Pizza Sales Analysis

قمت بتصميم لوحة بيانات تفاعلية متقدمة لتحليل مبيعات البيتزا، بهدف مساعدة أصحاب القرار على فهم الأداء البيعي، واكتشاف الأنماط المهمة التي تؤثر على الطلبات والإيرادات. خطوات العمل: تحليل البيانات من المصدر باستخدام SQL لاستخراج مؤشرات الأداء والمقاييس الأساسية. تحميل النتائج وتنظيف البيانات باستخدام Power BI. تصميم لوحة تفاعلية غنية بالمؤشرات والرسوم البيانية. مكونات ومميزات اللوحة: مؤشرات الأداء الرئيسية (KPIs): Total Revenue: $817,860 Avg Order Value: $38.31 Total Pizzas Sold: 49,574 Total Orders: 21,350 Avg Pizzas per Order: 2.32 تحليلات زمنية: حسب اليوم (Daily Trend): أعلى الطلبات يوم الجمعة. حسب الساعة (Hourly Trend): ذروة الطلب بين 12-1 ظهرًا و5-8 مساءً. تحليلات حسب الفئة والحجم: فئة Chicken تساهم بأعلى الإيرادات. الحجم Large يمثل أعلى نسبة مبيعات (45.89%). أفضل وأسوأ المنتجات مبيعًا: الأفضل: Classic Deluxe, Barbecue Chicken الأسوأ: Mediterranean, Brie Carre Slicer زمني للتصفية حسب الأشهر (من مايو إلى أكتوبر 2015). الاستعلامات المستخدمة (SQL Highlights): قمت باستخدام استعلامات SQL لتحليل البيانات من قاعدة البيانات pizza_sales، ومن أهم الاستعلامات: Total Revenue: SELECT SUM(total_price) AS Total_Revenue FROM pizza_sales Avg Order Value: SELECT ROUND(SUM(total_price) / COUNT(DISTINCT order_id), 2) AS AVG_Order_Value FROM pizza_sales Daily Orders Trend: SELECT DATENAME(DW, order_date) AS Order_Day, COUNT(DISTINCT order_id) AS Total_Orders FROM pizza_sales GROUP BY DATENAME(DW, order_date) Top 5 Best Sellers: SELECT TOP(5) pizza_name, SUM(quantity) AS Total_Pizza_Sold FROM pizza_sales GROUP BY pizza_name ORDER BY SUM(quantity) DESC وغيرها من الاستعلامات المتعلقة بالفئات، الأحجام، وأسوأ المنتجات مبيعًا. ️ الأدوات المستخدمة: SQL Server Power BI Desktop DAX رسوم بيانية مخصصة (Pie, Bar, Line) Slicers وFilters تفاعلية الهدف من المشروع: تمكين أصحاب القرار من: معرفة سلوك العملاء حسب الوقت واليوم. تحديد المنتجات الرائجة والراكدة. تحليل الأداء البيعي بناءً على الحجم والفئة