CASE STUDY 1: 신용카드 사용자 정보 데이터로 인사이트 도출하기

그동안 배웠던 데이터 분석 실무를 적용하기 위하여
데이터 파일이 필요해서 '데이콘'이라는 사이트에서 데이터 정보를 다운받아 사용하였습니다.
기존 데이터 관련한 경진대회 사이트로, 다양한 대회를 진행하고 있었고 그 중 실제 적용할 수 있는 주제가 무엇일까
고민하다가 신용카드 사용이라는 구매와 관련된 내용을 주제로 다뤄보면 좋을 것 같아서 자료를 다운로드 받아 진행하였습니다.

데이콘: https://dacon.io/

데이터사이언티스트 AI 컴피티션

신용카드 사용자 연체 예측 AI 경진대회

주제 : 신용카드 사용자 데이터를 보고 사용자의 대금 연체 정도를 예측하는 알고리즘 개발

개인정보 데이터를 활용해 신용점수 도출, 신용점수-> 향후 채무 불이행, 신용카드 대급 연체 가능성 예측
https://dacon.io/competitions/official/235713/overview/description

신용카드 사용자 연체 예측 AI 경진대회

데이터 칼럼명

• index
• gender: 성별
• car: 차량 소유 여부
• reality: 부동산 소유 여부
• child_num: 자녀 수
• income_total: 연간 소득
• income_type: 소득 분류 ['Commercial associate', 'Working', 'State servant', 'Pensioner', 'Student']
• edu_type: 교육 수준 ['Higher education' ,'Secondary / secondary special', 'Incomplete higher', 'Lower secondary', 'Academic degree']
• family_type: 결혼 여부['Married', 'Civil marriage', 'Separated', 'Single / not married', 'Widow']
• house_type: 생활 방식['Municipal apartment', 'House / apartment', 'With parents', 'Co-op apartment', 'Rented apartment', 'Office apartment']
• DAYS_BIRTH: 출생일 데이터 수집 당시 (0)부터 역으로 셈, 즉, -1은 데이터 수집일 하루 전에 태어났음을 의미
• DAYS_EMPLOYED: 업무 시작일 데이터 수집 당시 (0)부터 역으로 셈, 즉, -1은 데이터 수집일 하루 전부터 일을 시작함을 의미 양수 값은 고용되지 않은 상태를 의미함
• FLAG_MOBIL: 핸드폰 소유 여부
• work_phone: 업무용 전화 소유 여부
• phone: 전화 소유 여부
• email: 이메일 소유 여부
• occyp_type: 직업 유형
• family_size: 가족 규모
• begin_month: 신용카드 발급 월 데이터 수집 당시 (0)부터 역으로 셈, 즉, -1은 데이터 수집일 한 달 전에 신용카드를 발급함을 의미
• credit: 사용자의 신용카드 대금 연체를 기준으로 한 신용도 낮을 수록 높은 신용의 신용카드 사용자를 의미함