objektif: Mengurangi churn dengan mengidentifikasi pelanggan yang berisiko tinggi untuk churn, lalu memberikan strategi untuk menjaga pelanggan
sumber data: data demografi pelanggan, pola penggunaan, catatan layanan, dll
Data Understanding
Mengambil data dari berbagai sumber
Eksplorasi data untuk mendapatkan data yang relevan (seperti penggunaan panggilan telepon, riwayat pembayaran, tenor, dll)
Analisa distribusi data dan korelasinya terhadap target, untuk memahami indikator apa yang potensial untuk mendeteksi churn
Data Preparation
Memilih data yang relevan berdasarkan hubungannya dengan data churn
Praproses data dengan mengatasi value yang hilang, outlier, dan data teks
Transformasi data untuk membentuk data baru dari tahap sebelumnya (misal membuat rata-rata pengeluaran tiap user)
Modeling
