Tenure (thời gian gắn bó với ngân hàng) là số năm khách hàng đã sử dụng các sản phẩm và dịch vụ của ngân hàng. Khách hàng có thời gian gắn bó với ngân hàng lâu hơn thường có ít khả năng rời bỏ ngân hàng hơn. Điều này là do khách hàng đã có mối quan hệ lâu dài với ngân hàng và họ đã hài lòng với các sản phẩm và dịch vụ của ngân hàng.
Credit_score (điểm tín dụng) là một yếu tố quan trọng có thể ảnh hưởng đến việc khách hàng rời bỏ ngân hàng hay không. Khách hàng có điểm tín dụng cao thường có xu hướng gắn bó với ngân hàng hơn, vì họ có khả năng thanh toán nợ tốt hơn. Ngược lại, khách hàng có điểm tín dụng thấp thường có xu hướng rời bỏ ngân hàng hơn, vì họ có khả năng thanh toán nợ kém hơn.
Balance (số dư tài khoản) là một thuộc tính thuộc nhóm thuộc tính tài chính trong bài toán liên quan đến dữ liệu Bank Customer Churn Prediction. Số dư tài khoản là một chỉ số quan trọng phản ánh tình hình tài chính của khách hàng. Khách hàng có số dư tài khoản cao thường có khả năng gắn bó với ngân hàng cao hơn. Ngược lại, khách hàng có số dư tài khoản thấp thường có khả năng rời bỏ ngân hàng cao hơn.
credit_card () cho biết khách hàng có sử dụng thẻ tín dụng hay không. Đây là một thuộc tính quan trọng vì nó có thể ảnh hưởng đến khả năng khách hàng rời bỏ ngân hàng.
active_member Trạng thái hoạt động của khách hàng là một thông tin quan trọng để dự đoán khả năng rời bỏ ngân hàng của khách hàng.Ngược lại, nếu một khách hàng đang hoạt động bình thường và có các giao dịch thường xuyên với ngân hàng, thì khả năng rời bỏ ngân hàng của khách hàng đó là thấp hơn.
estimated_salary: (ước tính mức lương): có thể là một yếu tố quan trọng trong việc dự đoán khách hàng có rời bỏ ngân hàng hay không. Khách hàng có mức lương cao hơn thường có xu hướng gắn bó với ngân hàng hơn. Ngược lại, khách hàng có mức lương thấp hơn thường có xu hướng rời bỏ ngân hàng nhiều hơn.
churn: biến mục tiêu churn là một biến nhị phân, có giá trị là 1 nếu khách hàng rời bỏ ngân hàng và 0 nếu khách hàng không rời bỏ ngân hàng. Biến mục tiêu này cho biết liệu khách hàng sẽ tiếp tục sử dụng các sản phẩm và dịch vụ của ngân hàng trong tương lai hay không. Các ngân hàng thường sử dụng biến mục tiêu này để dự đoán khách hàng có nguy cơ rời bỏ ngân hàng cao, từ đó đưa ra các biện pháp phù hợp để giữ chân khách hàng.
Dữ liệu cần thu thập
|
Kiểu dữ liệu
|
Giá trị minh họa
|
customer_id
|
số nguyên (int64)
|
15634602
|
credit_score(điểm tín dụng)
|
số nguyên (int64)
|
619
|
City (thành phố cư trú)
|
chuỗi (object)
|
Hanoi
|
Gender (giới tính)
|
chuỗi (object)
|
Female
|
Age (tuổi)
|
số nguyên (int64)
|
42
|
Tenure (thời gian gắn bó với ngân hàng)
|
số nguyên (int64)
|
2
|
balance (số dư tài khoản)
|
float64
|
0.00
|
product_number
|
số nguyên (int64)
|
1
|
estimated_salary: (ước tính mức lương)
|
số nguyên (int64)
|
1
|
credit_card
|
số nguyên (int64)
|
1
|
active_member
|
float64
|
101348.88
|
churn:
|
số nguyên (int64)
|
1
|
Chia sẻ với bạn bè của bạn: |