تحليل بيانات في مجال الاتصالات
تفاصيل العمل
Project Overview:
This project analyzes customer churn data to understand the factors that lead customers to leave a company or stop using its services. The dataset contains information about customer demographics, service usage, billing, and contract types. The goal is to identify patterns that predict churn and provide actionable insights to improve customer retention.
Dataset Description:
Data Source: Simulated telecom customer data (2023–2024)
Number of Records: ~7,000 customers
Main Fields:
Customer ID – Unique identifier for each customer
Gender – Male or Female
Age – Customer age
Tenure – Duration (in months) the customer has been with the company
Contract Type – Monthly, One-Year, or Two-Year
Monthly Charges – Amount billed each month
Total Charges – Total amount billed
Internet Service – Type of internet service (DSL, Fiber, None)
Tech Support – Whether the customer has technical support
Payment Method – Credit card, Bank transfer, etc.
Churn – Whether the customer left (Yes/No)
? Analysis Goals:
Identify key factors that influence customer churn
Compare churn rates by contract type, age group, and service usage
Build visual dashboards to show churn distribution and risk levels
Provide insights to improve customer loyalty and retention
️ Tools Used:
Excel / Power BI / Python (Pandas, Seaborn, Matplotlib)
Data Cleaning, Correlation Analysis, and Visualization
Deliverables:
Cleaned and well-documented dataset
Power BI dashboard with churn KPIs and filters
Summary report with insights and retention recommendations
نظرة عامة على المشروع:
يهدف هذا المشروع إلى تحليل بيانات فقد العملاء لفهم الأسباب والعوامل التي تؤدي إلى توقفهم عن استخدام الخدمة أو مغادرتهم الشركة. تحتوي البيانات على معلومات حول العملاء، والعقود، والاستهلاك، والفواتير. الهدف هو تحديد الأنماط والعوامل المؤثرة للتنبؤ بمعدل الفقد وتحسين استراتيجيات الاحتفاظ بالعملاء.
وصف البيانات:
مصدر البيانات: بيانات عملاء افتراضية (2023–2024)
عدد السجلات: حوالي 7,000 عميل
الحقول الأساسية:
Customer ID – رقم العميل
Gender – الجنس (ذكر / أنثى)
Age – عمر العميل
Tenure – مدة الاشتراك بالأشهر
Contract Type – نوع العقد (شهري / سنوي / سنتان)
Monthly Charges – المبلغ الشهري
Total Charges – إجمالي المدفوعات
Internet Service – نوع خدمة الإنترنت
Tech Support – وجود دعم فني من عدمه
Payment Method – طريقة الدفع
Churn – هل العميل غادر أم لا (نعم / لا)
? أهداف التحليل:
تحديد العوامل التي تؤدي إلى فقد العملاء
مقارنة نسب الفقد حسب نوع العقد والعمر والاستهلاك
إنشاء لوحات تفاعلية توضح نسب الفقد وتوزيعها
تقديم توصيات عملية لتحسين الولاء وتقليل مغادرة العملاء
️ الأدوات المستخدمة:
Excel / Power BI / Python (Pandas, Seaborn, Matplotlib)
تنظيف البيانات، تحليل الارتباطات، وتمثيل النتائج بصريًا
المخرجات النهائية:
ملف بيانات منظم وجاهز للتحليل
لوحة تحكم تفاعلية توضح مؤشرات فقد العملاء (Churn KPIs)
تقرير بالنتائج والتوصيات لتحسين الاحتفاظ بالعملاء