Telco Customer Churn Analysis Using Python & Power BI

قدمتِ تحليل شامل لبيانات شركة اتصالات بهدف فهم أسباب مغادرة العملاء (Churn) وتحديد العوامل الأكثر تأثيرًا على الاحتفاظ بهم.

تم استخدام Python في تنظيف البيانات وتحسين جودتها، ثم تصميم Star Schema وتجهيز الداتا للعرض على Power BI.

قمتِ ببناء داشبورد تفاعلي يعرض: معدل التشيرن، عدد العملاء، التحليل الديموغرافي، أنماط استخدام الخدمات، والتعاملات المالية للعملاء.

أظهر التحليل إن:

معدل التشيرن بلغ 26.58% (1,869 عميل).

عملاء Fiber Optic و Month-to-Month contract هما الأكثر احتمالًا للغادر.

العملاء أصحاب Monthly Charges المرتفعة معرضين بشكل أكبر للتشيرن.

العملاء اللي مش بيستخدموا Paperless Billing بيغادروا بنسبة أعلى.

العملاء الجدد (Tenure قليل) أكثر عرضة للتشيرن.

النتائج دي بتساعد الشركة إنها:

تركّز على العملاء عاليي الخطورة.

تطلق عروض retention مخصّصة.

تحسن جودة الخدمات وتقليل مشاكل الإنترنت.

تعزز التحول للفواتير الإلكترونية.