Bank Project

بدل ما أركز على بناء Dashboard فقط، كان هدفي إني أطبق دورة تحليل البيانات كاملة من البداية للنهاية.

بدأت بـ Python لتنظيف البيانات، معالجة القيم المفقودة، إزالة التكرارات، وتصحيح بعض القيم غير المتناسقة حتى أصبحت البيانات جاهزة للتحليل.

بعد ذلك استخدمت SQL Server لبناء قاعدة البيانات، إنشاء الجداول والعلاقات، والتعامل مع البيانات باستخدام SQL Queries.

وأخيرًا استخدمت Power BI لتحويل البيانات إلى Dashboard تفاعلي يحتوي على مؤشرات أداء (KPIs) ورسوم بيانية تساعد على فهم البيانات واتخاذ قرارات مبنية عليها.

📊 أبرز النتائج التي توصلت إليها:

بطاقات Blue تمثل النسبة الأكبر من قاعدة العملاء.

بطاقات Platinum تمتلك أعلى متوسط للحد الائتماني.

العملاء في فئات الدخل المنخفضة يمثلون الشريحة الأكبر من العملاء.

أغلب العملاء ما زالوا مستمرين مع البنك، مع وجود اختلاف في معدلات الانسحاب بين بعض الشرائح.

💡 ومن خلال التحليل، يمكن اقتراح بعض التوصيات:

التركيز على تحسين تجربة العملاء حاملي بطاقات Blue باعتبارهم يمثلون أكبر شريحة من العملاء.

دراسة أسباب انسحاب العملاء في الفئات الأكثر تأثرًا والعمل على تحسين استراتيجيات الاحتفاظ بهم.

تقديم عروض وبرامج ولاء تشجع العملاء المؤهلين على الترقية إلى البطاقات الأعلى.

الاعتماد على Dashboard بشكل دوري لمتابعة مؤشرات الأداء ودعم عملية اتخاذ القرار.

هذا المشروع كان فرصة جيدة لتطبيق ما تعلمته عمليًا في:

Python | SQL Server | Power BI | Data Cleaning | Data Modeling | DAX | Data Visualization