Pizza Store Analysis

بدأ المشروع بقاعدة بيانات غير منظمة تتكون من جدول واحد فقط (Unnormalized Table)، مما جعل فهم البيانات واستخراج insights حقيقية أمرًا صعبًا. كانت الأرقام موجودة، لكن العلاقات بينها لم تكن واضحة، وبالتالي كان من الضروري إعادة هيكلة البيانات بالكامل حتى تصبح قابلة للتحليل بطريقة احترافية.

- معمارية الحل Solution Architecture

1 - هندسة البيانات (Excel & SQL)

كانت الخطوة الأولى هي تنظيم البيانات وإعادة هيكلتها عبر تحويلها إلى نموذج Star Schema، من خلال فصل البيانات إلى Fact Tables و Dimension Tables.

كما قمنا بإنشاء SQL Views مخصصة لتحسين أداء الاستعلامات، بحيث تصبح البيانات جاهزة للاستخدام داخل أدوات ذكاء الأعمال بسرعة وكفاءة.

2 - ما بعد التحليل التقليدي (Python)

للذهاب إلى مستوى أعمق في التحليل، استخدمنا Python لتقسيم اليوم إلى فترات زمنية (صباح – ظهر – مساء).

هذا التحليل البسيط كشف أنماطًا مهمة مثل أوقات الذروة (Rush Time) التي لا تظهر بسهولة في التحليلات التقليدية.

3 - طبقة ذكاء الأعمال (Power BI & DAX)

بعد تجهيز البيانات، تم بناء لوحة معلومات تفاعلية باستخدام Power BI مدعومة بمقاييس متقدمة باستخدام DAX.

تساعد هذه اللوحة في متابعة مؤشرات الأداء الرئيسية مثل:

هامش الربح (Profit Margins)

نمو المبيعات (Sales Growth)

أداء المنتجات (Product Performance)

وذلك بطريقة بصرية واضحة تسهّل فهم البيانات واتخاذ القرارات.

● لحظات الاكتشاف The “Aha!” Moments

- المنتج الذهبي

كشف التحليل عن منتج معين يمكن اعتباره البطل الصامت؛ فهو لا يحقق أعلى مبيعات فقط، بل يمتلك أعلى هامش ربح أيضًا.

وهذا يجعله مرشحًا مثاليًا لعروض مثل "اشترِ واحدة واحصل على الأخرى مجانًا" لزيادة حجم المبيعات دون التأثير الكبير على الربحية.

- ذروة الازدحام عند الساعة 12 ظهرًا

أظهرت البيانات بوضوح أن بداية وقت الذروة تكون عند الساعة 12:00 ظهرًا، وهو insight مهم يمكن استخدامه لتحسين توزيع الموظفين وإدارة العمليات خلال ساعات الضغط.

- استراتيجية مبنية على البيانات

من خلال التحليل والتصفية التفاعلية (Slicers)، تم تحديد الأشهر التي شهدت انخفاضًا في الأداء، ثم تحليل السبب لمعرفة ما إذا كان ناتجًا عن حساسية الأسعار أو تغير في مزيج المنتجات المعروضة.

● الخلاصة

هذا المشروع لم يكن مجرد إنشاء لوحة معلومات، بل كان رحلة متكاملة عبر دورة حياة البيانات (Data Life Cycle) — بدءًا من تنظيف البيانات وهندستها، مرورًا بالتحليل المتقدم، وصولًا إلى تحويل النتائج إلى رؤى عملية تدعم اتخاذ القرار.

وقد كانت تجربة ثرية ومكثفة، وأتوجه بالشكر إلى المعهد القومي للاتصالات (NTI) على هذه الفرصة التعليمية القيمة.

واليوم، أنا متحمس لتطبيق هذا المنهج القائم على البيانات في المشاريع القادمة، والمساهمة في تحويل البيانات إلى قرارات ذكية وقصص نجاح حقيقية.