Diabetes Data Analysis Dashboard

تحليل بيانات السكري وتصميم لوحة معلومات تفاعلية باستخدام Python وPower BI

نبذة عن المشروع:

مشروع لتحليل مجموعة بيانات متعلقة بمرض السكري تضم 768 سجلًا، بهدف استكشاف خصائص البيانات، وتحليل المؤشرات المرتبطة بمستويات الجلوكوز وضغط الدم ومؤشر كتلة الجسم (BMI) والعمر، وعرض النتائج بصورة واضحة باستخدام Python وPower BI.

مراحل تنفيذ المشروع:

1. Data Exploration:استكشاف البيانات ودراسة خصائص الأعمدة والتوزيعات الإحصائية باستخدام Pandas وNumPy.

2. Data Cleaning: اكتشاف القيم غير المنطقية، مثل القيم الصفرية في بعض المؤشرات الصحية، ومعالجتها ضمن خطوات تجهيز البيانات.

3. Exploratory Data Analysis: دراسة الاختلافات والعلاقات بين المؤشرات الصحية ونتائج السكري باستخدام الأساليب الإحصائية والتصورات البيانية.

4. Data Visualization: عرض نتائج التحليل باستخدام Matplotlib وSeaborn.

5. Power BI Dashboard: تصميم لوحة معلومات لعرض مؤشرات البيانات والرسوم البيانية والفلاتر التفاعلية.

أبرز مخرجات المشروع:

- تحليل بيانات تضم 768 سجلًا.

- عرض عدد السجلات التي تشير إلى الإصابة بالسكري ضمن مجموعة البيانات.

- دراسة متوسط مستويات الجلوكوز وضغط الدم والعمر.

- مقارنة متوسط الجلوكوز حسب نتيجة السكري.

- تحليل توزيع مؤشر كتلة الجسم (BMI).

- توفير فلاتر تفاعلية لاستكشاف المؤشرات حسب الفئات العمرية.

التقنيات المستخدمة:

Python, Pandas, NumPy, Matplotlib, Seaborn, Power BI, Data Cleaning, Exploratory Data Analysis.

القيمة التطبيقية:

يوضح المشروع كيفية تحويل البيانات الصحية الخام إلى مؤشرات وتقارير تفاعلية تساعد على فهم الأنماط والعلاقات داخل البيانات، مع التأكيد أن النتائج استكشافية ولا تمثل أداة للتشخيص الطبي.