Clothing Analysis

بدأت الرحلة بقراءة البيانات الخام وفهم هيكلها والعلاقات التي تربط بين الأقسام، الفئات، والتقييمات، مررًا بالمراحل التالية:

1. قراءة البيانات وفهم العلاقات:

استكشاف الجداول الأساسية وفهم كيفية ربط الأقسام الكبرى (Divisions) بالفئات الفرعية (Classes).

تحليل توزيع البيانات الديموغرافية (العمر) وعلاقتها بسلوك المراجعات والتقييمات.

2. تنظيف ومعالجة البيانات (Cleaning & Preprocessing):

التعامل مع القيم المفقودة في أسماء الفئات والتقييمات.

التأكد من جاهزية البيانات الرقمية للتحليل الإحصائي.

حفظ جداول نظيفة ومنظمة تماماً وجاهزة لعملية التحليل العميق.

3. استخراج الرؤى (Insights):

بعد تجهيز البيانات، قمت باللإجابة على الأسئلة الجوهرية للبزنس، ومنها:

ما هو متوسط عمر العميل المهتم بكل قسم (General vs. Petite)؟

أي الفئات (Product Categories) تسيطر على الحصة الأكبر من التقييمات الإيجابية؟

هل هناك علاقة بين "الفئة العمرية" ونوع الملابس المشتراة؟

تحديد أكثر الفئات الفرعية (Class Names) طلباً في السوق.

تحليل التباين بين عدد المراجعات (Review Count) ومستوى الرضا الفعلي.

4. المرحلة النهائية: بناء الـ Dashboard (Power BI):

قمت بتصميم لوحة بيانات تفاعلية تركز على:

KPIs الأساسية: مثل إجمالي التقييمات الإيجابية ومتوسط أعمار العملاء.

Visualizations ذكية: استخدمت المخططات الدائرية (Donut Charts) والمخططات الشريطية لتسهيل مقارنة أداء الفئات المختلفة (مثل Tops vs. Dresses).

تقديم رؤية بصرية واضحة تساعد متخذي القرار على معرفة المنتجات "الأكثر نجاحاً" والفئات العمرية الأكثر ولاءً للعلامة التجارية.