1. 프로젝트 개요

• 핵심 주제: 은행 고객 행동/계정 정보를 기반으로 고객 이탈(churn) 예측
• 핵심 가치: 단순히 “맞췄다/틀렸다”가 아니라, **어떤 요인이 이탈 확률을 끌어올렸는지(XAI)**까지 해석해서 실행 가능한 비즈니스 액션으로 연결

2. 활용 데이터셋

Bank Customer Churn Prediction.csv

• 데이터 출처: Bank Customer Churn Prediction.csv
• 데이터 규모: 10,000명 고객, 12개 컬럼
• 타겟 변수: churn (0 = 유지, 1 = 이탈)

주요 변수(컬럼 의미)

• 고객 식별: customer_id (모델 학습에서는 보통 제거)
• 고객/리스크: credit_score, age
• 지역/속성: country, gender
• 관계/활동: tenure(이용기간), active_member(활동 고객 여부)
• 자산/가치: balance(잔액), estimated_salary(추정 연봉)
• 상품/보유: products_number(이용 상품 수), credit_card(카드 보유 여부)

강점

• 정형 데이터로 이탈 예측의 교과서 구조(범주형+수치형 혼합, 타겟 라벨 존재)
• EDA/전처리/모델링/해석 가능