Pizza Sales Analysis

وصف العمل: Pizza Sales Dashboard

قمت بتصميم لوحة بيانات تفاعلية متقدمة لتحليل مبيعات البيتزا، بهدف مساعدة أصحاب القرار على فهم الأداء البيعي، واكتشاف الأنماط المهمة التي تؤثر على الطلبات والإيرادات.

? خطوات العمل:

تحليل البيانات من المصدر باستخدام SQL لاستخراج مؤشرات الأداء والمقاييس الأساسية.

تحميل النتائج وتنظيف البيانات باستخدام Power BI.

تصميم لوحة تفاعلية غنية بالمؤشرات والرسوم البيانية.

مكونات ومميزات اللوحة:

مؤشرات الأداء الرئيسية (KPIs):

Total Revenue: $817,860

Avg Order Value: $38.31

Total Pizzas Sold: 49,574

Total Orders: 21,350

Avg Pizzas per Order: 2.32

تحليلات زمنية:

حسب اليوم (Daily Trend): أعلى الطلبات يوم الجمعة.

حسب الساعة (Hourly Trend): ذروة الطلب بين 12-1 ظهرًا و5-8 مساءً.

تحليلات حسب الفئة والحجم:

فئة Chicken تساهم بأعلى الإيرادات.

الحجم Large يمثل أعلى نسبة مبيعات (45.89%).

أفضل وأسوأ المنتجات مبيعًا:

الأفضل: Classic Deluxe, Barbecue Chicken

الأسوأ: Mediterranean, Brie Carre

Slicer زمني للتصفية حسب الأشهر (من مايو إلى أكتوبر 2015).

الاستعلامات المستخدمة (SQL Highlights):

قمت باستخدام استعلامات SQL لتحليل البيانات من قاعدة البيانات pizza_sales، ومن أهم الاستعلامات:

Total Revenue:

SELECT SUM(total_price) AS Total_Revenue FROM pizza_sales

Avg Order Value:

SELECT ROUND(SUM(total_price) / COUNT(DISTINCT order_id), 2) AS AVG_Order_Value FROM pizza_sales

Daily Orders Trend:

SELECT DATENAME(DW, order_date) AS Order_Day, COUNT(DISTINCT order_id) AS Total_Orders

FROM pizza_sales GROUP BY DATENAME(DW, order_date)

Top 5 Best Sellers:

SELECT TOP(5) pizza_name, SUM(quantity) AS Total_Pizza_Sold

FROM pizza_sales GROUP BY pizza_name ORDER BY SUM(quantity) DESC

وغيرها من الاستعلامات المتعلقة بالفئات، الأحجام، وأسوأ المنتجات مبيعًا.

️ الأدوات المستخدمة:

SQL Server

Power BI Desktop

DAX

رسوم بيانية مخصصة (Pie, Bar, Line)

Slicers وFilters تفاعلية

الهدف من المشروع:

تمكين أصحاب القرار من:

معرفة سلوك العملاء حسب الوقت واليوم.

تحديد المنتجات الرائجة والراكدة.

تحليل الأداء البيعي بناءً على الحجم والفئة