تصميم عروض تقديميه بشكل احترافي

1. Data Information يحتوي هذا الجزء على نظرة عامة حول أعمدة البيانات الأساسية الموجودة في الجدول. يتضمن الجدول 18 عمودًا تمثل معلومات الطلبات، العملاء، المنتجات، والمبيعات. من أبرز الأعمدة: Order Date و Ship Date: تواريخ الطلب والشحن Customer ID و Customer Name: بيانات العملاء Product ID و Product Name: تفاصيل المنتجات Sales: قيمة المبيعات Postal Code: الرمز البريدي Region / State / City / Country: مواقع جغرافية > تمت ملاحظة أن عمود Postal Code تم تحويله إلى نوع string بدلًا من float، وذلك لتجنب فقدان الأصفار في البداية (leading zeros) والحفاظ على القيم الأصلية كما هي. --- 2. Data Description في هذا القسم تم تحليل البيانات رقميًا وفئويًا باستخدام دوال مثل describe() في بايثون. تم عرض إحصائيات وصفية للأعمدة الرقمية (مثل الحد الأدنى، المتوسط، والانحراف المعياري)، وكذلك تم استعراض الإحصاءات الفئوية للأعمدة النصية (مثل عدد الفئات المميزة وأشهر القيم). --- 3. Data Type Transformation أثناء تحليل أنواع البيانات، تم اكتشاف بعض المشكلات في أنواع الأعمدة: 🔹 Postal Code النوع الحالي: float المشكلة: الرموز البريدية ليست قيمًا رقمية فعلية (مثل 02139). الإجراء: تحويلها إلى string للحفاظ على الصيغة الأصلية. 🔹 Order Date و Ship Date النوع الحالي: object (نص) المشكلة: التواريخ المخزنة كنصوص لا يمكن استخدامها في التحليلات الزمنية أو الفترات. الإجراء: تحويلها إلى datetime لتمكين التحليل الزمني (مثل حساب مدة الشحن). 📌 النتيجة النهائية بعد التحويلات: Postal Code → string Order Date → datetime Ship Date → datetime --- 4. Missing Values Per Columns تم تنفيذ فحص للقيم المفقودة (Null Values) في كل عمود داخل الجدول. بعد مراجعة النتائج، تم اتخاذ القرار التالي: > ✅ الإجراء: استبدال القيم الفارغة بـ “Unknown” وذلك لتفادي حذف السجلات وضمان بقاء البيانات مكتملة وقابلة للتحليل. بهذه الطريقة يتم الاحتفاظ بكل السجلات في مجموعة البيانات دون فقد أي صفوف. --- 💡 Summary بشكل عام، تم تنفيذ الخطوات التالية ضمن مرحلة Data Cleaning & Preparation: 1. فحص هيكل البيانات وأنواع الأعمدة. 2. تحويل الأنواع الخاطئة (مثل الرموز البريدية والتواريخ). 3. معالجة القيم المفقودة بشكل يحافظ على اكتمال البيانات. 4. تجهيز الجدول بشكل مثالي لعمليات التحليل والاستكشاف اللاحقة.