داش بور لبراند بافلور بورجر

1️⃣ بداية القصة – استلام الداتا

في البداية تم تسليمي داتا خاصة بسلسلة مطاعم Buflo Burger،

الداتا كانت جاية من أكتر من مصدر (طلبات – عملاء – فروع – تقييمات)،

وكان الهدف الأساسي من العميل هو:

"عايز أفهم المبيعات، سلوك العملاء، وأداء الفروع علشان آخد قرارات أحسن"

2️⃣ طلبات العميل كمحلل بيانات (Business Questions)

بعد أول Meeting مع العميل، المتطلبات كانت كالتالي:

إجمالي المبيعات والطلبات

أداء كل فرع

أعلى وأقل الشهور مبيعًا

عدد العملاء الحقيقي

سلوك العملاء (بيطلبوا كل قد إيه؟ منين؟ إزاي؟)

هل في فروع محتاجة تحسين؟

هل في فرصة تزود الـ Repeat Orders؟

3️⃣ أول صدمة – استكشاف الداتا (EDA)

قبل أي تحليل، بدأت بمرحلة Exploratory Data Analysis

وهنا ظهرت أول المشاكل الشائعة ?

? المشكلة الأولى: عدد العملاء مش منطقي

لما جيت أحسب عدد العملاء:

مرة العدد طالع كبير

مرة أقل من المتوقع

❗ السبب؟

نفس العميل بيطلب من أكتر من فرع

وبيستخدم أكتر من قناة طلب:

App

Hotline

Aggregators

➡️ الحل:

الاعتماد على customer_id كمفتاح أساسي

فصل:

عدد العملاء الحقيقي

عن عدد العملاء لكل فرع

وعن عدد العملاء لكل قناة طلب

4️⃣ مشاكل تنظيف الداتا (Data Cleaning Challenges)

? أهم مشاكل الـ Cleaning:

تكرار بيانات العملاء

اختلاف أسماء الفروع

Null values في:

التقييمات

وقت التوصيل

Dates محتاجة تحويل

أسماء شهور وأيام مكتوبة كنص

?️ المعالجة:

توحيد أسماء الفروع

إزالة التكرار بناءً على customer_id + order_id

معالجة القيم الفارغة

إنشاء أعمدة مشتقة:

month_name

day_name

Date Diff Days

5️⃣ تغيير طريقة التفكير – التفكير بعين العميل ?

في المرحلة دي، حطّيت نفسي مكان العميل وسألت نفسي:

لو أنا صاحب البراند…

إيه اللي يهمني فعلًا؟

العميل مش مهتم بالأرقام بس، مهتم بالإجابات:

مين بيجيب فلوس أكتر؟

مين محتاج دعم؟

هل العملاء مبسوطين؟

هل بيرجعوا يطلبوا تاني؟

هل التوصيل كويس؟

ومن هنا بدأت أبني التحليل مش كـ Data Analyst بس

لكن كـ Business Partner

6️⃣ بناء التحليل والـ KPIs

تم بناء داشبورد مقسّم لـ 3 محاور:

? Sales Overview

Total Sales

Total Orders

Quantity

Sales by Month

? Customer Insights

Total Customers

Avg Days Between Orders

Avg Rating

Top Customers

? Branch Insights

Sales per Branch

Orders Distribution

Avg Delivery Time

Branch Contribution %

7️⃣ أهم Insights طلعت من التحليل

? سلوك العملاء

العملاء راضيين (Avg Rating ≈ 4)

لكن الفترة بين الطلبات طويلة

➡️ مشكلة Retention مش Acquisition

? الفروع

3 فروع مسيطرين على أغلب المبيعات

فرع October أقل أداء

➡️ محتاج عروض أو تحسين تجربة

? الزمن

شهر مارس أعلى مبيعات

➡️ فرصة لتكرار نفس الاستراتيجية

8️⃣ التوصيات النهائية للعميل ?

بناءً على الداتا، التوصيات كانت:

إطلاق Loyalty Program

استهداف العملاء بعد 14–21 يوم بدون طلب

دعم الفروع الأضعف بعروض Local

استغلال شهور الذروة

الحفاظ على وقت التوصيل كميزة تنافسية

9️⃣ الخلاصة – Value كمحلل بيانات

التحليل ده مش بس أرقام

ده ساعد العميل:

يفهم عملائه

يحدد نقاط الضعف

وياخد قرارات مبنية على بيانات حقيقية

#DataAnalysis #PowerBI #DataStorytelling

#CaseStudy #Freelancer #RemoteWork

#JobsInSaudi #KSAJobs #Portfolio