1. معرفی پروژه

این پروژه به تحلیل داده‌های مرتبط با مشتریان بانکی می‌پردازد تا دلایل اصلی ترک آن‌ها را شناسایی کند. داده‌ها بر اساس سند نیازمندی‌های کسب‌وکار ارائه شده و از یک داشبورد ساخته‌شده با ابزار Power BI برای نمایش و تحلیل بصری استفاده شده است.

---

---

2. هدف پروژه

هدف اصلی این پروژه عبارت است از:

• شناسایی عوامل تاثیرگذار بر ترک مشتریان.
• ارائه تحلیل‌های بصری که به تیم مدیریت بانک کمک می‌کند مشتریان را بهتر درک کرده و نرخ ترک را کاهش دهد.
• طراحی برنامه‌های وفاداری و کمپین‌های نگهداری مشتری بر اساس بینش‌های ارائه‌شده.

---

3. ویژگی‌های پروژه

1. تحلیل داده‌ها:

   • بررسی نمره اعتباری، جنسیت، سن، موقعیت جغرافیایی، موجودی حساب و سایر ویژگی‌ها برای شناسایی عوامل موثر بر ترک مشتری.
   • ارائه اطلاعات آماری و بینش‌های کلیدی از داده‌ها.

2. داشبورد Power BI:

   • طراحی داشبورد تعاملی با نمودارها و گراف‌های متنوع.
   • قابلیت فیلترگذاری بر اساس ویژگی‌هایی مانند محل جغرافیایی، جنسیت، سن و مدت عضویت در بانک.
   • نمایش مشتریانی که بیشترین احتمال ترک بانک را دارند.

3. خروجی قابل‌استفاده:

   • ارائه گزارش‌ها و توصیه‌های مبتنی بر داده برای تیم بازاریابی و مدیریت بانک.

---

**4. منابع داده **

منابع داده‌ای که در این پروژه استفاده شده‌اند، به شرح زیر هستند:

• ActiveCustomer: داده‌های مربوط به مشتریان فعال بانک.
• Bank_Churn: اطلاعات مربوط به مشتریانی که بانک را ترک کرده‌اند.
• CreditCard: داده‌های مرتبط با دارندگان کارت اعتباری.
• DimData:داده های مربوط به تقویم فارسی.
• CustomerInfo: اطلاعات عمومی مشتریان بانک.
• ExitCustomer: مشتریانی که بانک را ترک کرده‌اند.
• Gender: داده‌های جنسیتی مشتریان.
• Geography: داده‌های مربوط به موقعیت جغرافیایی مشتریان.

---

5. ویژگی‌های کلیدی داده‌ها

ویژگی‌های استفاده‌شده در تحلیل و داشبورد شامل موارد زیر است:

• CreditScore: نمره اعتباری مشتری که نشان‌دهنده احتمال ترک است.
  • دسته‌بندی: عالی، خیلی خوب، خوب، متوسط، ضعیف.
• Geography: محل جغرافیایی مشتری.
• Gender: جنسیت مشتری.
• Age: سن مشتری که معمولاً بر وفاداری تاثیر دارد.
• Tenure: مدت زمان عضویت در بانک.
• Balance: موجودی حساب.
• NumOfProducts: تعداد محصولات خریداری‌شده.
• HasCrCard: داشتن کارت اعتباری (1: بله، 0: خیر).
• IsActiveMember: فعال یا غیرفعال بودن مشتری.
• EstimatedSalary: حقوق تخمینی مشتری.
• Exited: آیا مشتری بانک را ترک کرده یا خیر (0: مانده، 1: ترک کرده).
• Bank DOJ: تاریخ پیوستن مشتری به بانک.

---

6. پیش‌نیازها و نحوه اجرای پروژه

الف) ابزارهای موردنیاز:

1. Power BI Desktop: برای اجرای داشبورد.
2. Microsoft Excel یا Google Sheets: برای مشاهده و آماده‌سازی داده‌های خام.

ب) مراحل اجرا:

1. اطمینان حاصل کنید که داده‌های لازم در قالب فایل CSV یا Excel در دسترس باشند.
2. فایل داشبورد Power BI با نام Bank_Churn_Analysis.pbix را باز کنید.
3. داده‌ها را به Power BI متصل کنید:
   • تنظیم اتصالات داده با استفاده از منابع ذکرشده.
4. اجرای داشبورد:
   • تحلیل و مشاهده بخش‌های مختلف داشبورد.
   • استفاده از فیلترها و گزارش‌های تعاملی برای تحلیل‌های جزئی‌تر.

---

7. خروجی‌های کلیدی

• بینش‌ها:

  • مشتریانی با نمره اعتباری پایین (300–579) و موجودی حساب کم بیشتر در معرض ترک هستند.
  • مشتریان جوان‌تر تمایل بیشتری به ترک بانک دارند.
  • مشتریان فعال و دارای کارت اعتباری احتمال کمتری برای ترک دارند.

• توصیه‌ها:

  • تمرکز بر مشتریان در دسته "ریسک بالا" برای طراحی برنامه‌های وفاداری.
  • ارائه خدمات ویژه به مشتریان جوان‌تر و کم‌درآمد.

---

10. پشتیبانی

اگر سوالی داشتید یا نیاز به کمک داشتید، لطفاً با من تماس بگیرید:

• ایمیل: omid.haqi@outlook.com
• لینکدین: امید حقی