Using R to Clean and Visualize Data

في هذا المشروع قمت بتطوير نظام تحليل بيانات متكامل اعتمادًا على Dataset خاص بقطاع الـ Grocery بهدف استخراج رؤى دقيقة تدعم القرارات التشغيلية والتجارية.

بدأ العمل بمرحلة Data Cleaning الاحترافية لضمان جودة البيانات قبل التحليل، حيث تم:

إزالة التكرارات (Duplicates).

فحص القيم المفقودة (Missing Values) وإيقاف التنفيذ عند وجود أخطاء.

التحقق من أنواع البيانات (Data Type Validation) للأعمدة الأساسية.

تنفيذ فحص للقيم الشاذة (Outlier Detection) باستخدام أساليب إحصائية.

تجهيز البيانات لتكون صالحة للنمذجة والتحليل.

بعد تجهيز البيانات تم بناء لوحة تحكم تفاعلية (Interactive Dashboard) تجمع بين:

مؤشرات الأداء الرئيسية.

الرسوم البيانية التحليلية.

ملخصات الإنفاق حسب المدينة، العمر، ونوع الدفع.

عرض توزيع طرق الدفع (Cash vs Credit).

تحليل توزيع إجمالي المصروفات.

تم تنفيذ التحليلات التالية:

Visualization & Business Insights

تحليل إجمالي الإنفاق حسب المدينة وترتيبه تنازليًا.

دراسة العلاقة بين العمر وإجمالي الإنفاق.

تحليل توزيع المصروفات باستخدام Histogram.

مقارنة طرق الدفع بنسب دقيقة.

K-Means Clustering

تقسيم العملاء إلى مجموعات بناءً على العمر وإجمالي الإنفاق.

احتساب متوسطات كل مجموعة لاكتشاف أنماط العملاء.

دعم قرارات الاستهداف التسويقي بناءً على سلوك الشراء.

Association Rules (Apriori Algorithm)

استخراج العلاقات بين المتغيرات.

تحديد الأنماط الشرائية المتكررة.

عرض أقوى القواعد بناءً على Lift و Confidence لدعم قرارات العروض والتوصيات.

كما تم تصميم واجهة تفاعلية تسمح برفع الملفات، اختيار عدد الـ Clusters، وتنزيل البيانات بعد تنظيفها، مما يجعل النظام عملي وقابل للاستخدام في بيئة أعمال حقيقية.

النتيجة النهائية كانت نظام تحليلي متكامل يجمع بين تنظيف البيانات، التحليل الإحصائي، التنقيب عن البيانات (Data Mining)، ولوحات المعلومات التفاعلية لدعم اتخاذ القرار المبني على البيانات.