توقُّع المبيعات وتنبؤ الطلب

في هذا المشروع، عملنا على تحليل بيانات Rossmann باستخدام خطوات دقيقة ومنهجية. بدأنا بعملية تنظيف شاملة للبيانات (Data Cleaning) لضمان جودتها، ثم قمنا بعمل تصور بصري (Data Visualization) لفهم العلاقات بين عناصر المبيعات المختلفة، وتحديد: متى تكون المبيعات مرتفعة أو منخفضة، أي الفروع تحقق أعلى مبيعات وأيها الأقل، والفترات الزمنية التي تؤثر على أداء كل متجر. بعد التحليل، بنينا نموذج ذكاء اصطناعي باستخدام خوارزمية Gradient Boosting (GBoost) للتنبؤ بالمبيعات. قمنا بتحسين أداء النموذج من خلال ضبط الهايبر باراميترز (Hyperparameter Tuning) مما ساعدنا على تقليل نسبة الخطأ بشكل ملحوظ. وفي النهاية، قمنا بعمل نشر للنموذج (Deployment) داخل لوحة تحكم تفاعلية (Dashboard) سهلة الاستخدام، تُمكّنك كمبتدئ أو مهتم بتعلم تحليل البيانات من استكشاف النتائج بسهولة ويسر.