تحليل بيانات مبيعات الأدوية – Pharmaceutical Sales Data Analysis

يهدف هذا المشروع إلى تحليل بيانات مبيعات الأدوية باستخدام تحليل البيانات لاستخراج رؤى تساعد في فهم الأداء التجاري واتخاذ قرارات مبنية على البيانات بدلًا من التخمين. تم العمل على بيانات مبيعات حقيقية تحتوي على 1000 سجل بيع تشمل معلومات عن المنتجات، الشركات المصنعة، المناطق الجغرافية، القنوات البيعية، الإيرادات، والكميات المباعة. المشكلة الأساسية كانت وجود بيانات متاحة بدون رؤى واضحة، لذلك ركّز المشروع على تحويل البيانات الخام إلى معلومات قابلة للتنفيذ. أهداف المشروع تحليل أداء المبيعات والإيرادات تحديد أكثر المناطق والمنتجات تحقيقًا للربح معرفة هل الإيرادات تعتمد على الكمية أم التسعير اكتشاف الأنماط الزمنية والاتجاهات الموسمية دعم اتخاذ القرار من خلال التحليل المرئي الأدوات والتقنيات المستخدمة Python Pandas – NumPy Matplotlib – Seaborn Jupyter Notebook Data Analysis Workflow خطوات العمل فهم البيانات (Data Understanding) مراجعة هيكل البيانات ونوع الأعمدة تحديد البيانات الرقمية والتصنيفية فحص جودة البيانات (Data Quality Assessment) التأكد من عدم وجود قيم مفقودة فحص التكرار التحقق من منطقية القيم الرقمية تنظيف البيانات (Data Cleaning) إزالة رمز $ من الإيرادات تحويل تاريخ البيع إلى صيغة DateTime التأكد من صحة أنواع البيانات اكتشاف القيم الشاذة (Outliers Detection) استخدام IQR Method استخدام Z-score هندسة الخصائص (Feature Engineering) استخراج السنة والشهر من تاريخ البيع إنشاء مقياس Revenue per Unit تمكين التحليل الزمني وتحليل التسعير التحليل الاستكشافي (EDA) تحليل الإيرادات حسب المناطق تحديد الأدوية الأعلى مبيعًا مقارنة أداء الشركات المصنعة دراسة العلاقة بين الكمية والإيرادات التصور البياني (Data Visualization) تحليل اتجاهات الإيرادات الشهرية توزيع الإيرادات لكل عملية بيع مقارنة الإيرادات بين المناطق تحليل القنوات البيعية والعملاء مصفوفة الارتباط (Correlation Matrix)