Cookies Store Sales
تفاصيل العمل
اسم المشروع: لوحة تحكم مبيعات وأرباح المخبوزات (Cookies Sales & Profitability Dashboard)
نظرة عامة على المشروع:
مشروع تحليل بيانات تفاعلي متكامل تم بناؤه باستخدام Microsoft Power BI لشركة متخصصة في بيع المخبوزات (الكوكيز). يهدف المشروع إلى تتبع الأداء المالي، وتحليل سلوك العملاء، وتقييم أداء المنتجات، واكتشاف الاتجاهات الزمنية للمبيعات لمساعدة الإدارة في اتخاذ قرارات مبنية على البيانات.
التقنيات والمهارات المستخدمة:
1. Power Query: تم استخدامه في مرحلة (ETL) لاستخراج البيانات، تنظيفها، معالجة القيم المفقودة، وتجهيز الجداول للتحليل.
2. Data Modeling: بناء نموذج بيانات قوي (غالباً Star Schema) لربط جداول الحقائق (Fact Tables) مثل المبيعات والطلبات، بجداول الأبعاد (Dimension Tables) مثل العملاء، المنتجات، التواريخ (Calendar)، والمناطق الجغرافية.
3. DAX (Data Analysis Expressions): كتابة معادلات ومقاييس (Measures) متقدمة لحساب المؤشرات الرئيسية بدقة، مثل إجمالي المبيعات، التكلفة، الأرباح، وعدد الطلبات بشكل ديناميكي يتفاعل مع الفلاتر.
4. Data Visualization: تصميم واجهة مستخدم (UI) احترافية ومقسمة إلى 4 صفحات رئيسية لسهولة التصفح باستخدام أزرار التنقل (Navigation Buttons).
أقسام لوحة القيادة (Dashboard Pages):
1. الصفحة الرئيسية (Home):
نظرة عامة على مؤشرات الأداء الرئيسية (KPIs) للشركة.
توضح إجمالي المبيعات (4.69 مليون)، التكلفة الإجمالية (1.97 مليون)، إجمالي الأرباح (2.72 مليون)، وإجمالي عدد الطلبات (700 طلب).
2. تحليل العملاء (Customer Analysis):
تحليل قاعدة العملاء (5 عملاء رئيسيين).
تحديد أفضل العملاء من حيث حجم المبيعات وعدد الطلبات (مثل عميل ACME Bites الذي يتصدر المبيعات بـ 1.43 مليون).
توزيع العملاء جغرافياً على المدن المختلفة لفهم التغطية الجغرافية.
3. تحليل المنتجات (Product Analysis):
تحليل تفصيلي لأداء كل نوع من أنواع الكوكيز.
مقارنة التكلفة، الربح، والمبيعات لكل منتج (حيث يظهر أن Chocolate Chip هو المنتج الأعلى مبيعاً وربحية).
توزيع المبيعات حسب الولايات (States) لمعرفة المناطق الأكثر طلباً.
استخدام فلاتر تفاعلية (Slicers) لتمكين المستخدم من تصفية البيانات حسب الولاية أو نوع المنتج.
4. تحليل الاتجاهات (Trend Analysis):
تحليل زمني (Time-Series Analysis) لتتبع أداء المبيعات وعدد الطلبات على مدار الأشهر لعامي 2019 و 2020.
اكتشاف المواسم وأوقات الذروة (Seasonality)، حيث يُظهر الرسم البياني طفرات واضحة في المبيعات في الربع الأخير من العام (شهري أكتوبر وديسمبر).
فلاتر زمنية دقيقة (Slicers) لتخصيص العرض حسب السنة أو الشهر.