Modelo analítico de churn com notebooks e publicação operacional

Context

Assinatura B2B com cancelamentos silenciosos; time comercial precisava priorizar contas com maior risco.

Problem

Regras manuais de priorização não escalavam e não incorporavam sinais comportamentais recentes.

Data architecture

Base histórica na Gold → geração de features (recência, frequência, uso de produto, tickets) em notebook → split temporal para validação → modelo exportado como tabela de scores diária → consumo no CRM e painel de acompanhamento.

What was done

Pipeline reprodutível, métricas de performance registradas por versão e limiar de ação acordado com comercial (não “acurácia bonita” sem uso).

• Notebook de treino com experimentação versionada
• Tabela de scores + contrato de atualização
• Painel de monitoramento de drift básico

Decisions & indicators

Priorização de abordagem comercial e leitura de drivers principais de risco (sem prometer caixa preta).

• Recall@k no conjunto de validação temporal
• Lift do quartil de maior risco
• Adoção: contatos realizados sobre leads priorizados

Outcome / impact

Lista priorizada de contas e ritmo de ação mais consistente; redução de esforço em contatos de baixa conversão esperada.

Learnings

• → ML aplicado vive ou morre na operação: sem SLA de dados e sem dono do limiar, o modelo vira relatório.