لوحة تحكم ذكية للتنبؤ بترك العملاء (Customer Churn) وتقييم المخاطر باستخدام Machine Learning & Power BI

لوحة تحكم ذكية للتنبؤ بترك العملاء (Customer Churn) وتقييم المخاطر باستخدام Machine Learning & Power BI لوحة تحكم ذكية للتنبؤ بترك العملاء (Customer Churn) وتقييم المخاطر باستخدام Machine Learning & Power BI لوحة تحكم ذكية للتنبؤ بترك العملاء (Customer Churn) وتقييم المخاطر باستخدام Machine Learning & Power BI
تفاصيل العمل

لوحة تحكم ذكية للتنبؤ بترك العملاء (Customer Churn) وتقييم المخاطر باستخدام Machine Learning & Power BI وصف العمل: مشروع متقدم يهدف إلى حل واحدة من أكبر مشكلات شركات الاتصالات وهي خسارة العملاء (Churn Rate). تم بناء واستخدام نموذج تعلم آلة (Machine Learning) للتنبؤ بالعملاء المحتمل مغادرتهم للشركة، ثم تصميم لوحة تحكم استراتيجية وتفاعلية بالكامل عبر Power BI لتحويل النتائج الإحصائية إلى رؤى تشغيلية ومالية قابلة للتطبيق الفوري لتقليل الخسائر. أبرز ما تم تنفيذه في المشروع: تقييم كفاءة نموذج تعلم الآلة (Model Performance): عرض مقاييس الأداء الخاصة بالموديل التنبؤي بدقة: (Accuracy: 79.03%، Precision: 60.00%، Recall: 63.00%، F1-Score: 61.00%). تحليل أهم العوامل المؤثرة على قرار العميل بالمغادرة (Top Factors Influencing Churn) مثل فترة التعاقد (Tenure)، نوع العقد، والمصاريف الشهرية. إدراج مصفوفة الارتباك (Confusion Matrix) لبيان أعداد العملاء المتوقع مغادرتهم الفعليين مقارنة بالنموذج. تحليل وتصنيف المخاطر (Customer Risk Segmentation): تصنيف العملاء حسب مستويات الخطورة (Low, Medium, High Risk)، حيث تم رصد أن 15.71% من العملاء يقعون في منطقة الخطورة العالية. دراسة سلوك الاحتفاظ بالعملاء عبر تحليل العلاقة بين فترة التعاقد (Tenure) والمصاريف الشهرية (Monthly Charges) في رسم بياني انتشاري (Scatter Plot). تحليل الإيرادات والمخاطر المالية (Risk & Revenue Analysis): حساب المؤشرات المالية بدقة: إجمالي الإيرادات ($3.26M)، ونسبة خسارة العملاء الحالية (Churn Rate: 26.58%). تحديد حجم الخسائر المالية الناتجة عن المغادرة (Total Lost Charges) بقيمة خطيرة تصل إلى ($570.8K). بناء مؤشر لقياس الإيرادات المعرضة للخطر والتي يمكن استعادتها (Recoverable Revenue At-Risk) بقيمة ($30.07K) لحصر العملاء الأكثر خطورة (45 عميلاً) في قوائم تفصيلية لاتخاذ إجراءات فورية للحفاظ عليهم. تصميم واجهة مستخدم احترافية (Custom UI/UX Navigation): إعداد قائمة انتقال جانبية سلسة وتفاعلية تتيح للمستخدم التنقل بين صفحات التقرير، مع إمكانية الفلترة الفورية بناءً على الجنس (Gender) أو أنواع العقود (Contract Types). الأدوات والتقنيات المستخدمة: Python (Machine Learning): لمعالجة البيانات وتدريب خوارزميات التصنيف (Classification Models) واستخراج مقاييس الأداء وتحديد العوامل المؤثرة. Power BI: لبناء وتصميم الداشبورد التفاعلية بالكامل، وتصميم واجهة المستخدم (UI/UX)، وصياغة مقاييس (DAX) لحساب المؤشرات المالية والنسب المئوية للمخاطر.

شارك
بطاقة العمل
تاريخ النشر
منذ 3 أسابيع
المشاهدات
39
المستقل
طلب عمل مماثل
شارك
مركز المساعدة