Banking system and predicting term deposit subscriptions

تضمن المشروع بناء مستودع بيانات، وتدريب نموذج تعلّم آلي، وإنشاء لوحة تحكم Power BI.

في مرحلة مستودع البيانات، قام فريقي وأنا بتحديد عمليات الأعمال والأبعاد الشائعة باستخدام مصفوفة الحافلات، وصممنا نموذج بيانات منطقي لتمثيل العلاقات بين الكيانات والسمات، وقمنا بترجمة النموذج إلى نموذج بيانات فيزيائي في Oracle. كما قمنا بتطوير عدة استعلامات SQL باستخدام تصميم النموذج الفيزيائي للإجابة على أسئلة الأعمال من صانع القرار.

لتدريب نموذج التعلّم الآلي، قمنا باستخدام تقنيات تحليل البيانات التكشفية وهندسة الميزات لتنظيف وإعداد البيانات. استخدمنا XGBoost، وهي مكتبة محسّنة للتدريب الشجري الحاد الموزع مصممة للتعامل مع مجموعات بيانات ذات مقياس كبير، لتدريب النموذج. يتنبأ النموذج الناتج من XGBoost بدقة ما إذا كان العميل سيشترك في إيداع مصطلح أم لا، ويدعم هذا بالاختبارات الإحصائية والتحليل لدعم دقته.

أخيرًا، قمنا بإنشاء لوحة تحكم توفر تصورًا واضحًا لمعدل اشتراكات إيداع المدى الزمني. يمكن استخدام هذه اللوحة لتتبع وتحليل الاتجاهات في الوقت الحقيقي، وهي طريقة رائعة للتواصل بالأفكار والإخراجات التي حصلنا عليها من التحليل.