End-to-End Superstore Sales Analysis & Automated Data Pipeline using Python

وصف المشروع (Project Description):

​مشروع متكامل لتحليل بيانات مبيعات متجر تجاري (Superstore Dataset) بهدف تحسين أداء المبيعات وفهم العلاقة بين الخصومات والأرباح باستخدام لغة Python.

​أبرز المحطات والتقنيات في المشروع:

​معالجة البيانات والتحسين (Data Preprocessing & Memory Optimization): كتابة دوال برمجة وظيفية (Reusable Functions) لتنظيف البيانات، التعامل مع القيم المفقودة (Missing Values)، تحويل أنواع البيانات، وتكشيف القيم الشاذة (Outliers)، مما أدى لتقليل حجم الذاكرة المستهلكة.

​التحليل الإحصائي والعلاقات (Statistical Analysis & Correlation): إجراء تحليل مصفوفة الارتباط (Correlation Matrix) بين المبيعات، الأرباح، نسبة الخصم (Discount)، ومدة الشحن (Shipping Duration).

​التصور البياني (Data Visualization): إنشائ مجموعة من المخططات باستخدام Matplotlib و Seaborn تشمل:

​تتبع الاتجاه الشهري للمبيعات والأرباح (Monthly Sales & Profit Trend).

​تحليل توزيع هامش الربح للقطاعات الفرعية (Sub-Category Profit Margin Boxplots).

​الخرائط الحرارية (Heatmaps) لتوزيع المبيعات حسب المناطق والقطاعات.

​أتمتة التقارير (Automated Summaries & Data Export): تطوير دالة لإنشاء ملخص تلقائي لأهم مؤشرات الأداء (KPIs) مثل إجمالي المبيعات، إجمالي الأرباح، متوسط الشحن، وتصدير البيانات المنظفة جاهزة للاستخدام.

​التقنيات المستخدمة (Tech Stack):

Python | Pandas | NumPy | Matplotlib | Seaborn | Jupyter Notebook