Fleet Management

مشروع إدارة الأسطول، حيث استثمرت تحليل البيانات لاكتشاف رؤى مؤثرة تعزز الكفاءة التشغيلية.

البداية: استكشاف البيانات

بدأت هذا المشروع من خلال التعمق في بياناتنا، وتحديد مؤشرات الأداء الرئيسية (KPIs) المهمة مثل:

- الإيرادات

- تكاليف الصيانة

- التكاليف الثابتة

- تكلفة الوقود

- قيمة البضائع

- عدد الطلبات

- عدد العملاء

- إجمالي الكيلومترات المقطوعة

- كفاءة الوقود

- كفاءة الشاحنات

- كفاءة السائقين

- النتائج المالية

- المسافات المقطوعة

- متوسط سعر الشاحنة (ATP)

- نسبة هامش الربح الإجمالي (GM%)

تصميم نموذج لوحة التحكم

قمت بتحويل هذه الرؤى إلى نموذج أولي للوحة تحكم باستخدام Sketch.

الخطوات التالية: تحويل البيانات وتحليلها

نبدأ الآن عملية ETL باستخدام Power Query، ونقوم بإعداد علاقات نماذج البيانات، وإجراء حسابات DAX للوصول إلى رؤى أعمق.

دمج لوحة التحكم الديناميكية

من خلال دمج جميع هذه المكونات، قمت ببناء لوحة تحكم ديناميكية وتفاعلية تبرز الاتجاهات المهمة.

الرؤى والملاحظات الرئيسية

اتجاهات الإيرادات الموسمية: في يناير من كلا العامين، لوحظ انخفاض مقلق في الإيرادات وقيمة البضائع، ولكن شهد فبراير انتعاشًا مشجعًا.

- تحديات ربع سنوية: حدد التحليل مشكلات تشغيلية في أبريل، مايو، يونيو، وأغسطس 2018، لكننا نجحنا في تجاوزها وزيادة الإيرادات.

- رؤى المدن: تصدرت مدينة "مينولا" الإيرادات في عام 2018، لكنها للأسف تراجعت إلى المركز السابع في 2019، وهي منطقة تحتاج إلى اهتمام استراتيجي.

- تحليل كفاءة التكاليف: أظهرت النتائج أن شاحنة "Box Truck" هي الأقل تكلفة بشكل عام، بينما احتلت شاحنة "Trailer Truck" المركز الثاني. ومع ذلك، بالنسبة للرحلات الطويلة، أوصي باستخدام شاحنة "Trailer Truck" لأنها قطعت 614 ألف كيلومتر مقارنة بـ 256 ألف كيلومتر لشاحنة "Box Truck"، مع اختلاف طفيف في التكاليف.

اطلع على المشروع الكامل على GitHub