yalinerkaya/alfa_hack

Solving the problem of churn for a hackathon from Alfa Bank

Baltic Alfa Hack

На хакатоне, проходившем 6-8 октября в БФУ им. И. Канта в Калининграде, при поддержке Альфа Банка, перед участниками стояла задача оптимизации работы с корпоративными клиентами банка на основе больших данных.

В данном репозитории представлено решение команды pip, занявшей 2 место в соревновании. А также мой черновик в папке drafts, в котором я тестировал свои предположения относительно признаков, модели, а также свои идеи по задаче. Некоторые участки кода в черновике могут быть исполняемыми с определенными условиями, либо необязательными для запуска, так как занимают слишком много времени для выполнения. Например построение больших графиков. Об этом будет дополнительно указано в содержимом.

Гитхаб одного из моих сокомандников: https://github.com/Lebedkina В нем так же имеются черновики, содержащие наши мысли по поводу задачи.

Постановка задачи была следующей:

На клиентских данных для юридических лиц необходимо спрогнозировать отток клиентов из банка. Под оттоком подразумевается прекращение финансовой активности клиента или закрытие РКО (Расчетно-кассового обслуживания)

Про первый этап

Он длился с 19:00 6 октября до 17:00 7 октября, нам нужно было выполнить:

Изучить данные, обработать и визуализировать

• Предобработать данные
• Отобрать наиболее важные факторы, проанализировать на наличие зависимостей между ними и визуализировать

Выполнить задачу классификации клиентов:

• Построить модель, прогнозирующую отток клиента из банка
• Оценить точность предсказания по метрике ROC-AUC на открытой выборке

Набор данных представлял собой таблицу со 100 факторами и содержал информацию о клиентах и их активностях внутри банка.

300000 записей - обучающая выборка
100000 записей - тестовая выборка

Целевая переменная:

• Прекразение финансовой активности клиента (Y1) или закрытие РКО (Y2)
• Итоговый таргет Y = max(Y1,Y2)

Оценка решения на первом этапе производилась только по метрике ROC-AUC

Про второй этап

Он длился с 18:00 7.10 по 13:30 8.10

Задачи были следующими:

• Доработать модель, создать репозитрий с документацией и поспроизводимым решением
• Сформулировать базнес-инсайты по результатам визуализации и моделировани. Определить наиболее интерпретируемые для бизнеса метрики, с помощью которых оценить модель.
• Презентовать свое решение и результаты перед членами жюри: подготовить выступление на 5-7 минут

В презентации решения:

• Описать подход к решению задачи и полученные результаты
• Подготовить визуализацию данных
• На основе построенной модели сформулировать полезные и понятные для бизнеса выводы

Критерии, по которым оценивали решения в финале:

Техническая сторона:

• Значение метрики ROC-AUC
• Воспроизводимость и читабельность кода
• Широта подхода: использование различных ML-алгоритмов, метрик качества модели

Бизнес-сторона:

• Качество и обоснованность инсайтов (выводов), полученных по результатам создания модели
• Оригинальность подхода и защиты решения
• Качество визуального оформления и логика презентации

Наши решения оценивались по нескольким критериям командой экспертов Альфа-Банка и БФУ