تحليل بيانات منتجات Amazon Egypt باستخدام Python وPower BI وMachine Learning
تفاصيل العمل
تحليل بيانات منتجات Amazon Egypt باستخدام Python وPower BI وMachine Learning
قمت بتنفيذ مشروع تحليل بيانات متكامل لمنتجات Amazon Egypt، باستخدام مجموعة بيانات تضم حوالي 21,250 سجلًا و15 متغيرًا، بهدف فهم أنماط الأسعار وتفاعل العملاء والعوامل المرتبطة بتصنيف المنتجات كـ Best Seller.
بدأت المشروع بتنظيف وتجهيز البيانات باستخدام Python ومكتبتي Pandas وNumPy، حيث عالجت القيم غير المتناسقة والتكرارات، وحولت الأعمدة إلى أنواع البيانات المناسبة، وتحققت من صحة الأسعار، وجهزت البيانات لتكون مناسبة للتحليل وبناء نماذج التعلم الآلي.
بعد ذلك، أجريت تحليلًا استكشافيًا للبيانات (EDA) لدراسة العلاقة بين الأسعار والخصومات والتقييمات وعدد المراجعات ومشتريات العملاء، بالإضافة إلى مقارنة أداء المنتجات حسب الفئات وحالة الرعاية الإعلانية (Sponsored).
كما قمت ببناء ومقارنة أربعة نماذج Machine Learning للتنبؤ بتصنيف Best Seller، وهي Decision Tree وSVM وRandom Forest وLogistic Regression، باستخدام مقاييس Accuracy وPrecision وRecall وF1-score. حقق نموذج Decision Tree أفضل نتيجة من حيث F1-score، مع مراعاة عدم توازن البيانات بين المنتجات المصنفة Best Seller وغير المصنفة كذلك.
ولعرض النتائج بصورة واضحة وتفاعلية، أنشأت Dashboard باستخدام Power BI، تتضمن مؤشرات الأداء الرئيسية (KPIs) ورسومًا بيانية لتحليل الأسعار والخصومات والتقييمات والمشتريات وأداء المنتجات حسب الفئات، مع إمكانية التفاعل مع البيانات باستخدام الفلاتر.
أبرز مخرجات المشروع:
• تنظيف البيانات وتحسين جودتها وتجهيزها للتحليل.
• استخراج Insights حول الأسعار والخصومات وتفاعل العملاء.
• مقارنة أداء فئات المنتجات ومعدلات Best Seller.
• بناء وتقييم أربعة نماذج للتصنيف باستخدام Machine Learning.
• تصميم Dashboard تفاعلية باستخدام Power BI.
• تقديم توصيات مبنية على البيانات لدعم القرارات التجارية.
الأدوات المستخدمة:
Python، Pandas، NumPy، Machine Learning، Power BI.
يوضح هذا المشروع قدرتي على تنفيذ دورة تحليل البيانات من البداية إلى النهاية، بدءًا من تنظيف البيانات واستكشافها، مرورًا ببناء النماذج، وصولًا إلى عرض النتائج واستخراج توصيات عملية تساعد على فهم أداء المنتجات ودعم اتخاذ القرارات المبنية على البيانات.