Supermarket Sales Analysis

قمت بإجراء تحليل شامل لبيانات مبيعات سلسلة سوبر ماركت (Supermarket Sales Data) باستخدام لغة Python بهدف استخراج رؤى تجارية (Business Insights) تساعد في تحسين العمليات وتطوير استراتيجيات التسويق والمبيعات.

التقنيات والمكتبات المستخدمة:

Python (اللغة الأساسية)

Pandas (لتنظيف وتجهيز وهيكلة البيانات)

Matplotlib & Seaborn (لبناء الرسوم البيانية ولوحة التحليل البصري)

مراحل العمل (Workflow):

معالجة وتنظيف البيانات (Data Cleaning & Preparation):

فحص وأنواع البيانات وتعديل القيم الخاطئة والمفقودة.

إزالة التكرارات وتنظيف أسباب الاختلافات في البيانات.

هندسة خصائص جديدة (Feature Engineering) مثل استخراج أعمدة اليوم والشهر والسنة.

تصنيف رضا العملاء بناءً على التقييم (Satisfaction Rule: Rating >= 7).

التحليل الاستكشافي للبيانات (EDA) وإجابة أسئلة البزنس:

حساب الإيرادات الإجمالية وصافي الأرباح.

مقارنة أداء الفروع والمدن الأكثر تحقيقاً للمبيعات.

تحليل القنوات الأكثر استخداماً للدفع وسلوكيات فئات العملاء (الأعضاء vs غير الأعضاء).

تحديد المنتجات الأكثر مبيعاً والأيام والأشهر التي تمثل ذروة البيع.

أهم النتائج والأرقام المحققة (Key Findings):

إجمالي الإيرادات: تحقيق مبيعات بقيمة $318,041.92.

المدينة الأعلى مبيعاً: مدينة Naypyitaw بإجمالي $109,168.71.

الفرع الأكثر ربحية: فرع Giza بـ أرباح بقيمة $5,198.51.

الفئة الأكثر مبيعاً: قسم الأغذية والمشروبات (Food and beverages) بإيرادات $55,518.60.

سلوك العملاء: المشتركون (Members) يحققون القيمة الأعلى للمبيعات ($184.7k مقارنة بـ $133.2k للعملاء العاديين).

وسيلة الدفع المفضلة: الدفع النقدي (Cash) بواقع 341 عملية.

أوقات الذروة: يوم السبت هو الأعلى مبيعاً خلال الأسبوع، وشهر يناير هو أعلى شهور السنة.

نسبة رضا العملاء: وصلت إلى 50.30%.

المخرجات المرفقة:

كود بايثون منظّم ومكتوب بمعايير clean code.

لوحة تحليل بياني (Visual Dashboard) توضح النتائج بصرياً.