Počet záznamov: 1
Exploratívna analýza odchodovosti zákazníkov: Využitie vizualizačných nástrojov v Pythone
Názov Exploratívna analýza odchodovosti zákazníkov: Využitie vizualizačných nástrojov v Pythone Súbežný názov Exploratory Analysis of Customer Churn: Utilizing Visualization Tools Available for Python Autorské údaje Michal Bogár Autor Bogár Michal EUBFHIKOV - Katedra operačného výskumu a ekonometrie FHI Zdrojový dokument Ekonomika a informatika : vedecký časopis FHI EU v Bratislave a SSHI. Roč. 22, č. 2 (2024), s. 4-17. - Bratislava : Ekonomická univerzita v Bratislave, 2024. ISSN 1339-987X Poznámky VEGA 1/0047/23 Druh dokumentu rozpis článkov z periodík Jazyk dokumentu angličtina Krajina vydania Slovenská republika Heslá analýzy * zákazníci * predvídanie Anotácia Exploratívna dátová analýza sa ukázala byť dôležitým nástrojom pri snahe lepšie pochopiť odchodovosť zákazníkov telekomunikačného operátora, a to skúmaním údajov o viac ako 7000 zákazníkoch, pričom boli využité nástroje z ekosystému Python, najmä Jupyter Lab, spolu s knižnicami ako pandas, NumPy, Seaborn a Plotly. Tento článok vychádza z myšlienok, ktoré koncipoval John Tukey, a zdôrazňuje význam vizualizácie údajov na odhalenie skrytých vzorov a vzťahov v dátach, ktoré ovplyvňujú správanie zákazníkov. Postupnou analýzou rôznych zákazníckych atribútov, od tých demografických, až po premenné, ktoré popisujú ich predplatené služby sme identifikovali trendy vedúce k odchodovosti, vrátane výrazného vplyvu dĺžky viazanosti, rodinného stavu zákazníka a citlivosti na cenu produktov. Získané výsledky poukazujú na to, že zákazníci so zmluvami bez viazanosti a zákazníci bez partnerov alebo detí sú náchylnejší prerušiť zmluvu. Vytvorené interaktívne grafy poskytujú nielen intuitívne prehľady, ale pomáhajú aj pri hlbšom skúmaní dát, čím vytvárajú solídny základ pre prediktívne modelovanie. Táto analýza zdôrazňuje dôležitosť exploratívnej analýzy pri formulovaní účinných retenčných stratégií na udržanie zákazníkov a ponúka možnosti na pokračovanie vo výskume využívajúc pokročilé analytické techniky, ako sú strojové učenie a kohortová analýza, na predikovanie odchodovosti. Kategória EPC Vedecké práce v domácich nekarentovaných časopisoch Báza dát PUBLIKAČNÁ ČINNOSŤ Archív EPC E24 00496-005, kópia plného textu Odkazy PERIODIKÁ-Súborný záznam periodika Čísla 2024: 2
Názov súboru Veľkosť Typ prístupu PDF zabezpečené 1.3 MB dostupné po prihlásení 
článok
Počet záznamov: 1