تحليل مبيعات متجر بـ Python وSQL

مبيعات المتجر في ارتفاع، لكن الأرباح لا تتبع نفس الاتجاه. كانت البيانات في ملف Excel واحد، ولا يمكن من خلاله معرفة أسباب الخسارة. حوّلت ملف مبيعات خام (1,418 طلبًا خلال 4 سنوات) إلى قاعدة بيانات تحليلية بنموذج Star Schema. نظّفت البيانات بـ Python وPandas ونقلتها إلى SQL Server، ثم حلّلتها بـ Views وStored Procedures وWindow Functions. كشف التحليل أن 34.84% من الطلبات خاسرة بإجمالي 56 ألفًا، وأن فئة الأثاث ثم شريحة المستهلكين هما المصدران الأكبر للخسارة.

- ما نفّذته:-

1. فحص وتنظيف البيانات (Python/Pandas)

فحص الجودة: القيم المفقودة والمكررة والقيم غير المنطقية في الكمية والمبيعات والتواريخ.

تحليل أولي للبيانات: وجدت أن متوسط المبيعات 215.77 والوسيط 45.98، أي أن التوزيع منحرف نحو القيم الكبيرة.

توحيد أسماء الأعمدة والتحقق من اتساق بيانات العملاء والمنتجات والمواقع قبل بناء الجداول.

2. تصميم قاعدة البيانات (Star Schema)

جدول حقائق واحد (fact_order) و5 جداول أبعاد: العملاء والمنتجات والمواقع والتواريخ وطرق الشحن.

مفاتيح أساسية وأجنبية وعلاقات مصممة لتسريع الاستعلامات.

3. نقل البيانات إلى SQL Server

ربط Python بقاعدة البيانات عبر SQLAlchemy وتنفيذ الجداول والعلاقات برمجيًا.

4. التحليل بـ SQL المتقدم

Views قابلة لإعادة الاستخدام، وStored Procedure لتقرير أي شهر، وCTEs وWindow Functions وJOINs وCASE.

5 محاور: العملاء والمنتجات والشحن واتجاهات المبيعات والأداء المالي.

-أبرز النتائج :-

- 34.84% من الطلبات (494 من 1,418) كانت خاسرة، بإجمالي خسارة 56,314.

الأثاث أعلى الفئات في نسبة الطلبات الخاسرة (65.84%)، رغم مبيعات تتجاوز 163 ألفًا. أما التكنولوجيا فأقلها خسارة (12.36%) وأعلاها ربحًا (33,697).

- شريحة المستهلكين الأعلى مبيعًا والأقل ربحًا، في المقابل حققت شريحة الشركات أعلى ربح بأقل مبيعات.

- ولايتا تكساس وإلينوي أعلى الولايات مبيعًا، لكنهما تسجلان ربحًا سالبًا.

- بعض أكبر العملاء مبيعًا يخسّرون المتجر. فأحدهم حقق 10.5 ألف مبيعات بخسارة 1,878، أي أن حجم المبيعات وحده لا يكفي لتحديد قيمة العميل.

- مبيعات 2015 قفزت إلى 147 ألفًا بعد أن كانت 103 آلاف في 2013، لكن الربح لم يتبع نفس المسار في كل ربع.

المهارات المستخدمة :-

Python · Pandas · NumPy · SQLAlchemy · SQL Server · T-SQL · Star Schema · Data Cleaning · Data Modeling · Window Functions · CTEs · Stored Procedures · Business Analysis