تصور البيانات (data visualization)

بعد الانتهاء من المرحلة الأولى وهى عملية تنظيف البيانات ، نبدأ مرحلة تصور البيانات لنكتشف العلاقات بين المتغيرات ونفهم الأنماط والاتجاهات الغير واضحة بإستخدام الأرقام لوحدها . في هذه المرحلة بنستخدم مكتبات Python مثل Matplotlib و Seaborn أو برامج مثل Power BI .

اختيار نوع الرسم البيانى بيعتمد على طبيعة البيانات والهدف من التحليل :

•لعرض العلاقة بين عمودين عدديين (Numerical) مثل "Age" , "Purchase Amount (USD)" أفضل اختيار هو مخطط الإنتشار (Scatter Plot) لمعرفة هل توجد علاقة مثلاً بين العمر ومعدلات الإنفاق؟ .

•لعرض مقارنة بين عمود تصنيفى (Categorical) وعمود عددى (Numerical) مثل "Category" , "Purchase Amount (USD)" بنستخدم مخطط الأعمدة (Bar Chart) لتحديد أى فئة تحقق أكبر نسبة من المبيعات مثل (Footwear) على سبيل المثال .

•لعرض النسب أو الأجزاء من الكل (Proportions) مثل نسبة العملاء فى كل مدينة لتحديد أى المدن بها العدد الأكبر من العملاء أو لتحديد أى المواسم يشمل عمليات بيع أكثر بنستخدم المخطط الدائرى (Pie Chart) .

•لعرض العلاقة بين عمودين تصنيفيين (Categorical) مثل "Location" , "Payment Method" أفضل اختيار هو الخريطة الحرارية (Heatmap) أو مخطط الأعمدة المركب (Stacked Bar Chart) لمعرفة هل طريقة دفع معينة شائعة أو منتشرة فى مكان معين .

•لعرض توزيع البيانات (Distribution) مثل توزيع "Review Rating" لكل "Gender" بنستخدم Box Plot أو Violin Plot لمقارنة توزيع التقييمات بين الذكور والإناث على سبيل المثال .

الهدف من التصور هو تحويل الأرقام إلى رؤية بصرية منظمة وواضحة تساعد على الفهم السريع واتخاذ قرارات أدق مبنية على تحليل حقيقى وعملى.