تحليل بيانات Super Store

معالجة وتنظيف البيانات (Data Cleaning & ETL):

استخدام مكتبة Pandas لاستيراد ودمج ملفات بيانات متعددة (Orders, Returns, People) من صيغة Excel.

تنظيف البيانات والتعامل مع القيم المفقودة (Handling Missing Values).

إنشاء علاقات بين الجداول (Merges/Joins) لحساب معدلات الإرجاع بدقة لكل طلب.

هندسة الخصائص (Feature Engineering):

تحويل صيغ التواريخ لتحليل الاتجاهات الزمنية (Time-Series Analysis).

إنشاء معادلات مخصصة لحساب "معدل المرتجعات" (Return Rate) ونسب الربح (Profit Margin).

تطوير اللوحة والمؤشرات (Visualization & Dashboarding):

استخدام مكتبات Matplotlib و Seaborn لإنشاء رسوم بيانية تفاعلية واحترافية.

تصميم واجهة تعرض أهم مؤشرات الأداء (KPIs) في لمحة واحدة:

إجمالي المبيعات والأرباح.

هامش الربح الصافي.

نسبة استرجاع المنتجات (مؤشر حيوي لجودة المنتجات).