d10c7c63f28dd4ea4cf13e524bf5bda35d00d8bc81b5cc1","tier":null,"role":"editor"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":0,"collection":null,"type":"notebook","body":{"title":"Итоговый проект: предсказание трендов востребованности банковских продуктов","cells":[{"id":38,"value":"# Итоговый проект: предсказание трендов востребованности банковских продуктов","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":188,"value":"Выполнил: студент группы 4.506М-3 Кочелаев Александр","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":26,"value":"Набор данных содержит детальную информацию о клиентах банка и факт их ухода. Анализ факторов, связанных с оттоком, позволяет выявить закономерности в поведении клиентов и спрогнозировать риск потери. Это, в свою очередь, помогает понять, какие группы клиентов и в каких условиях наиболее склонны прекращать пользоваться услугами, что является обратной стороной прогнозирования востребованности продуктов — лояльные клиенты с низким риском оттока с большей вероятностью будут пробовать новые предложения.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":28,"value":"- RowNumber: Уникальный идентификатор строки.\n- CustomerId: Уникальный идентификатор клиента.\n- Surname: Фамилия клиента.\n- CreditScore: Кредитный рейтинг клиента.\n- Geography: Страна проживания (Франция, Германия, Испания и др.).\n- Gender: Пол клиента.\n- Age: Возраст клиента.\n- Tenure: Длительность обслуживания в банке (в годах).\n- Balance: Остаток средств на счёте.\n- NumOfProducts: Количество банковских продуктов, используемых клиентом.\n- HasCrCard: Наличие кредитной карты (1 - да, 0 - нет).\n- IsActiveMember: Признак активного клиента (1 - активен, 0 - неактивен).\n- EstimatedSalary: Предполагаемый годовой доход.\n- Exited: Целевая переменная — факт ухода клиента (1 - ушёл, 0 - остался).","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":43,"value":"Баланс целевой переменной\n\nВ датасете наблюдается дисбаланс классов: большинство клиентов остаются в банке, в то время как доля ушедших составляет около 20%. Это типично для задач прогнозирования оттока и требует особого внимания при построении моделей.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":46,"value":"Plot.plot({\n width: 800,\n height: 400,\n marginTop: 30,\n marginBottom: 50,\n x: {label: \"Статус клиента\"},\n y: {label: \"Количество клиентов\"},\n marks: [\n Plot.barY(data, Plot.groupX({y: \"count\"}, {\n x: d => d.Exited === 1 ? \"Ушел\" : \"Остался\",\n fill: d => d.Exited === 1 ? \"#ff6b6b\" : \"#4ecdc4\",\n title: d => `Клиентов: ${d.Exited === 1 ? \"Ушедшие\" : \"Оставшиеся\"}`\n })),\n Plot.text(data, Plot.groupX({y: \"count\", text: \"count\"}, {\n x: d => d.Exited === 1 ? \"Ушел\" : \"Остался\",\n textAnchor: \"middle\",\n dy: -10,\n fontSize: 14\n }))\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":48,"value":"Влияние географии и пола\n\nАнализ показывает, что уровень оттока значимо варьируется в зависимости от страны. Например, клиенты из Германии покидают банк чаще, чем клиенты из Франции или Испании. Влияние пола менее выражено, но также присутствует в данных.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":51,"value":"Plot.plot({\n width: 800,\n height: 500,\n marginTop: 30,\n marginLeft: 80,\n y: {label: \"Доля ушедших клиентов, %\"},\n marks: [\n Plot.barY(data.filter(d => d.Exited === 1), Plot.groupX({y: \"proportion\"}, {\n x: \"Geography\",\n fill: \"Geography\",\n title: d => `${d.Geography}: ${(d.proportion * 100).toFixed(1)}%`\n })),\n Plot.ruleY([0])\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":53,"value":"Возрастной портрет уходящего клиента\n\nСредний возраст клиентов, покинувших банк, существенно выше (около 45 лет), чем средний возраст лояльных клиентов (около 37 лет). Это указывает на то, что банк может терять более взрослую и, возможно, состоятельную аудиторию.