التنبؤ بتسرب العملاء لشركات الاتصالات (Customer Churn Prediction) مع تطبيق ويب تفاعلي

مشروع متكامل في علوم البيانات يهدف إلى بناء نموذج تنبؤي لتحديد العملاء المعرضين لخطر إلغاء اشتراكاتهم (Customer Churn) في شركات الاتصالات. لم يقتصر المشروع على بناء النموذج الرياضي فحسب، بل تم تتويجه بتطبيق ويب تفاعلي واحترافي باستخدام (Streamlit) لتمكين أصحاب القرار من رفع البيانات واستخراج الرؤى بسهولة دون الحاجة لخلفية برمجية. الملامح الرئيسية للمشروع: تحليل ومعالجة البيانات (EDA & Data Cleaning): تنظيف البيانات الخام، التعامل مع القيم المفقودة، واستنباط ميزات جديدة (Feature Engineering) مثل تجميع فترات الاشتراك (Tenure) لتحسين دقة النموذج. التعامل مع البيانات غير المتوازنة: استخدام تقنية (SMOTE) لمعالجة مشكلة عدم توازن الفئات (Class Imbalance) وضمان عدم انحياز النموذج. تطوير نماذج تعلم الآلة (Machine Learning): تدريب وتحسين خوارزميات متقدمة مثل (XGBoost) و (Random Forest) باستخدام (RandomizedSearchCV) وتقييمها عبر (5-fold cross-validation). تفسيرية النماذج (Model Interpretability): استخدام خوارزمية (SHAP) لتقديم تفسيرات دقيقة لأسباب توقع تسرب كل عميل على حدة، مما يوفر رؤى قابلة للتنفيذ المباشر من قبل قسم التسويق والمبيعات. واجهة مستخدم احترافية (Web App): بناء تطبيق تفاعلي يتيح للمستخدم إدخال بيانات العملاء يدوياً أو رفع ملف (CSV) كامل، وعرض الرسوم البيانية التوضيحية وتنزيل النتائج النهائية. التقنيات والأدوات المستخدمة: لغات البرمجة: Python. تطوير واجهات الويب: Streamlit. تعلم الآلة والتحليل: Scikit-Learn, XGBoost, Pandas, Numpy, SMOTE. تفسير النماذج والرسوم البيانية: SHAP, Matplotlib, Seaborn. بيئة العمل: Jupyter Notebook. ملاحظة: المشروع يعكس القدرة على أخذ البيانات من حالتها الخام وصولاً إلى منتج نهائي (End-to-End Solution) جاهز للنشر والاستخدام من قبل الشركات لتحسين معدلات الاحتفاظ بالعملاء.