Analiza in klasifikacija odhoda strank v telekomunikacijskih storitvah (9-10)

Analiza in klasifikacija churn-a v telekomunikacijskih storitvah

Kontekst

Churn strank predstavlja njihovo prostovoljno odpoved storitev telekomunikacijskega operaterja. Razumevanje dejavnikov, ki vplivajo na churn, je ključno za razvoj strategij zadrževanja in za optimizacijo ponudb in storitev.

Umetna inteligenca omogoča kompleksno analizo podatkov o strankah za:

• identifikacijo strank z visokim tveganjem za odpoved
• segmentacijo strank glede na vedenje in porabo
• ocenjevanje vpliva različnih ponudb in značilnosti na odločitev za churn

Za reševanje te naloge boste imeli na voljo dve datoteki:

• train.csv – vsebuje vse spremenljivke, vključno z Churn, za učenje modelov
• test.csv – vsebuje iste spremenljivke, brez stolpca Churn, in podatki iz te datoteke se uporabljajo za generiranje napovedi

Opis nabora podatkov

Zahteve

Za to nalogo morate rešiti 3 naloge.

Naloga 1 – Poenostavljena ocena finančnega tveganja (20 točk)

Izračunajte za vsako stranko iz testnega nabora poenostavljeno oceno finančnega tveganja na podlagi vrednosti Monthly Charge in Total Extra Data Charges.

• Formula:

1FinancialRiskScore = (Monthly Charge > 70) + (Total Extra Data Charges > 10)

Vsaka komponenta doda 1 točko k oceni, če:

• Monthly Charge > 70: povečano tveganje za churn zaradi mesečnih stroškov
• Total Extra Data Charges > 10: dodatno tveganje zaradi dodatnih stroškov

Končna ocena je med 0 in 2.

Naloga 2 – Ocena povezljivosti in storitev (20 točk)

Izračunajte za vsako stranko iz testnega nabora oceno, ki odraža kakovost storitev na podlagi stolpcev Avg Speed, Ping Score in Link Quality Index.

• Formula:

1ServiceQualityScore = (Avg Speed < 50) + (Ping Score > 80) + (Link Quality Index < 30)

Vsaka komponenta prispeva 1 točko k oceni.
Končna ocena je med 0 (dobra izkušnja) in 3 (slaba izkušnja).

Natančneje, če je izpolnjen prvi pogoj (Avg Speed < 50) se doda 1 točka. Enako velja za ostale.

Naloga 3 – Klasifikacija churn-a (60 točk)

Zgradite klasifikacijski model, ki bo napovedal Churn (0 = aktivna stranka, 1 = stranka, ki je odpovedala) na podlagi vseh razpoložljivih informacij v train.csv.

• Lahko uporabite vse razpoložljive stolpce ali pa izberete najrelevantnejši podnabor za model.
• Napovedi za vsako stranko iz test.csv morajo biti 0 ali 1.
• Answer v datoteki za oddajo bo 0 ali 1 za vsako stranko.

Format datoteke za oddajo

Datoteka submission.csv mora vsebovati:

• id - ID prevzet iz test.csv (stolpec SampleID)
• subtaskID
  • 1 za Nalogo 1
  • 2 za Nalogo 2
  • 3 za Nalogo 3
• answer - izračunana ali napovedana vrednost za stranko pri označeni nalogi

Ocenjevanje

• Naloga 1 in Naloga 2: natančno ocenjevanje (primerjava s pravilnimi odgovori)
• Naloga 3: za ocenjevanje te naloge se uporablja metrika AUC

Za Nalogo 3 se točke dodelijo glede na naslednja pravila:

• AUC ≥ 0.85 → 60 točk
• AUC ≤ 0.70 → 0 točk
• Interval med njima: sorazmerno točkovanje