In dit project is onderzocht hoe het klantverloop bij een specifieke bank beter te voorspellen valt. Bankklanten die hun rekening opzeggen kosten geld en inzicht in hun gedrag is cruciaal. Hiervoor zijn moderne machine learning-modellen ingezet, waaronder gradient boosting-technieken zoals CatBoost en LightGBM. Er is ook rekening gehouden met het aanwezige tekort aan data (de groep met verloren klanten is veel kleiner dan de groep met niet-verloren klanten). Deze onbalans is aangepakt met een techniek (SMOTE) die meer evenwicht in de data brengt.

Vervolgens zijn de modellen uitvoerig getest. De resultaten laten zien dat de ensemble-modellen zoals CatBoost de hoogste nauwkeurigheid behalen. Dat betekent dat zij het beste algemene gedrag voorspellen. Het toepassen van SMOTE verbetert de sensitiviteit significant met circa 29% , maar het gaat wel licht ten koste van nauwkeurigheid (-1.7%) en specificiteit (-5.7%).

Een belangrijk onderdeel van dit onderzoek was uitlegbaarheid: waarom voorspelt het model zoals het doet? Hiervoor zijn technieken toegepast (SHAP en PDP) om inzicht te krijgen in de belangrijkste factoren. Dit leverde de volgende inzichten op: het aantal bankproducten dat een klant gebruikt, de leeftijd en of de klant actief gebruikmaakt van de bank zijn de meest bepalende kenmerken voor het verliezen van die klant. Zo zagen de onderzoekers dat klanten tussen 50 en 60 jaar met een hoog banksaldo en meerdere producten relatief vaak vertrekken. Deze inzichten zijn praktisch zeer waardevol: banken kunnen op basis hiervan gerichte aanbiedingen en retentie-acties ontwikkelen om deze risicogroepen te behouden.

Samengevat levert dit project zowel academische als praktische bijdragen op. Wetenschappelijk is aangetoond dat moderne machine learning technieken (met data onbalans methodes) zeer effectief zijn voor het voorspellen van klantverloop, terwijl in de praktijk de interpretatie van de uitkomsten banken kan helpen beter klanten vast te houden.