تنظيف البايانات

تنظيف البيانات وتقسيم القيم المستمرة إلى فئات

في هذا المشروع، يتم تنظيف البيانات وتحويل القيم الرقمية المستمرة إلى فئات محددة لتحسين التحليل والنمذجة.

1️⃣ تنظيف البيانات والتعامل مع القيم الفارغة والمتطرفة

إزالة التكرارات: يتم حذف الصفوف المتكررة بناءً على رقم العميل مع الاحتفاظ بآخر تسجيل له.

التعامل مع القيم المفقودة: يتم استبدال القيم الفارغة وغير المعروفة في بعض الأعمدة مثل الجنس والمستوى التعليمي بقيم افتراضية مثل "أنثى" أو "غير معروف".

حساب العمر: يتم اشتقاق عمر العميل من سنة ميلاده، مع وضع حد أدنى وأقصى للعمر (على سبيل المثال، أي عمر أقل من 22 يُعدّل إلى 22، وأي عمر أكبر من 70 يُعدّل إلى 70).

التعامل مع القيم المتطرفة: يتم ضبط بعض القيم مثل الحد الائتماني وإجمالي المشتريات داخل نطاق معقول بناءً على التوزيع العام للبيانات، بحيث لا تكون هناك قيم غير طبيعية قد تؤثر على التحليل.

2️⃣ تحويل القيم المستمرة إلى فئات

يتم تقسيم القيم الرقمية المستمرة إلى فئات محددة لتسهيل التحليل.

تقسيم العمر إلى فئات: يتم تصنيف العملاء إلى مجموعات عمرية مثل (22-30)، (31-45)، (46-60)، و(61-70).

تصنيف الحد الائتماني: يتم تقسيم الحد الائتماني إلى مستويات مثل منخفض، متوسط، وعالٍ بناءً على القيم الشائعة في البيانات.

تصنيف إجمالي المشتريات: يتم تصنيف العملاء بناءً على إجمالي المعاملات المالية إلى فئات مثل منخفض، متوسط، مرتفع، ومرتفع جدًا.

تصنيف عدد العلاقات المصرفية: يتم تصنيف عدد الحسابات المصرفية أو العلاقات المالية للعميل إلى ثلاث فئات: منخفض، متوسط، ومرتفع.

تقسيم عدد مرات الاتصال بخدمة العملاء: يتم تصنيف العملاء إلى فئات بناءً على عدد المرات التي تواصلوا فيها مع خدمة العملاء، مثل: لا يوجد تواصل، تواصل منخفض، متوسط، وعالٍ.

أهمية هذه العمليات

تحسين دقة التحليل والتنبؤات.

تسهيل استخدام البيانات في النماذج الإحصائية والتعلم الآلي.

تقليل تأثير القيم المتطرفة على النتائج.

تبسيط فهم البيانات من خلال تصنيفها إلى فئات بدلاً من قيم رقمية معقدة.

النتيجة: بيانات نظيفة، مرتبة، ومهيأة للتحليل بفعالية!