Update app.py

app.py

@@ -517,9 +517,11 @@ with tab3:
             
             # Interpretação Rápida (Exemplo genérico, ajuste conforme seus dados reais)
             st.info("""
-            **Dica de Análise:**
-            * Observe se existe um cluster com **alta inadimplência** (Vermelho escuro na tabela).
-            * Veja se o PCA conseguiu separar bem os grupos (espaço entre as cores).
+            Podemos identificar 4 grupos focais nesta análise:
+            O grupo do cluster 2 que apresentam pessoas jovens com altos niveis de dividas com média de 30% de loan_percent_income, com ganho médio dentro do dataset e altos níveis de juros. Este é o grupo que toma mais risco e o com maior risco de inadimplência. Então é um grupo onde operações devem ter uma análise manual rigorosa e de preferência com garantia para minimizar risco.
+            O grupo do cluster 0 é o cliente mais padrão, que possui uma receita média, tem um histórico de operações e se mantem em níveis controlados de dívidas. É um perfil onde políticas padrões são suficientes para minimização de riscos.
+            O Cluster 3 apresenta jovens mais novos na fintech, com menos tomada de risco que os do cluster 2. É um perfil onde a recomendação de aumento gradual de limites e fidelização ao longo do tempo é essencial para criação de Clientes Premium no futuro.
+            O Cluster 1 é o cluster dos Clientes Premium com alto nível de receita. Estes apesar de apresentar valores acima da média de emprestimos estes valores são uma porcentagem controlada da receita. Este é o perfil de cliente onde devem haver ofertas de operações com juros menores e aumento de limite para aumentar oportunidades de operação no sistema da fintech.
             """)
 
     except Exception as e: