Описание:
Проект предназначен для анализа данных о звонках, интернет-трафике, пользователях и тарифах мобильного оператора A1 для корпоративных клиентов. Основываясь на детализированных данных, доступных в Личном кабинете, проект предлагает оптимальные тарифы с указанием желательных опций для каждого абонента, а также проводит сегментацию абонентов по группам для выбора наиболее подходящего тарифа.
Основные возможности:
- Автоматическая загрузка и преобразование данных из файлов Excel.
- Расчет среднемесячного потребления минут и интернет-трафика для каждого пользователя.
- Определение оптимального тарифа и наиболее подходящей опции в рамках этого тарифа для каждого пользователя.
- Визуализация распределения пользователей по тарифам и статусам, а также распределения потребления минут и трафика.
- Сравнение расходов пользователей на текущих тарифах с расходами на оптимальных тарифах.
- Кластеризация пользователей для выявления типичных паттернов использования услуг и определение наиболее подходящих тарифных планов для различных сегментов пользователей.
Используемые технологии:
Язык программирования: Python. Основные библиотеки: pandas, numpy, matplotlib, seaborn, sklearn.
Структура проекта:
- Подготовка и предобработка данных: Импорт библиотек, формирование датафрейма с действующими тарифами, обработка сырых данных.
- Анализ данных: Определение неиспользуемых номеров, выбор оптимального тарифа, анализ необходимости подключения пакетов для совершения международных звонков, анализ в разрезе одного пользователя.
- Комплексный анализ поведения пользователей: Визуализации распределений, кластеризация пользователей, анализ средних значений признаков по кластерам.
Цель проекта:
- Оптимизация тарифных планов для абонентов на основе анализа их активности и потребностей.
- Оптимизация расходов на мобильную связь за счет предложения наиболее подходящих тарифов.
Как использовать:
- Клонируйте репозиторий с помощью
git clone https://github.com/51n1au5k1/A1-CORP. - Разместите файлы детализации в папку
RAW. - Поместите список пользователей (выгруженный из ЛК) в корневую папку проекта.
- Установите необходимые зависимости через
pip install -r requirements.txt. - Запустите Jupyter Notebook и выполните ячейки по порядку.
Примечание:
Проект содержит примеры тестовых данных для демонстрации функциональности. Перед использованием реальных данных рекомендуется удалить тестовые данные.