Online Retail Data Pipeline, Quality Audit and Customer Segmentation

# Project 02 — Data Engineering and Data Science Demonstration

## English description

**Title:** Online Retail Data Pipeline, Quality Audit and Customer Segmentation

This reproducible project turns the public UCI Online Retail dataset into documented analytical outputs. The pipeline processes 541,909 raw records, applies transparent quality rules, retains 397,884 clean transaction rows, produces daily and monthly metrics, creates RFM customer segments, and evaluates a 30-day baseline forecast. The baseline’s MAE is 16,070.42 and MAPE is 30.6%; it is explicitly a portfolio validation exercise, not a production forecast.

The project includes the Python pipeline, quality-audit outputs, metrics tables, architecture diagram, figures and a structured PDF report. The public data source, transformation decisions and limitations are documented so a reviewer can inspect and reproduce the work.

**Skills demonstrated:** Python, data cleaning, quality rules, pipeline design, analytics, RFM segmentation, baseline validation, charts, technical documentation and reproducible delivery.

**Included files:** structured PDF report, pipeline source code, architecture diagram, quality-audit and metrics outputs, five evidence figures, README and verification notes. The source dataset is public and linked in the README; it is not bundled to keep the archive focused.

## الوصف العربي

**العنوان:** خط أنابيب بيانات تجارة إلكترونية وتدقيق جودة وتقسيم عملاء

يحوّل هذا المشروع القابل لإعادة التنفيذ بيانات **Online Retail** العامة من UCI إلى مخرجات تحليلية موثقة. يعالج خط الأنابيب 541,909 سجلًا خامًا، ويطبق قواعد جودة شفافة، ويحتفظ بـ 397,884 صفًا نظيفًا للمعاملات، وينتج مؤشرات يومية وشهرية، ويُنشئ شرائح عملاء بطريقة RFM، ويقيّم نموذجًا أساسيًا لتنبؤ مدته 30 يومًا. بلغ MAE للنموذج 16,070.42 وMAPE نسبة 30.6%؛ وهو تمرين تحقق للملف المهني وليس توقعًا إنتاجيًا.

يتضمن المشروع خط أنابيب Python، ومخرجات تدقيق الجودة، وجداول المؤشرات، ومخطط البنية، والرسوم، وتقرير PDF منظم. تم توثيق مصدر البيانات العام وقرارات التحويل والحدود حتى يتمكن المراجع من فحص العمل وإعادة تنفيذه.

**المهارات المعروضة:** Python، تنظيف البيانات، قواعد الجودة، تصميم خطوط الأنابيب، التحليلات، تقسيم RFM، التحقق من نموذج أساسي، الرسوم البيانية، التوثيق التقني، وتسليم قابل لإعادة التنفيذ.

**محتويات الملف:** تقرير PDF منظم، كود خط الأنابيب، مخطط بنية، مخرجات تدقيق الجودة والمؤشرات، خمس رسومات كدليل، README، وملاحظات التحقق. مصدر البيانات عام ومربوط في README ولا يُضمّن في الأرشيف للحفاظ على حجمه.