City-Sales-Analysis

المشروع عبارة عن تحليل استكشافي شامل لبيانات مبيعات وأرباح شركة دولية تتواجد في 5 أسواق عالمية (كندا، ألمانيا، فرنسا، المكسيك، وأمريكا). قمت في هذا المشروع بالتعامل مع البيانات الخام باستخدام لغة Python لتنظيفها، ومن ثم استخراج مؤشرات ومعلومات جديدة تساعد إدارة الشركة في فهم العوامل المؤثرة على الأرباح وكيفية توجيه سياسات التسعير والخصومات

تنظيف وإعداد البيانات (Data Cleaning)

1-معالجة البيانات الخام وترتيب الجداول باستخدام مكتبة Pandas، ويشمل ذلك معالجة القيم المفقودة (NaN) في خانات الخصومات وتنسيق حقول التواريخ لضمان دقة العمليات الحسابية

2-بناء (Correlation Matrix): قمت بحساب واستخراج مصفوفة توضح العلاقة بين المتغيرات، والتي كشفت أن زيادة الخصومات ترفع حجم المبيعات ولكنها لا تضمن زيادة صافي الأرباح بشكل طردي

3-تحليل توزيع الأرباح جغرافيًا (Violin Plots): استخراج رسومات بيانية متقدمة توضح "كثافة وتشتت الأرباح" داخل كل دولة، لمعرفة النطاق الحقيقي لأرباح كل سوق بدلاً من الاعتماد على المتوسطات التقليدية

4-تتبع نمو الأرباح زمنياً (Time-Series): دمج وتحليل البيانات عبر السلسلة الزمنية لإظهار المسار الصعودي لصافي أرباح الشركة بين عامي 2013 و2014

5-تحديد المنتجات الأكثر ربحية: رصد وتقييم المنتجات برمجياً، وتحديد أن منتج Paseo هو الأعلى مساهمة في الإيرادات والارباح

6-اكتشاف مواسم الذروة (Seasonality): استخراج المنحنى الشهري للمبيعات والذي كشف عن قفزة تشغيلية ضخمة للطلب في الربع الأخير من العام (Q4)، وتحديداً في شهري سبتمبر وأكتوبر

7-تقديم ملخص تنفيذي مبني على الأرقام يوصي بفرض رقابة على نسب الخصومات الممنوحة، والتركيز على الأسواق الأعلى مبيعات مثل أمريكا وكندا، مع رفع الجاهزية التشغيلية للمخازن قبل فترة الذروة في نهاية العام