Super Store - Sales Analysis

مشروع تحليل بيانات Superstore باستخدام Python :-

نفذت مشروعًا متكاملًا لتحليل بيانات Sample Superstore باستخدام Python، بدءًا من تحميل البيانات واستكشافها، مرورًا بتنظيفها وتجهيزها، وصولًا إلى استخراج رؤى تحليلية وإنشاء تصورات بيانية تساعد على فهم أداء المبيعات والأرباح.

شمل المشروع إجراء Exploratory Data Analysis (EDA) لفهم هيكل البيانات، عدد الصفوف والأعمدة، أنواع البيانات، الإحصاءات الوصفية، والقيم المفقودة والتكرارات. كما تم التعامل مع أخطاء تحميل الملفات ودعم ملفات CSV وExcel.

تم تنفيذ مرحلة Data Cleaning لمعالجة الصفوف المكررة والقيم المفقودة، بالإضافة إلى تحويل أنواع البيانات، خاصة أعمدة التواريخ، إلى الصيغ المناسبة للتحليل.

كما تم تطبيق Feature Engineering لإنشاء متغيرات جديدة مثل:

- المبيعات قبل الخصم.

- المبيعات بالنسبة للكمية.

- السنة والشهر.

- عدد أيام الشحن.

- تصنيف مستوى المبيعات.

- هامش الربح (Profit Margin).

بعد ذلك، تم إجراء تحليلات لاستخلاص مجموعة من Business Insights، مثل:

- تحديد أعلى 5 عملاء من حيث إجمالي المبيعات.

- تحليل إجمالي المبيعات حسب السنة والشهر.

- تحديد المنتجات غير المربحة.

- تحليل الفئات الأكثر ربحية والأكثر شعبية.

- دراسة تأثير الخصومات على متوسط الأرباح.

- تحليل أوقات الشحن والمدن ذات متوسط أيام الشحن الأعلى.

- تحليل أنماط وطرق الشحن المستخدمة.

وأخيرًا، تم تحويل النتائج إلى Data Visualizations باستخدام Matplotlib وSeaborn، من خلال الرسوم البيانية الخطية والعمودية والمخططات الدائرية وغيرها، لتقديم النتائج بصورة واضحة ودعم عملية Data Storytelling.

الأدوات والتقنيات:

Python

Pandas & NumPy

Matplotlib & Seaborn

Exploratory Data Analysis (EDA)

Data Cleaning & Preparation

Feature Engineering

Data Analysis

Data Visualization

Business Insights & Data Storytelling