مشروع تحليل انسحاب العملاء (Customer Churn Analysis) باستخدام Python (EDA)

خطوات العمل: تنظيف البيانات (حذف القيم المكررة ومعالجة القيم المفقودة) تحويل أنواع البيانات وتجهيز الأعمدة الرقمية للتحليل تحليل التوزيع باستخدام Histogram و Boxplot تحليل المتغيرات الفئوية باستخدام Count Plot دراسة العلاقات بين المتغيرات باستخدام Scatter Plot إنشاء Correlation Heatmap لفهم قوة العلاقة بين المتغيرات الرقمية أهم النتائج: العملاء الجدد (tenure منخفض) أكثر عرضة للانسحاب. ارتفاع قيمة الاشتراك الشهري يرتبط بزيادة احتمالية الـ Churn. توجد علاقة طردية قوية بين مدة الاشتراك وإجمالي المدفوعات (منطقية من ناحية بيزنس). نوع العقد يلعب دورًا مهمًا في الاحتفاظ بالعملاء. الأدوات المستخدمة: Python | Pandas | NumPy | Matplotlib | Seaborn المشروع ساعدني على: تحويل البيانات الخام إلى Insights قابلة لاتخاذ القرار ربط التحليل الإحصائي بالجانب البيزنس تجهيز البيانات للمرحلة التالية: بناء نموذج تنبؤي لتوقع العملاء المعرضين للانسحاب