مشروع تحليل بيانات لقاعدة عملاء شركة we

أول خطوة كانت تنظيف البيانات.

اشتغلنا على Power Query وExcel لمعالجة القيم المفقودة، إزالة التكرار، وتصحيح أنواع البيانات.

المرحلة دي كانت مهمة جدًا لأن أي تحليل بعد كده يعتمد بالكامل على جودة الداتا.

بعد ما جهزنا الداتا، بقى عندنا أساس سليم نقدر نبدأ عليه التحليل.

بعدها استخدمنا SQL لربط الجداول واستخراج المؤشرات الأساسية.

حسبنا عدد العملاء الكلي، عدد العملاء اللي غادروا، معدل الـ Churn، ومتوسط الإيرادات.

الخطوة دي كانت بداية تكوين الصورة العامة: الشركة عندها قاعدة عملاء كبيرة، لكن نسبة الـ Churn مرتفعة، والخسارة مرتبطة بالإيرادات بشكل مباشر.

من هنا بدأنا ندخل أعمق.

حللنا الـ Churn حسب أنواع العقود، وظهر إن العقود الشهرية هي الأكثر عرضة لخروج العملاء.

بعدها حللنا طرق الدفع، ولاحظنا إن الدفع اليدوي مرتبط بتوقف الاشتراك بشكل أكبر من الدفع التلقائي.

كمان حللنا نوع خدمة الإنترنت، واتضح إن عملاء الـ Fiber – رغم إنهم الأعلى قيمة – عندهم معدلات Churn ملحوظة.

بعد ما فهمنا “مين بيمشي”، انتقلنا لتحليل الخدمات المضافة.

الداشبورد وضّح إن العملاء اللي مش مشتركين في Tech Support و Online Security هم الأكثر عرضة للمغادرة.

وده أكد إن المشكلة مش سعر الخدمة فقط، لكن تجربة العميل والدعم بعد الاشتراك.

كل النتائج دي اتجمعت داخل Dashboards على Power BI علشان نحكي القصة بشكل بصري واضح.

الداشبورد عرض المؤشرات الأساسية، توزيع الـ Churn، الإيرادات، وسلوك العملاء بطريقة تسهّل رؤية العلاقات بين كل العوامل.

في النهاية، التحليل وصلنا لاستنتاج واضح:

الشركة لا تخسر عملاء فقط، لكنها تخسر عملاء ذوي قيمة عالية.

والسبب الرئيسي هو عقود قصيرة، غياب الدعم الفني، وسهولة إيقاف الدفع.

بناءً على ده، خرجنا بتوصيات عملية:

تحفيز العقود طويلة المدى، دمج خدمات الدعم والأمان ضمن الباقات الأساسية، وتشجيع طرق الدفع التلقائية لتقليل فقدان العملاء وحماية الإيرادات.

المشروع ده خلاني أختبر تحليل البيانات كعملية كاملة:

من تنظيف الداتا، لاستخراج المؤشرات، لبناء داشبورد، ثم تحويل النتائج إلى قرارات.

وده بالضبط الفرق بين مجرد تحليل أرقام…

وبين تحليل يخدم البيزنس فعليًا.