🧭 نظرة عامة
يستكشف هذا المشروع بيانات نظام Ford GoBike، والتي تغطي بيانات رحلات فردية في منطقة خليج سان فرانسيسكو. يهدف المشروع إلى فهم كيف تؤثر خصائص المستخدمين على مدة الرحلات، وتوليد رؤى قابلة للتنفيذ لتحسين الكفاءة التشغيلية واستراتيجيات التسويق. تشمل المتغيرات الرئيسية:
نوع المستخدم (مشترك مقابل عميل)
جنس العضو (ذكر، أنثى، آخر)
المشاركة في برنامج "bike_share_for_all_trip"
🧱 مكونات المشروع
1. معالجة البيانات والاستكشاف الأولي:
تنظيف البيانات الخام وتحضيرها للتحليل.
2. التحليل الأحادي المتغير (Univariate Analysis):
دراسة التوزيعات مثل مدة الرحلات (باستخدام مقياس لوغاريتمي)، وأنواع المستخدمين، وجنس الأعضاء لفهم الخصائص الأساسية للبيانات.
3. التحليل متعدد المتغيرات (Multivariate Exploration):
تحليل العلاقة بين خصائص المستخدمين (بما في ذلك المشاركة في برنامج الخصم) ومدة الرحلات. أظهرت المقارنات البصرية أن العملاء يأخذون رحلات أطول من المشتركين، وأن غير المشاركين في البرنامج لديهم رحلات أطول في المتوسط.
4. التصوير البياني والرؤى:
مخططات ورسوم بيانية واضحة مدعومة بالبيانات تدعم التوصيات الاستراتيجية. تهدف النتائج إلى توجيه قرارات مثل تعديل توزيع الموظفين وتحسين قنوات الإعلانات على وسائل التواصل الاجتماعي.
🧪 الاستخدام
للاطلاع على المنهجية الكاملة، التصورات البيانية، والتوصيات الاستراتيجية، يُرجى الرجوع إلى الشرائح المرفقة. يمكن استخدام هذه الرؤى مباشرة لتوجيه إدارة الأسطول والمبادرات التسويقية المستهدفة.
⚙️ المتطلبات
Python 3.x
الحزم المطلوبة: pandas، matplotlib، seaborn (أو مكتبات مشابهة لتحليل البيانات والتصوير البياني)
مجموعة البيانات: بيانات رحلات Ford GoBike لمنطقة خليج سان فرانسيسكو الكبرى
