Supply Chain Performance

A Blank value doesn't always mean Missing Data.

دي كانت واحدة من أهم الحاجات اللي اتعلمتها من المشروع ده.

المشروع كان عبارة عن Retail Sales Dashboard باستخدام Power BI ، وكان الهدف تحليل أداء المبيعات واستخراج أهم

من البيانات Customer & Sales Insightsالـ

لكن أثناء بناء الـ Dashboard ، لاحظت حاجة مش منطقية ....

بعض الـ Charts & Slicers كانت بتعرض Blank، مع إن البيانات نفسها كانت موجودة واتعمل لها Data Cleaning.

بدل ما أعتبر الـBlank مجرد Missing Value وأحذفه، قررت أرجع خطوة وأراجع الـ Data Model والـ Relationships بين الجداول.

After investigating the data model, I found the real reason.

جزء من الـ Households الموجودة في جدول المبيعات مكنش ليها Demographicsفي جدول الـ matching record

وده معناه إن البيانات مش بالضرورة ناقصة، لكن ببساطة there .was no matching demographic information

والأهم إن حذف الـ Records دي مكانش حل مناسب، لأنها كانت

بتمثل جزء كبير من المبيعات.

لذلك خليت الـ Dashboard يوضح الفرق بين

Has Demographic

No Demographic

بدل ما أخفي المشكلة أو أحذف البيانات.

Some insights from the analysis:

Total Sales: 172.81K

Total Households: 3K

Products Sold: 12K

Average Order Value: 69.12

Top Age Group: 45-5462.62K

Top Department: KIOSK-GAS → 69.11K

Top Commodity: COUPON/ITEMS → 70.02K

Highest Sales Time: Afternoon 68K

The main takeaway:

Data Cleaningبتتحل بال Dashboardمش كل مشكلة في الـ

Sometimes, the problem is not the data itself - it's how the tables are connected.

المشروع ده ساعدني أفهم بشكل عملي إن Data Modeling مش مجرد خطوة قبل تصميم الـ Dashboard، لكنه جزء أساسي من عملية التحليل نفسها.

*

Tools & Skills:

Power BI |

DAX |

Data Cleaning |

Data Modeling | Data

Visualization |

Business Analysis |

Interactive

Dashboards

Another project, another lesson learned