اشتغلت على Data Analysis Project باستخدام Dataset من Kaggle (E-Commerce Olist)، وكان الهدف الأساسي إني أحول الداتا الخام إلى Insights واضحة تساعد في فهم سلوك العملاء والسوق.
بدأت المشروع باستخدام Python، واشتغلت على:
قراءة كل الجداول وفهم هيكل الداتا والعلاقات بينها
تنفيذ Data Cleaning & Preprocessing (التعامل مع القيم المفقودة، التواريخ، وتصحيح البيانات)
تجهيز جداول نظيفة وجاهزة للتحليل
وكمان استخدمت مكتبات زي:
Matplotlib و Seaborn علشان أعمل Visualizations توضح الأنماط والعلاقات في البيانات بشكل واضح وسهل الفهم
بعد كده عملت Merge بين الجداول المختلفة علشان أقدر أطلع Insights حقيقية عن البزنس.
ومن أهم الأسئلة اللي حاولت أجاوب عليها أثناء التحليل:
🟤 إيه أكتر Order Status متكرر؟
🟤 إيه Payment Type المستخدم أكتر في الطلبات المكتملة؟
🟤 التوزيع النسبي لوسائل الدفع المختلفة
🟤 أنهي State / City بيمثل السوق الأساسي؟
🟤 أنهي Product Categories عليها أكبر حجم طلبات ومراجعات؟
🟤 العلاقة بين Payment Value وكل من:
* Review Score
* Product Category
🟤 متوسط قيمة الدفع شهريًا
🟤 فترات النمو الأعلى بين 2017 و 2018
🟤 أقوى العلاقات (Correlation) بين المتغيرات الرقمية
بعد ما خلصت التحليل باستخدام Python، نقلت الشغل إلى SQL علشان:
أكتب Queries عملية شبه اللي بتتستخدم في بيئة العمل
أعمل Aggregations و Grouping
أطلع Metrics واضحة عن الطلبات، المدفوعات، والعملاء
وفي المرحلة الأخيرة:
استخدمت Power BI علشان أبني Dashboard تفاعلي:
ركزت فيه على أهم KPIs
واستخدمت Visualizations تساعد في تبسيط البيانات ودعم اتخاذ القرار