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":142,"value":"Plot.plot({\n width: 900,\n height: 500,\n marginTop: 30,\n marginLeft: 60,\n y: {label: \"Количество клиентов\"},\n x: {label: \"Возраст\", domain: [15, 80]},\n marks: [\n Plot.areaY(data.filter(d => d.Exited === 0), Plot.stackY(Plot.binX({y: \"count\"}, {\n x: \"Age\",\n fill: \"#4ecdc4\",\n fillOpacity: 0.7,\n stroke: \"#4ecdc4\",\n thresholds: 20\n }))),\n Plot.areaY(data.filter(d => d.Exited === 1), Plot.stackY(Plot.binX({y: \"count\"}, {\n x: \"Age\",\n fill: \"#ff6b6b\",\n fillOpacity: 0.7,\n stroke: \"#ff6b6b\",\n thresholds: 20\n }))),\n Plot.dot([\"Остались\", \"Ушли\"], {\n x: [70, 70],\n y: [450, 340],\n fill: [\"#4ecdc4\", \"#ff6b6b\"],\n r: 8,\n stroke: \"#333\",\n strokeWidth: 1\n }),\n Plot.text([\"Остались\", \"Ушли\"], {\n x: [70, 70],\n y: [450, 340],\n fontSize: 12,\n textAnchor: \"start\",\n dx: 15\n })\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":59,"value":"Влияние количества используемых продуктов\n\nОбнаружена четкая нелинейная зависимость: клиенты, использующие ровно 1 или 2 продукта, уходят реже. Максимальный риск оттока наблюдается у клиентов, имеющих 3 или 4 продукта, что может указывать на чрезмерную сложность пакета услуг или неудовлетворенность условиями","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":62,"value":"Plot.plot({\n width: 800,\n height: 500,\n marginTop: 30,\n marginLeft: 60,\n x: {label: \"Количество продуктов\", domain: [1, 2, 3, 4]},\n y: {label: \"Доля ушедших клиентов, %\"},\n marks: [\n Plot.line(data, Plot.groupX({y: \"mean\"}, {\n x: \"NumOfProducts\",\n y: d => d.Exited * 100,\n stroke: \"#ff6b6b\",\n strokeWidth: 3\n })),\n Plot.dot(data, Plot.groupX({y: \"mean\"}, {\n x: \"NumOfProducts\",\n y: d => d.Exited * 100,\n fill: \"#ff6b6b\",\n r: 8,\n title: d => `Продуктов: ${d.x}, Отток: ${d.mean ? d.mean.toFixed(1) : '0.0'}%`\n })),\n Plot.gridY({stroke: \"#eee\", strokeOpacity: 0.5}),\n Plot.ruleY([0])\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":64,"value":"Влияние баланса счета и активности\n\nКлиенты с нулевым балансом (возможно, использующие банк только для получения зарплаты) демонстрируют иное поведение по сравнению с клиентами со значительными накоплениями. При этом активные клиенты (IsActiveMember=1) уходят значительно реже неактивных.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":67,"value":"Plot.plot({\n width: 900,\n height: 500,\n marginTop: 30,\n marginLeft: 80,\n y: {label: \"Доля ушедших клиентов, %\"},\n marks: [\n Plot.barY(data, Plot.groupX({y: \"mean\"}, {\n x: d => d.IsActiveMember ? \"Активный\" : \"Неактивный\",\n y: d => d.Exited * 100,\n fill: d => d.IsActiveMember ? \"#4ecdc4\" : \"#ff6b6b\",\n title: d => `${d.x}: ${(d.mean || 0).toFixed(1)}%`\n })),\n Plot.text(data, Plot.groupX({y: \"mean\"}, {\n x: d => d.IsActiveMember ? \"Активный\" : \"Неактивный\",\n y: d => d.Exited * 100,\n text: d => `${(d.mean || 0).toFixed(1)}%`,\n textAnchor: \"middle\",\n dy: -15,\n fontSize: 14,\n fontWeight: \"bold\",\n fill: \"white\"\n })),\n Plot.ruleY([0])\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":69,"value":"Кредитный рейтинг и зарплата\n\nПрямой линейной зависимости между кредитным рейтингом (CreditScore) или уровнем зарплаты (EstimatedSalary) и оттоком не выявлено. Однако в экстремальных группах (очень низкий CreditScore) могут наблюдаться аномалии.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":72,"value":"Plot.plot({\n width: 900,\n height: 500,\n marginTop: 30,\n marginLeft: 60,\n x: {label: \"Кредитный рейтинг\", domain: [350, 850]},\n y: {label: \"Количество клиентов\"},\n marks: [\n Plot.rectY(data.filter(d => d.Exited === 0), Plot.binX({y: \"count\"}, {\n x: \"CreditScore\",\n fill: \"#4ecdc4\",\n fillOpacity: 0.7,\n thresholds: 30\n })),\n Plot.rectY(data.filter(d => d.Exited === 1), Plot.binX({y: \"count\"}, {\n x: \"CreditScore\",\n fill: \"#ff6b6b\",\n fillOpacity: 0.7,\n thresholds: 30\n })),\n Plot.dot([\"Остались\", \"Ушли\"], {\n x: [450, 450],\n y: [400, 350],\n fill: [\"#4ecdc4\", \"#ff6b6b\"],\n r: 8,\n stroke: \"#333\",\n strokeWidth: 1\n }),\n Plot.text([\"Остались\", \"Ушли\"], {\n x: [460, 460],\n y: [400, 350],\n textAnchor: \"start\",\n fontSize: 14,\n fontWeight: \"bold\"\n })\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":74,"value":"Длительность обслуживания\n\nРиск оттока не имеет прямой связи с длительностью обслуживания. Новые и давние клиенты могут уходить с приблизительно равной вероятностью, что говорит об отсутствии выраженного \"эффекта лояльности\" по этому параметру.