https://github.com/sermonzagoto/data_cleansing_in_telco

Data Cleansing in Python
https://github.com/sermonzagoto/data_cleansing_in_telco

data-analysis data-science machine-learning matplotlib-figures pandas-python seaborn-plots

Last synced: about 1 month ago
JSON representation

Data Cleansing in Python

• Host: GitHub
• URL: https://github.com/sermonzagoto/data_cleansing_in_telco
• Owner: sermonzagoto
• License: cc0-1.0
• Created: 2020-07-14T08:45:46.000Z (over 4 years ago)
• Default Branch: master
• Last Pushed: 2020-07-14T08:52:18.000Z (over 4 years ago)
• Last Synced: 2023-11-14T09:27:56.488Z (about 1 year ago)
• Topics: data-analysis, data-science, machine-learning, matplotlib-figures, pandas-python, seaborn-plots
• Language: Jupyter Notebook
• Homepage: https://github.com/sermonzagoto/Data_Cleansing_in_Telco
• Size: 110 KB
• Stars: 1
• Watchers: 0
• Forks: 1
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# Data Science in Telco: Data Cleansing

DQLab Telco merupakan perusahaan Telco yang sudah mempunyai banyak cabang tersebar dimana-mana. Sejak berdiri pada tahun 2019, DQLab Telco konsisten untuk memperhatikan customer experience nya sehingga tidak akan di tinggalkan pelanggan.

Walaupun baru berumur 1 tahun lebih sedikit, DQLab Telco sudah mempunyai banyak pelanggan yang beralih langganan ke kompetitior. Pihak management ingin mengurangi jumlah pelanggan yang beralih (churn) dengan menggunakan machine learning.

Oleh karena itu, tim Data Scientist dimimta untuk mempersiapkan data sekaligus membuat model prediksi yang tepat untuk menentukan pelanggan akan berhenti berlangganan (churn) atau tidak.

Pada project kali ini saya menyelesaikan module dari DQLab yaitu Data Science in Telco: Data Cleansing. 

Langkah-langkah yang saya lakukan untuk melakukan Data Cleansing pada Dataset yaitu :

1. Mencari ID pelanggan (Nomor telphone) yang valid

2. Mengatasi data-data yang masih kosong (Missing Values)

3. Mengatasi Nilai-Nilai Pencilan (Outlier) dari setiap Variable

4. Menstandarisasi Nilai dari Variable

Untuk mengunduh hasil project saya di folder ini, Anda dapat menjalankan perintah berikut di terminal Anda:

git clone https://github.com/sermonzagoto/Data_Cleansing_in_Telco.git

Atau meng-klik tombol hijau bertuliskan "Code" dan "Download ZIP" di bagian kanan atas halaman ini.

# ⚙️ Instalasi

Untuk menggunakan ekstensi **.ipynb** project saya, pastikan perangkat anda baik itu Laptop atau PC sudah terinstall jupyter notebook. Kebetulan saya menggunakan Google Collaboratory untuk mengerjakan project ini

# ⚖️ Lisensi

Karya ini sudah memiliki lisensi MIT License https://opensource.org/licenses/MIT. Untuk mengetahui lebih lanjut, silahkan kunjungi https://opensource.org/licenses/MIT