تحليل وتوقع فقدان العملاء باستخدام Python وPower BI

مشروع Data Science متكامل يهدف إلى فهم أسباب فقدان العملاء والتنبؤ بالعملاء الأكثر عرضة للمغادرة، لمساعدة الشركات على تحسين قرارات الاحتفاظ بالعملاء.

بدأ العمل بتنظيف بيانات العملاء ومعالجتها باستخدام Python، ثم تحليل العوامل المؤثرة على Churn مثل نوع العقد، مدة الاشتراك، طريقة الدفع، نوع خدمة الإنترنت، والرسوم الشهرية. بعد ذلك تم بناء نموذجين للتنبؤ بسلوك العملاء: Logistic Regression وRandom Forest، ثم مقارنة النتائج واختيار النموذج الأنسب بناءً على Recall لأنه يساعد على اكتشاف أكبر عدد ممكن من العملاء المعرضين للمغادرة.

تم عرض أبرز المؤشرات والنتائج في لوحة Power BI بسيطة وواضحة، بالإضافة إلى تقرير نهائي يتضمن أهم Insights والتوصيات العملية لتقليل خسارة العملاء.

الأدوات المستخدمة: Python, Pandas, NumPy, Matplotlib, Seaborn, Scikit-learn, Power BI

المهارات: تنظيف البيانات، تحليل البيانات، Machine Learning، Churn Prediction، Data Visualization، Business Insights