تحليل بيانات عملاء وخدمات بنكية — تصنيف الموافقات وتحليل الشرائح
تفاصيل العمل
البنك كان عنده مشكلة: مفيش تفسير واضح ليه بعض طلبات الخدمات بتتوافق عليها والتانية لأ — وكمان مكانش واضح أنهي شريحة عملاء هي اللي فعلاً بتحرك البيزنس. اشتغلت على بيانات ضخمة: 1,000 ملف، 5,000 موظف، أكتر من 96,000 معاملة بقيمة 26.4 ألف دولار، عبر 23 فئة و15 خدمة مختلفة. استخدمت Python وSQL في التنظيف والتحليل، وبنيت موديل Random Forest للتصنيف. أهم اكتشاف: مبلغ الخدمة وعمر العميل ورصيد الحساب هم اللي بيحددوا الموافقة أكتر من التاريخ الائتماني — وده كان مفاجأة. وكمان اكتشفت إن العملاء كبار السن هم الأكثر تفاعلاً، لكنهم الأقل استهدافاً بالتسويق. النتيجة: حولت عملية موافقة غامضة لموديل شفاف وقابل للتفسير — وفتحت الباب لحملات تسويقية تستهدف الشريحة الأعلى تحويلاً. المشروع ده عليه Demo تفاعلي شغال.
مهارات العمل
بطاقة العمل
طلب عمل مماثل
