Uber Data Analytics Dashboard

في هذا المشروع، قمتُ بتحليل بيانات رحلات Uber عبر Dashboard تفاعلي باستخدام Excel/Python ، بهدف استكشاف الأنماط في بيانات التنقل، فهم عوامل الطلب، وتحسين تجربة المستخدم.

- ما يحتويه المشروع:

بيانات رحلات Uber تشمل العديد من المتغيرات مثل: الوقت (ساعات اليوم، اليوم من الأسبوع)، الموقع الجغرافي، مستويات الطلب، عدد الرحلات، متوسط الأجرة، وتوزيع الرحلات حسب الفئة الزمنية والمناطق.

تحليل زمني (Time Series) يُظهر أداء الرحلات حسب الساعة واليوم والشهر.

تحليلات جغرافية ومكانية لتحديد المناطق ذات الكثافة العالية للطلب مقارنةً بالمناطق ذات الطلب المنخفض.

- مراحل العمل:

استيراد البيانات وتنظيفها

تحميل مجموعة البيانات من Kaggle، ومعالجة القيم المفقودة.

توحيد تنسيقات التاريخ والوقت.

تنسيق الأعمدة المهمة (Time, Day, Region, Fare).

تحليل استقصائي (Exploratory Data Analysis):

تحليل بعدد الرحلات حسب الساعة واليوم.

تحليل متوسط الأجرة حسب المنطقة والفترة الزمنية.

تحديد الاتجاهات الموسمية والبيئات الزمنية ذات الذروة.

بناء Dashboard تفاعلي:

مؤشرات أداء رئيسية (KPIs)، مثل: إجمالي عدد الرحلات، متوسط الأجرة، أعلى المناطق طلبًا.

مخططات خطية تُظهر تغيرات الطلب مع الوقت، مخططات أعمدة أو شريطية لتوزيع الرحلات حسب الفئات الزمنية والمناطق.

خريطة حرارية Heatmap أو Map View لتصور كثافة الطلب حسب المناطق الجغرافية.

فلاتر تفاعلية (Slicers) تمكن المشاهد من اختيار أي يوم أو فترة زمنية أو منطقة لعرض البيانات ذات الصلة.

- المزايا التي يقدمها المشروع:

رؤية واضحة ودقيقة لاتجاهات طلب رحلات Uber مما يساعد على اتخاذ قرارات تشغيلية وتسويقية.

تفاعل ومرونة في عرض البيانات عبر الفلاتر والتصفية حسب الأوقات والمناطق.

استخدام بيانات حقيقية كبيرة مما يعزز المصداقية والعمق في التحليل.