cleaning and analysis by sql
تفاصيل العمل
في هذا المشروع، قمت بتنظيف وتحليل بيانات متجر إلكتروني باستخدام SQL Server بهدف تحسين جودة البيانات واستخراج رؤى مفيدة لدعم اتخاذ القرار في تحسين المبيعات، تحديد العملاء الأكثر قيمة، ومعرفة المنتجات الأكثر رواجًا، مما يساعد على وضع استراتيجيات تسويقية فعالة وزيادة الأرباح.
خطوات العمل:
1️⃣ تنظيف البيانات:
قمت بحذف الأعمدة غير الضرورية مثل customer_country لتبسيط البيانات وتحسين الأداء.
تعاملت مع القيم الفارغة في shipping_type باستخدام COALESCE لإعطائها قيمة "Not valid" لتجنب المشاكل أثناء التحليل.
قمت بتنسيق أسماء المدن باستخدام TRIM و UPPER لضمان التوحيد، مما يسهل التجميع والتحليل الصحيح.
2️⃣ تحليل البيانات:
بحثت عن العملاء المكررين لتحديد عدد العملاء الفعليين وتحليل سلوكهم الشرائي.
حسبت إجمالي المبيعات لكل مدينة لمعرفة المناطق الأكثر ربحية واستهدافها بحملات تسويقية مخصصة.
صنفت المنتجات حسب المبيعات إلى:
Best Seller (المنتجات الأكثر مبيعًا، يمكن الترويج لها أكثر).
Good Seller (منتجات متوسطة الأداء، يمكن تحسين استراتيجيات التسويق لها).
Not Best Seller (منتجات ضعيفة الأداء، يمكن إعادة تقييمها أو تقديم عروض عليها).
صنفت العملاء حسب حجم الشراء إلى:
VIP (أكثر من 1000$ مبيعات، يمكن تقديم عروض حصرية لهم للحفاظ عليهم).
Important Customer (بين 500$ - 1000$، يمكن استهدافهم بعروض تحفيزية لزيادة مشترياتهم).
Regular Customer (أقل من 500$، يمكن تشجيعهم على الشراء بعروض خاصة).
قمت بحساب:
إجمالي المبيعات لتقييم الأداء العام للمتجر.
عدد الطلبات الكلي لفهم معدل النشاط الشرائي.
متوسط المبيعات لكل طلب لتحديد قيمة الطلبات وتحسين استراتيجيات التسعير.
أعلى 5 عملاء من حيث المبيعات لاستهدافهم ببرامج ولاء مميزة.
أكثر 5 منتجات مبيعًا للتركيز عليها في الحملات التسويقية والعروض الترويجية.
النتائج والاستفادة:
تحسين جودة البيانات مما يجعل التحليل أكثر دقة وموثوقية.
فهم سلوك العملاء وتصنيفهم مما يساعد على تصميم استراتيجيات تسويق مستهدفة.
معرفة المنتجات الرائجة والأقل طلبًا لاتخاذ قرارات بشأن المخزون والعروض الترويجية.
تحديد المناطق الأكثر تحقيقًا للأرباح لتوجيه الحملات الإعلانية لها.
تحسين استراتيجية التسعير والتخفيضات بناءً على أنماط المبيعات.
التقنيات المستخدمة:
SQL Server لتنظيف البيانات وتحليلها.