Exploração e análise de dados de crédito com SQL
- Cristina Silva
- 28 de nov. de 2022
- 2 min de leitura
Tipo de projeto
Análise de dados
Data
28/11/2022
Local
São Paulo
Descrição:
Esse notebook faz parte do projeto final do curso SQL para análise de dados da EBAC.
Os dados:
Os dados representam informações de clientes de um banco e contam com as seguintes colunas:
• idade = idade do cliente
• sexo = sexo do cliente (F ou M)
• dependentes = número de dependentes do cliente
• escolaridade = nível de escolaridade do clientes
• salario_anual = faixa salarial do cliente
• tipo_cartao = tipo de cartao do cliente
• qtd_produtos = quantidade de produtos comprados nos últimos 12 meses
• iteracoes_12m = quantidade de iterações/transacoes nos ultimos 12 meses
• meses_inativo_12m = quantidade de meses que o cliente ficou inativo
• limite_credito = limite de credito do cliente
• valor_transacoes_12m = valor das transações dos ultimos 12 meses
• qtd_transacoes_12m = quantidade de transacoes dos ultimos 12 meses
A tabela foi criada no AWS Athena junto com o S3 Bucket com uma versão dos dados disponibilizados em:
Exploração de dados:
Tem como base o entendimento dos nosso dados.
Qual a quantidade de informações temos na nossa base de dados?
Query: SELECT count(*) FROM credito
Reposta: 2564 linhas
Quais os tipos de cada dado?
Query: DESCRIBE credito
Como são os dados
Query: SELECT * FROM credito LIMIT 10;
Quais são os tipos de escolaridade disponíveis no dataset?
Query: SELECT DISTINCT escolaridade FROM credito
Quais são os tipos de estado_civil disponíveis no dataset?
Query: SELECT DISTINCT estado_civil FROM credito
Quais são os tipos de salario_anual disponíveis no dataset?
Query: SELECT DISTINCT salario_anual FROM credito
Quais são os tipos de cartão disponíveis no dataset?
Query: SELECT DISTINCT tipo_cartao FROM credito
Análise de dados
Query: select count(*), salario_anual from credito group by salario_anual
Nesse banco de dados, quantos clientes são homens e quantos são mulheres?
Query: select count(*), sexo from credito group by sexo
Queremos focar o nosso marketing de maneira adequada para nossos clientes, qual será a idade deles?
Query: select avg(idade) as media_idade, min(idade) as min_idade, max(idade) as max_idade, sexo from credito group by sexo
Qual a maior e menor transação dos clientes?
Query: select min(valor_transacoes_12m) as transacao_minima, max(valor_transacoes_12m) as transacao_minima from
credito
Quais as características dos clientes que possuem os maiores creditos?
Query: select max(limite_credito) as limite_credito, escolaridade, tipo_cartao, sexo from credito where escolaridade != 'na' and tipo_cartao != 'na' group by escolaridade, tipo_cartao, sexo order by limite_credito desc limit 10
O salário impacta no limite?
Query: select avg(qtd_produtos) as qts_produtos, avg(valor_transacoes_12m) as media_valor_transacoes, avg(limite_credito) as media_limite, sexo, salario_anual from credito where salario_anual != 'na' group by sexo, salario_anual order by avg(valor_transacoes_12m) desc
Conclusão
Essas foram algumas análises extraídas do dataset de crédito.
Alguns insights interessantes:
• a maior parte dos clientes possui renda até 40K
• a maior parte dos clientes é masculino!
• os clientes com maiores limites são em sua maioria homens
• os clientes com menores limites são em sua maioria mulheres
• a faixa salarial impacta diretamente no limite de crédito
• nao existem clientes com salário anual acima de 60K do sexo feminino
Comentários