تحليل سلوك الشراء ونظام ذكاء الأعمال لمتجر إلكتروني دولي

قمت في هذا المشروع بإجراء تحليل معمق وشامل لمجموعة بيانات Online Retail UCI، وهي عبارة عن سجلات معاملات فعلية لمتجر إلكتروني عابر للحدود (Cross-border e-commerce). كان الهدف الأساسي هو تجاوز مجرد عرض الأرقام، والوصول إلى فهم دقيق لسلوك العملاء وتحديد الشريحة الأكثر ربحية باستخدام تقنيات تنقيب البيانات الحديثة. المهام والحلول التقنية المنفذة: 1. هندسة وتجهيز البيانات (Data Wrangling): تنظيف شامل للبيانات من القيم المفقودة والمتكررة. معالجة دقيقة للطلبات الملغاة (Cancellations) لضمان عدم تأثر النتائج المالية بالقيم السالبة. إعادة هيكلة بيانات الوقت والتاريخ لاستخراج أنماط الشراء الموسمية واليومية. 2. تحليل تقسيم العملاء (RFM Analysis): تم تطبيق نموذج Recency, Frequency, Monetary لتصنيف العملاء إلى شرائح نوعية (مثل: العملاء الأوفياء، العملاء المعرضين للفقدان، كبار المستثمرين). حساب النقاط (Scoring) لكل عميل بناءً على: Recency: تاريخ آخر عملية شراء. Frequency: معدل تكرار الشراء. Monetary: إجمالي الإنفاق المادي. 3. استخراج الرؤى التجارية (Business Insights): تحديد أفضل 10 منتجات مبيعاً والمساهمة في الربحية الإجمالية. تحليل التوزيع الجغرافي للمبيعات لتحديد أكثر الدول طلباً للمنتجات. تحديد أوقات الذروة (الأيام والساعات) التي تشهد أعلى حركة مبيعات لتحسين الحملات التسويقية. 4. التصور التفاعلي للبيانات (Data Visualization): استخدام تقنيات متقدمة لعرض البيانات تجعل من السهل على صاحب القرار فهم النتائج بلمحة سريعة. الأدوات والتقنيات المستخدمة: اللغة: Python. المكتبات الأساسية: Pandas للتلاعب بالبيانات، NumPy للعمليات الحسابية. التصور: Plotly (للمخططات التفاعلية) و Seaborn/Matplotlib. ملاحظة إضافية: هذا المشروع يعكس قدرتي على التعامل مع البيانات الضخمة والمعقدة، وتحويلها من سجلات صماء إلى "نظام ذكاء أعمال" يساعد الشركات في استهداف العملاء الصحيحين وزيادة العائد على الاستثمار (ROI).