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:

1. Подготовка и предобработка данных: Импорт библиотек, формирование датафрейма с действующими тарифами, обработка сырых данных.
2. Анализ данных: Определение неиспользуемых номеров, выбор оптимального тарифа, анализ необходимости подключения пакетов для совершения международных звонков, анализ в разрезе одного пользователя.
3. 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:

1. Клонируйте репозиторий с помощью git clone https://github.com/51n1au5k1/A1-CORP.
2. Разместите файлы детализации в папку RAW.
3. Поместите список пользователей (выгруженный из ЛК) в корневую папку проекта.
4. Установите необходимые зависимости через pip install -r requirements.txt.
5. 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.