Pizza Sales

1. نوع العمل

تحليل واستكشاف بيانات (Exploratory Data Analysis - EDA) وتصويرها برمجياً.

هذا ليس مجرد "تقرير"، بل هو مشروع برمجي (Data Science Script) كامل يبدأ بقراءة ملفات إكسيل الخام، ويقوم بمعالجتها برمجياً، ثم ينتج لوحة معلومات بصرية تفاعلية باستخدام مكتبات بايثون المتخصصة.

2. ميزات العمل

القوة البرمجية (Programmatic Flexibility): العمل منفذ بالكامل باستخدام الكود، مما يسمح بتكرار العملية على ملايين السطور من البيانات بسرعة هائلة لا تضاهيها برامج أخرى.

رؤى تسويقية دقيقة (Marketing Insights):

تحديد التوجهات الزمنية (Time Series Trend) للمبيعات اليومية عبر عام كامل.

تحليل "الحصص السوقية" (Market Share Analysis) لأنواع البيتزا الأربعة بوضوح.

تصنيف الأحجام (Segmentation) لمعرفة الأفضل مبيعاً.

تحديد "قائمة الأفضل" (Top N Analysis) لأفضل 7 أنواع بيتزا من حيث الكمية.

تخصيص بصري كامل: المخططات مصممة بألوان زاهية وواضحة (Vibrant Color Palette) وتخطيط (Layout) مقسم باحترافية لتسهيل قراءة عدة مؤشرات في آن واحد.

3. طريقة التنفيذ (Methodology)

تم تنفيذ المشروع باستخدام أفضل الممارسات في علم البيانات:

أولاً: بيئة التطوير (Development Environment): استخدام محرر الأكواد الاحترافي VS Code لإدارة المشروع (كما يظهر في لقطات الشاشة).

ثانياً: مكتبات تحليل البيانات (Data Science Libraries):

Pandas: قمتُ باستخدامه لاستيراد البيانات من ملف Excel وتنظيفها (مثل تحويل عمود التاريخ to_datetime).

Matplotlib (Pyplot): تم استخدامه لرسم الأربعة مخططات المختلفة وتخطيطها في "شبكة" (Grids/Subplots) احترافية.

ثالثاً: معالجة البيانات (Data Wrangling Script):

كتابة كود بايثون لتجميع البيانات (group by) لحساب مجموع الأرباح اليومية، والنسب المئوية حسب الفئة، والكميات حسب الحجم والنوع.

استخدام دوال البحث عن القيم القصوى (nlargest) لاستخراج قائمة الـ 7 الأوائل.

رابعاً: هندسة الواجهة الرسومية (UI Design Script):

تخصيص المخططات: أنواع الرسم (Line, Pie, Bar, Barh).

تخصيص الألوان لكل فئة برمجياً.

إضافة العناوين الرئيسية والفرعية والمحاور لضمان وضوح التقرير للمستخدم النهائي.