تحليل بيانات مبيعات متجر إلكتروني باستخدام Python وPandas مع تقرير رؤى تسويقية

قمت بتنفيذ مشروع تحليل بيانات شامل لمتجر إلكتروني يحتوي على أكثر من 2,500 عملية بيع، بهدف استخراج رؤى تساعد صاحب المتجر في اتخاذ قرارات تسويقية مدروسة وتحسين الأرباح. طبيعة المشروع: بيانات مبيعات تشمل معلومات عن المنتجات، الفئات، العملاء، المناطق الجغرافية، طرق الشحن، والخصومات، موزعة على فترة سنتين كاملتين (2023-2024). المشاكل التي عالجتها في البيانات: - قيم مفقودة في أعمدة شرائح العملاء والمناطق وطرق الشحن (80 قيمة) - صفوف مكررة (23 صف) - عدم اتساق في صيغ التواريخ (50 تاريخ بصيغة مختلفة) - تناقض في كتابة أسماء المناطق (حروف كبيرة/صغيرة) مراحل التنفيذ: 1. فحص البيانات الأولي وتحديد المشاكل 2. تنظيف البيانات باستخدام Pandas 3. هندسة متغيرات جديدة (السنة، الشهر، ربع السنة، هامش الربح) 4. التحليل الاستكشافي الشامل (EDA) 5. إنشاء 7 رسوم بيانية احترافية 6. كتابة تقرير نهائي بالنتائج والتوصيات أبرز النتائج المستخلصة: - إجمالي المبيعات: 6.09 مليون دولار - هامش الربح الإجمالي: 19.68% - فئة الإلكترونيات تستحوذ على 42.7% من المبيعات - فئة الرياضة في المرتبة الثانية بنسبة 32.6% - الخصومات المرتفعة (20-25%) تقلل هامش الربح بشكل ملحوظ - شريحة Consumer هي الأعلى في حجم المبيعات التوصيات المقدمة للعميل: - التركيز على فئتي الإلكترونيات والرياضة في الحملات التسويقية - إعادة النظر في سياسة الخصومات المرتفعة - تطوير استراتيجية تسويقية مخصصة لكل منطقة جغرافية - الاستعداد لذروات المبيعات الموسمية بتخطيط مسبق للمخزون الأدوات والتقنيات المستخدمة: Python, Pandas, NumPy, Matplotlib, Seaborn, Jupyter Notebook التسليمات: - Jupyter Notebook موثق خطوة بخطوة - 7 رسوم بيانية احترافية (Bar, Pie, Line, Heatmap, Scatter) - ملف البيانات النظيف بصيغة CSV - تقرير نهائي بالرؤى والتوصيات - الكود الكامل متاح على GitHub