Розробка інформаційної системи прогнозування відтоку клієнтів

Abstract

UA : Робота викладена на 86 сторінках друкованого тексту, містить 31 рисунок, 13 таблиць, 40 джерел, 1 додаток. Об’єкт дослідження – процеси прогнозування відтоку клієнтів у телекомунікаційній сфері. Мета роботи: розробка інформаційної системи для прогнозування відтоку клієнтів телекомунікаційної компанії на основі методів машинного навчання з використанням сучасних фреймворків. Методи дослідження: методи машинного навчання (RandomForest), аналіз даних, системне проєктування, тестування програмного забезпечення. Розроблено інформаційну систему прогнозування відтоку клієнтів, яка включає серверну частину (Flask), клієнтський інтерфейс (Streamlit) і модуль генерації тестових даних (Python). Використано набір даних TelcoCustomerChurn для навчання моделі RandomForest, яка забезпечує точність прогнозів 80-85%. Система дозволяє ідентифікувати клієнтів із високим ризиком відтоку, надавати рекомендації щодо їх утримання та візуалізувати результати. Практична цінність полягає в оптимізації стратегій утримання клієнтів, а теоретична – у систематизації підходів до прогнозування відтоку. Система адаптивна для телекомунікаційних компаній і може бути застосована в інших галузях.

EN : The work is presented on 86 pages of printed text, 31 figures, 13 tables, 40 references, 1 supplement. The object of the study is the processes of customer churn prediction in the telecommunications sector. The aim of the study is to develop an information system for predicting customer churn in a telecommunications company based on machine learning methods using modern frameworks. The research methods include machine learning techniques (such as Random Forest), data analysis, systems design, and software testing. An information system for customer churn prediction has been developed, comprising a server-side component (Flask), a client interface (Streamlit), and a test data generation module (Python). The TelcoCustomerChurn dataset was used to train the RandomForest model, achieving a prediction accuracy of 80-85%. The system enables identification of customers at high risk of churn, provides retention recommendations, and visualizes results. Its practical value lies in optimizing customer retention strategies, while its theoretical value is in systematizing churn prediction approaches. The system is adaptable for telecommunications companies and applicable to other industries.