Superstore Sales & Profit Analysis (Python)

وصف العمل: تحليل مبيعات وأرباح Superstore (Python)

نظرة عامة

مشروع تحليل بيانات استكشافي (EDA) باستخدام Python على بيانات متجر تجزئة، يضم 9,994 سطر طلب بإجمالي مبيعات $2.30 مليون وهامش ربح عام 12.5% (حوالي $286 ألف ربح). الهدف معرفة أين تتحقق الأرباح وأين تضيع، وتحويل ذلك إلى رؤى يمكن اتخاذ قرارات بناءً عليها.

مراحل العمل

1. تنظيف البيانات

حذف سطر مكرر وسطرين فارغين.

تحويل تواريخ الطلب والشحن إلى صيغة datetime.

معالجة 11 قيمة مفقودة في الرمز البريدي (Burlington, VT).

2. هندسة الخصائص وتحليل البيانات

بناء خصائص جديدة: هامش الربح (Profit Margin) ومدة الشحن (Shipping Duration) وفئات الأداء حسب قيمة المبيعات.

تحليل المبيعات والأرباح حسب المدينة والولاية والفئة والفئة الفرعية باستخدام Pandas.

3. التصور البصري

إنتاج 9 رسومات بيانية باستخدام Matplotlib و Seaborn، منها:

خريطة ارتباط (Correlation Heatmap)

توزيع هوامش الربح

تحليل العلاقة بين الخصم والربح

اتجاه المبيعات الشهري

أهم النتائج

الأثاث يحقق مبيعات $742K لكن ربحه $18K فقط (هامش 3.9% مقابل 15.6% للتكنولوجيا)، ولديه أعلى متوسط خصم (17%).

الخصومات تقلل الأرباح: الارتباط بين الخصم والربح سالب (‎-0.22)، والطلبات ذات الخصم الكبير تقع تحت نقطة التعادل. بلغت الخسائر على الطلبات غير المربحة حوالي $156K.

الولايات الكبيرة ليست الأكثر ربحية: كاليفورنيا ($458K) ونيويورك ($311K) تتصدران المبيعات، بينما تعمل تكساس وأوهايو وبنسلفانيا وإيلينوي بخسارة رغم حجم مبيعاتها الكبير.