Customer analysis and retail store sales

في آخر مشروع تحليل بيانات قمت بتحليل سلوك العملاء، المبيعات، والربحية باستخدام Python وSQL وPower BI بهدف فهم العوامل التي تؤثر على الإيرادات والأرباح بشكل أعمق.

أهم الـ Insights التي توصلت لها:

العملاء كانوا مستعدين للشراء بأسعار مرتفعة، خاصة في بعض الفئات، مما يدل على أن السعر ليس العامل الوحيد المؤثر في قرار الشراء.

ارتفاع السعر في بعض الحالات أدى لانخفاض الكمية، لكن مع الحفاظ على Average Order Value قوي.

فئة Food and Beverages حققت أعلى كمية ومبيعات، لكنها احتاجت لتحسين الـ AOV من خلال Upselling وCross-Selling.

فئة Health and Beauty كانت الأقل في الإيرادات والتقييمات، مما يشير إلى ضرورة تحسين جودة المنتج وتجربة العميل.

العملاء الـ Members كانوا أكثر نشاطًا وإنفاقًا من العملاء العاديين، مما يوضح أهمية برامج الولاء والعروض المخصصة.

العميلة “Sally” كانت من أعلى العملاء إنفاقًا واستمرارًا في الشراء، بينما بعض العملاء احتاجوا استراتيجيات Retention لإعادتهم للشراء مرة أخرى.

الدفع Cash حقق أداء أعلى من Credit Card، مما فتح فرصة لتحسين وسائل الدفع الرقمية وتشجيع العملاء على استخدامها.

أهم التوصيات:

التركيز على Upselling وBundles الذكية بدل الاعتماد الكامل على التخفيضات.

تحسين المنتجات منخفضة التقييم لرفع رضا العملاء وزيادة المبيعات.

تطوير عروض وبرامج Loyalty لزيادة تحويل العملاء العاديين إلى Members.

استهداف العملاء الأقل شراءً بعروض مخصصة لتحسين الـ Retention.

تحسين تجربة الدفع الإلكتروني وتشجيع استخدام Credit Card بعروض وCashback.

أكثر شيء تعلمته من المشروع:

تحليل البيانات الحقيقي ليس مجرد أرقام ورسومات… بل فهم “لماذا” يتصرف العميل بهذه الطريقة، وكيف يمكن تحويل هذه الـ Insights إلى قرارات ترفع الربحية وتحسن تجربة العميل.

#DataAnalytics #BusinessAnalysis #SQL #Python #PowerBI #CustomerAnalytics #RetailAnalytics #BusinessIntelligence