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":115,"value":"tenureData = d3.rollup(\n data,\n v => ({\n count: v.length,\n exited: d3.mean(v, d => d.Exited) * 100\n }),\n d => d.Tenure\n);","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":117,"value":"tenureArray = Array.from(tenureData, ([tenure, values]) => ({\n Tenure: tenure,\n ...values\n})).sort((a, b) => a.Tenure - b.Tenure);","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":77,"value":"Plot.plot({\n width: 800,\n height: 500,\n marginTop: 30,\n marginLeft: 60,\n x: {label: \"Длительность обслуживания (лет)\", domain: [0, 10]},\n y: {label: \"Доля ушедших клиентов, %\"},\n marks: [\n Plot.line(tenureArray, {\n x: \"Tenure\",\n y: \"exited\",\n stroke: \"#ff6b6b\",\n strokeWidth: 3\n }),\n Plot.dot(tenureArray, {\n x: \"Tenure\",\n y: \"exited\",\n fill: \"#ff6b6b\",\n r: 8,\n title: d => `Лет: ${d.Tenure}, Отток: ${d.exited.toFixed(1)}%, Клиентов: ${d.count}`\n }),\n Plot.gridY({stroke: \"#eee\", strokeOpacity: 0.5}),\n Plot.ruleY([0])\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":79,"value":"Комплексный портрет риска\n\nНаиболее уязвимыми к оттоку являются клиенты старшего возраста из определенных стран (например, Германии), имеющие на счету большой баланс, но при этом использующие 3-4 продукта и не проявляющие активность в сервисах банка","pinned":true,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":131,"value":"highRiskGroup = data.filter(d => \n d.Geography === \"Germany\" && \n d.Balance > 100000 && \n d.Age > 40\n);","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":134,"value":"riskMatrix = d3.rollup(\n highRiskGroup,\n v => ({\n count: v.length,\n exitedRate: d3.mean(v, d => d.Exited) * 100,\n exitedCount: d3.sum(v, d => d.Exited)\n }),\n d => d.NumOfProducts,\n d => d.IsActiveMember\n);","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":137,"value":"matrixArray = Array.from(riskMatrix).flatMap(([numProducts, activityMap]) => \n Array.from(activityMap).map(([isActive, stats]) => ({\n NumOfProducts: numProducts,\n IsActiveMember: isActive ? \"Активный\" : \"Неактивный\",\n isActive: isActive,\n count: stats.count,\n exitedRate: stats.exitedRate,\n exitedCount: stats.exitedCount\n }))\n);","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":83,"value":"Plot.plot({\n width: 900,\n height: 600,\n marginTop: 30,\n marginLeft: 80,\n x: {label: \"Количество продуктов\"},\n y: {label: \"Активность\"},\n color: {\n label: \"Доля ушедших, %\",\n scheme: \"rdbu\",\n reverse: true,\n legend: true\n },\n marks: [\n Plot.cell(matrixArray, {\n x: \"NumOfProducts\",\n y: \"IsActiveMember\",\n fill: \"exitedRate\",\n fillOpacity: 0.8,\n stroke: \"#333\",\n strokeWidth: 1,\n title: d => `Продуктов: ${d.NumOfProducts}\\nАктивность: ${d.IsActiveMember}\\nОтток: ${d.exitedRate.toFixed(1)}%\\nКлиентов: ${d.count}\\nУшли: ${d.exitedCount}`\n }),\n Plot.text(matrixArray, {\n x: \"NumOfProducts\",\n y: \"IsActiveMember\",\n text: d => `${d.exitedRate.toFixed(1)}%`,\n textAnchor: \"middle\",\n fontSize: 12,\n fontWeight: \"bold\",\n fill: d => d.exitedRate > 50 ? \"white\" : \"black\"\n })\n ]\n})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":85,"value":"Вывод:
\nАнализ данных позволяет выделить ключевые драйверы оттока клиентов, что является критически важным для прогнозирования трендов востребованности. Банк рискует потерять ценных клиентов — взрослых людей с высокими балансами, которые, однако, не вовлечены в использование продуктов. Для повышения лояльности и востребованности новых предложений необходимо:\n1. Пересмотреть пакетирование продуктов для клиентов с 3-4 услугами, где наблюдается пик оттока.\n2. Разработать целевые программы удержания для клиентов старшего возраста из стран с высоким уровнем оттока.\n3. Повышать клиентскую активность (IsActiveMember), так как это один из сильнейших защитных факторов.\n\nПонимание этих паттернов позволяет не только предотвращать отток, но и более точно прогнозировать, какие клиенты (молодые, активные, с 1-2 продуктами) с наибольшей вероятностью будут положительно реагировать на новые банковские продукты, формируя основу для роста бизнеса.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":88,"value":"data = FileAttachment(\"Churn_Modelling.csv\").csv({typed: true})","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"}],"files":"$W2d","stdlib":"1","titling":"auto"}} 2c:"$2b:body"