Customer Churn Prediction

قمت بتنفيذ مشروع متكامل للتنبؤ بانسحاب العملاء (Customer Churn Prediction) بهدف مساعدة الشركات على تحديد العملاء المعرضين لترك الخدمة واتخاذ قرارات مبنية على البيانات للحفاظ عليهم. بدأت بفهم البيانات وتحليل خصائص العملاء مثل مدة الاشتراك، نوع الخدمة، قيمة الفاتورة الشهرية، إجمالي المدفوعات، وطبيعة استخدام العميل. ثم قمت بتنظيف البيانات ومعالجة القيم المفقودة والتأكد من صحة أنواع البيانات، بالإضافة إلى تحويل المتغيرات الفئوية إلى متغيرات رقمية وتطبيق Feature Scaling لتحسين أداء النماذج. بعد ذلك أجريت تحليل بيانات استكشافي (EDA) لاكتشاف الأنماط والعوامل التي تؤثر على انسحاب العملاء، مع استخدام الرسوم البيانية لاستخراج Insights واضحة تساعد في فهم سلوك العملاء. انتقلت بعد ذلك إلى مرحلة هندسة الخصائص واختيار أهم المتغيرات المؤثرة على التنبؤ، ثم قمت ببناء عدة نماذج تصنيف مثل Logistic Regression و Random Forest لمقارنة الأداء واختيار النموذج الأفضل. استخدمت مقاييس تقييم متعددة مثل Accuracy و Precision و Recall و F1-Score و Confusion Matrix مع التركيز على تقليل فقدان العملاء الحقيقيين (False Negatives). كما قمت ببناء Machine Learning Pipeline متكاملة تشمل مراحل المعالجة والتدريب والتقييم، مما يسهل إعادة استخدام النموذج وتطبيقه على بيانات جديدة. وفي النهاية استخدمت تقنيات تحسين الأداء مثل Cross Validation و Hyperparameter Tuning للوصول إلى أفضل دقة ممكنة وتحسين قدرة النموذج على التعميم. المشروع يعكس قدرتي على تحليل بيانات العملاء، بناء نماذج تنبؤية فعالة، واستخراج Insights عملية تساعد الشركات على تقليل معدل انسحاب العملاء وزيادة الاحتفاظ بهم.