Projet d'analyse exploratoire de données visant à identifier les clients bancaires à risque d'attrition (ceux susceptibles de résilier leur contrat). En comprenant les facteurs de churn sous-jacents, l'analyse permet à la banque d'adopter des stratégies ciblées pour réduire l'attrition et fidéliser sa clientèle, en s'appuyant sur l'écosystème data-science de Python pour le nettoyage, la visualisation et l'exploration statistique.
Combine process mining et machine learning pour détecter les réclamations d'assurance frauduleuses à partir de journaux d'événements.