Churn Analysis

https://github.com/Sina-Khan/Churn-Analysis

 Die Analyse von churn-bezogenen Datensätzen in Python und die Visualisierung in Power BI bieten eine umfassende Sicht auf das Kundenverhalten und die Kundenbindung. In Python können Sie die Daten aus den Tabellen Churn_Fact, Customer_Dim, Date_Dim, Product_Dim und Location_Dim bearbeiten und bereinigen, um Muster und Trends zu entdecken. Durch die Berechnung von Kennzahlen wie Churn-Raten und Kunden-Segmentierungen erhalten Sie umsetzbare Einblicke in die Faktoren, die die Abwanderung beeinflussen. Power BI verbessert diese Analyse durch die Erstellung interaktiver Dashboards. Beispielsweise können Sie die Churn-Raten nach Produkt oder Standort visualisieren, die Auswirkungen der Kundenbindung auf die Abwanderung analysieren und die Altersgruppenverteilung durch intuitive Diagramme und Karten erkunden. Diese Kombination aus den analytischen Möglichkeiten von Python und den Visualisierungstools von Power BI ermöglicht ein detailliertes Verständnis der Churn-Dynamik und unterstützt datenbasierte Entscheidungen zur Verbesserung der Kundenbindungsstrategien.

Dashboard

Star Schema Model