End-to-End Superstore Sales Analytics & KPI Pipeline

مشروع تحليلي متقدم يعتمد على البرمجة كائنية التوجه (OOP) في لغة Python لبناء مسار بيانات مؤتمت بالكامل (Data Pipeline)؛ يهدف لمعالجة وفحص جودة بيانات مبيعات متجر تجزئة تتجاوز 9,900 معاملة تجارية، ثم استخراج مؤشرات الأداء الرئيسية (KPIs) وتحليل سلوك العملاء والربحية وتأثير نسب الخصم وسلاسل الإمداد

مراحل ومهام المشروع:

هندسة الكود ونظام السجلات (OOP & Logging): تصميم فئتين برمجيتين منفصلتين للتحليل (SuperstoreAnalyzer) والتمثيل البصري (SuperstoreVisualizer)، مع دمج نظام تسجيل للأحداث والأخطاء في ملف خارجي (logging) لضمان موثوقية تشغيل الكود.

فحص جودة وتنظيف البيانات (Data Quality & Cleaning): التحقق التلقائي من القيم المكررة والمفقودة قبل وبعد عملية التنظيف ومعالجة الرموز البريدية الناقصة.

معالجة القيم الشاذة والتدقيق المنطقي (Outliers & Logical Validation): معالجة القيم المتطرفة (Outliers) في المبيعات والأرباح باستخدام المدى الربيعي (IQR Method) والتقليم (Clipping) دون فقدان السجلات.

هندسة الخصائص الإضافية (Feature Engineering): حساب هامش الربح (Profit_Margin) لكل معاملة. استخراج مدة الشحن بالأيام وتحديد الشحنات المتأخرة (Is_Shipment_Delayed). تصنيف أداء المبيعات بناءً على الشرائح الإحصائية (Low, Medium, High) واستخراج بيانات الأعوام والشهور.