تحليل بيانات العملاء وتوقع ترك الخدمة باستخدام Logistic Regression

قمت بتنفيذ مشروع متكامل لتحليل بيانات عملاء شركة اتصالات بهدف دراسة أسباب ترك العملاء للخدمة Customer Churn والتنبؤ بالعملاء الأكثر عرضة للمغادرة. شمل العمل تحميل البيانات وفحصها، ثم تنظيفها من القيم المفقودة والتكرارات، حيث تم التعامل مع القيم الفارغة في Yearly_Charge وإزالة الصفوف المكررة، لتصبح البيانات النهائية 1141 صفًا و22 عمودًا. بعد ذلك تم تنفيذ تحليل استكشافي EDA لفهم توزيع العملاء وتحليل العوامل المؤثرة في معدل الـ Churn، مثل نوع العقد، مدة الاشتراك Tenure، نوع خدمة الإنترنت، قيمة الفاتورة الشهرية، وإجمالي المدفوعات. تم إنشاء عدة رسومات بيانية لتوضيح توزيع العملاء، العلاقة بين مدة الاشتراك وترك الخدمة، تحليل الارتباط بين المتغيرات، ومقارنة أهم العوامل المؤثرة على احتمالية الـ Churn. كما تم بناء نموذج Logistic Regression للتنبؤ بالعملاء المحتمل تركهم للخدمة، مع تقييم النموذج باستخدام Accuracy وPrecision وRecall وF1-Score وROC-AUC. حقق النموذج نتائج جيدة، منها: Accuracy: 82.10% Precision: 77.55% Recall: 80.00% F1-Score: 78.76% ROC-AUC: 91.76% تم استخراج Insights واضحة، منها أن العملاء أصحاب العقود الشهرية Month-to-month أكثر عرضة لترك الخدمة، وكذلك العملاء الجدد ذوو مدة الاشتراك القصيرة، والعملاء أصحاب الفواتير الشهرية المرتفعة، وعملاء خدمة Fibre Optic. هذا المشروع يوضح مهاراتي في تنظيف البيانات، التحليل الاستكشافي، إنشاء الرسومات البيانية، بناء نموذج تنبؤي، وتلخيص النتائج بطريقة قابلة للتنفيذ.