Superstore Sales Analysis | Python Data Analysis & Automated Reporting

نظرة عامة

مشروع تحليل بيانات شامل لمتجر تجزئة (Superstore) يضم أكتر من 5,000 أوردر و793 عميل، بهدف فهم أداء المبيعات والأرباح واكتشاف نقاط الخسارة والفرص.

ما تم تنفيذه

فحص جودة البيانات وتنظيفها وهندسة الخصائص (Feature Engineering)

تحليل القيم الشاذة (Outliers)

تحليل إحصائي وتحليل الارتباط

18 رسم بياني (اتجاه المبيعات، Treemap، Heatmap، Pareto، وغيرها)

تقرير تحليلي وملف مؤشرات أداء (KPIs) يتولدوا تلقائياً بالكود

أهم النتائج

إجمالي المبيعات 2.3 مليون دولار، وصافي الربح 286 ألف دولار

فئة Technology الأكثر ربحية، ومنطقة West الأعلى ربحاً

26% من الأوردرات تحتوي على بند خاسر

فئة Tables تحقق مبيعات عالية لكن بخسارة (حوالي -17.7 ألف دولار)

العلاقة بين الخصم والربح سالبة (-0.219)، أي إن زيادة الخصم مرتبطة بانخفاض الربح

الأدوات المستخدمة

Python, Pandas, NumPy, Matplotlib, Seaborn, Jupyter Notebook