Negara atau wilayah dan bahasa

    Pilih negara atau wilayah dan bahasa Anda.

    Disarankan untuk Anda

      Semua negara dan wilayah

        Pilih karakter Anda

        Karakter ini tampil di bilah atas dan di profil Anda. Ubah kapan saja.

        Proyek/Pennant

        Siapa yang berhenti berlangganan dalam 90 hari pertama?

        Pennant kehilangan terlalu banyak pelanggan dalam tiga bulan pertama mereka. Buat tabel churn tanpa mengintip masa depan, cari tahu siapa yang pergi, latih model pertama, dan rencanakan apa yang sebaiknya dicoba tim retensi.

        ProyekPennant · perusahaan fiktif2 h 50 min4 tahapData dan analitik

        Satu brief, 3 toolTabel Anda berpindah dari SQL ke pandas lalu ke notebook scikit-learn. Anda menutup dengan rencana retensi.

        Pennant

        Aplikasi kebugaran

        Tentang perusahaan

        Aplikasi kebugaran dengan latihan terpandu, dijual sebagai langganan bulanan atau tahunan di Inggris Raya.

        Pennant menyediakan latihan terpandu dan program latihan yang bisa diikuti orang di rumah atau di gym. Pelanggan membayar per bulan atau setahun di muka, dan mereka mendaftar lewat toko aplikasi, rekomendasi teman, atau iklan berbayar di media sosial. Mereka tersebar di seluruh Inggris Raya, termasuk London, Midlands, Skotlandia, dan Wales. Sekitar satu dari empat pelanggan bulanan baru berhenti berlangganan dalam tiga bulan. Anda bekerja di tim data bersama dua grup: retensi, yang berusaha agar pelanggan baru tetap berlatih, dan produk, yang menjalankan pengujian di checkout.

        Selengkapnya di Pennant

        Didirikan
        2019
        Kantor pusat
        Manchester, Inggris Raya
        Paket
        Bulanan atau tahunan
        Karyawan
        Sekitar 70

        Siapa yang menulis brief

        • Hannah OkoroKepala Retensi
        • Tom AshbyKepala Produk

        Perusahaan fiktif, dibuat untuk latihan. Kenali perusahaan lainnya

        Brief

        Dari
        Hannah OkoroKepala Retensi
        Kepada
        Tim data
        Subjek
        Pembatalan dini

        Sekitar satu dari empat pelanggan bulanan baru berhenti berlangganan dalam tiga bulan, dan tim retensi memiliki anggaran untuk satu intervensi kuartal depan: panggilan onboarding, diskon, atau program latihan di dalam aplikasi. Saya ingin tahu siapa yang paling mungkin pergi lebih awal dan apakah kita bisa mengenalinya pada bulan pertama mereka, selagi masih ada waktu untuk membantu.

        Anda memiliki setiap pelanggan yang bergabung antara April dan Oktober, jumlah latihan mingguan mereka, dan tanggal pembatalan bagi siapa pun yang berhenti. Data diambil per 31 Oktober, jadi orang yang baru bergabung belum mencapai 90 hari.

        Hasil akhir yang diharapkan: satu baris per pelanggan berisi apa yang kita ketahui pada 28 hari pertama mereka dan apakah mereka pergi dalam 90 hari, tingkat churn per paket dan aktivitas awal, model pertama yang diuji pada pendaftaran yang lebih baru, dan rencana untuk tim retensi.

        • Data: 260 pelanggan, latihan mingguan dan pembatalan mereka, April sampai Oktober 2026.
        • Anda menyerahkan tabel churn, tingkat churn berdasarkan aktivitas, model yang sudah diuji, dan rencana retensi.
        • Pemeriksaan mencakup pelanggan yang terlalu baru untuk diukur, aktivitas setelah hari ke-28, dan pembagian data uji berdasarkan tanggal.

        Jalur proyek

        1. 1
          SQL45 min

          Buat satu baris per pelanggan

          Satu baris per pelanggan dengan aktivitas bulan pertamanya dan apakah pelanggan itu berhenti berlangganan dalam 90 hari, tanpa menyertakan siapa pun yang terlalu baru untuk diketahui.

          Membaca
          subscribers · workouts
          Menghasilkan
          churn_features

          pandas membaca tabel churn.

          Buka tahapOne Course di SQL atau All Access
        2. 2
          pandas35 min

          Churn berdasarkan aktivitas awal

          Kelompokkan pelanggan ke dalam rentang menurut seberapa banyak mereka berlatih pada empat minggu pertama dan bandingkan churn per paket.

          Membaca
          churn_features
          Menghasilkan
          churn_by_band

          Rencana Anda mengutip tingkat churn.

          Buka tahapOne Course di pandas atau All Access
        3. 3
          Machine learning45 min

          Latih model churn pertama

          Latih regresi logistik pada pendaftaran yang lebih awal, lalu ukur kinerjanya pada pendaftaran yang lebih baru.

          Membaca
          churn_features
          Menghasilkan

          Rencana Anda menyatakan sejauh mana model dapat dipercaya.

          Buka tahapOne Course di Machine learning atau All Access
        4. 4
          Laporan25 min

          Tulis rencana retensi

          Jelaskan siapa yang pergi, seberapa awal Anda bisa mengetahuinya, intervensi mana yang dicoba lebih dulu, dan cara mengukurnya.

          Membaca
          churn_by_band
          Menghasilkan
          retention_plan.md

          Opsional: presentasikan di Interview Hub.

          Buka tahapAll Access

        Setiap tahap menyertakan input referensi. Memulai dari tengah atau menggunakannya tidak menyelesaikan tahap sebelumnya.

        Proyek akses

        Gratis

        $0

        Baca semua brief dan jalur. Tahap dengan tool dan pekerjaan tertulis terkunci.

        Terus menjelajah

        One Course

        $17.99/month

        Latih tahap-tahap di tool yang Anda pilih. Tabel referensi memungkinkan Anda memulai di tahap itu.

        All Access

        $29.99/month

        Semua tahap di semua format, ditambah presentasi lisan opsional yang menggunakan dumbel.

        Your Work Gym account

        Save your progress and pick up on another device. Your browser's progress comes with you.

        or

        You can keep practicing without an account.

        Bantuan dan masukan

        Ajukan pertanyaan, beri tahu kami apa yang tidak berfungsi, atau bagikan ide. Kami membalas lewat email.

        Tentang apa?

        Kami hanya menggunakannya untuk membalas Anda.