تحليل مبيعات Amazon

يهدف المشروع إلى تقديم رؤى قابلة للتنفيذ حول بيانات مبيعات أمازون من خلال تحليل استكشافي للبيانات، نمذجة تنبؤية، وتصورات تفاعلية. الخطوات المتبعة تشمل معالجة البيانات، تحسين واختيار الميزات المهمة، اختيار وتقييم النماذج التنبؤية، وأخيرًا تطوير لوحة تحكم تفاعلية لعرض البيانات بطريقة سهلة للمستخدم.

الخطوات والأساليب

معالجة البيانات

تحميل البيانات: تحميل البيانات الأولية في إطار بيانات باستخدام مكتبة Pandas.

معالجة القيم المفقودة: التعامل مع القيم المفقودة في أعمدة مثل "العملة" و"المبلغ".

تنظيف البيانات: تحويل أنواع البيانات، التعامل مع القيم المتطرفة، وضمان تنسيق البيانات بشكل متناسق.

هندسة الميزات: إنشاء ميزات جديدة أو تعديل الميزات الموجودة بناءً على المعرفة الميدانية.

ترميز الفئات: ترميز المتغيرات الفئوية باستخدام تقنيات مثل Label Encoder.

التحليل الاستكشافي للبيانات (EDA)

الإحصاءات الوصفية: حساب إحصائيات ملخصة لفهم توزيعات البيانات.

التصورات: إنشاء رسوم بيانية مثل المدرجات التكرارية والمخططات الصندوقية لاستكشاف العلاقات وتحديد الأنماط.

الرؤى: استخلاص رؤى قابلة للتنفيذ من التحليل الاستكشافي لتوجيه التحليل والنمذجة المستقبلية.

النمذجة التنبؤية

اختيار النموذج: اختيار نماذج تعلم الآلة المناسبة مثل أشجار القرار (Decision Trees).

تدريب النموذج: تدريب النماذج على البيانات المعالجة باستخدام مكتبة Scikit-learn.

تقييم النموذج: تقييم النماذج باستخدام مقاييس مثل الدقة، الاستدعاء، والدقة الإيجابية.

التحقق المتقاطع: تنفيذ التحقق المتقاطع باستخدام تقنية k-fold لتقييم أداء النموذج وضمان تعميمه على البيانات غير المرئية.

تطوير لوحة التحكم

الأدوات: استخدام مكتبة Dash و Plotly لبناء لوحة تحكم تفاعلية عبر الويب.

المكونات: دمج الرسوم البيانية (الخطية والشريطية) التي تم إنشاؤها باستخدام مكتبات Matplotlib وSeaborn وPlotly في لوحة التحكم.

تفاعل المستخدم: إضافة فلاتر وقوائم منسدلة للسماح للمستخدمين بالتفاعل مع البيانات واستخلاص الرؤى بشكل ديناميكي.

بهذا الأسلوب، يمكن تقديم نظرة شاملة وواضحة لبيانات مبيعات أمازون مع استغلال القوة التنبؤية والتحليلية للأدوات المستخدمة.