لوحة تحكم تفاعلية لتحليل مبيعات السيارات (Python & Power BI)

في هذا المشروع، قمت بتحليل شامل لمجموعة بيانات ضخمة تحتوي على أكثر من 23,000 سجل مبيعات، بهدف تقديم رؤى تحليلية (Data-Driven Insights) تساعد أصحاب القرار على فهم أداء السوق، تحديد الفئات الأكثر ربحية، وتحسين إدارة المخزون بناءً على اتجاهات البيع الحقيقية. 1. مرحلة تحليل ومعالجة البيانات (Python EDA): - قمت بإجراء تحليل إحصائي استكشافي عميق باستخدام مكتبات Pandas, NumPy, Seaborn, Matplotlib، وشملت هذه المرحلة: - تنظيف البيانات: التعامل مع القيم المفقودة (Nulls) وإزالة السجلات المكررة لضمان دقة التحليل. - تحليل التوزيع (Distribution): اكتشفت أن البيانات تنحرف لليمين (Right Skewed)، مما يعني تركيز السوق على الفئات المتوسطة والاقتصادية. - كشف القيم الشاذة (Outliers): من خلال الـ Box plot، حددت أن سقف السوق المنطقي هو 58,000$، وأن 99% من العملاء يشترون سيارات تتراوح أسعارها بين 1,200$ و 58,000$. - تحليل الارتباط (Correlation): أثبت التحليل عبر الـ Scatter plot عدم وجود ارتباط مباشر بين الدخل السنوي للعميل وسعر السيارة، مما يغير استراتيجية استهداف العملاء لتعتمد على التفضيلات الشخصية والاحتياج وليس الدخل فقط. 2. لوحة التحكم التفاعلية (Power BI Dashboard): صممت Dashboard احترافية توفر رؤية شاملة وتفاعلية للأداء، وتتضمن: - الأداء المالي والنمو: مراقبة إجمالي المبيعات (309 مليون دولار) وتحقيق نمو سنوي بمعدل 2,000 سيارة (زيادة بقيمة 71 مليون دولار عن العام السابق). - تحليل المبيعات والشركات: رصد أعلى 10 شركات مبيعاً (مثل Chevrolet و Dodge) والتأكد من توزع المبيعات بشكل يقلل مخاطر الاعتماد على مورد واحد. - التوزيع الجغرافي: استخدام الـ Tree Map لتوضيح توزيع المبيعات على جميع المعارض والمناطق (مثل Austin و Janesville) لضمان توازن الأداء الجغرافي. - سلوك المستهلك: اكتشاف أن مبيعات الرجال تمثل 3 أضعاف مبيعات النساء، وأن اللون Pale White هو الأكثر طلباً على الإطلاق. 3. أهم النتائج والتوصيات الاستراتيجية (Insights): - تحسين المخزون: ضرورة التركيز على الفئة السعرية المتوسطة (10K - 25K) بمتوسط سعر 18K، كونها الفئة الأكثر طلباً. - التخطيط الموسمي: رصد طفرة في المبيعات خلال آخر 3 أشهر من السنة، مما يستوجب رفع مستويات المخزون وتكثيف الحملات التسويقية في هذا الربع. - إدارة الأزمات: تحديد هبوط حاد في مبيعات بداية عام 2023، مما يستدعي مراجعة الأسباب التشغيلية أو السوقية لتفادي تكراره. الأدوات المستخدمة: Python (Data Cleaning & Statistical Analysis). Power BI (Data Visualization & DAX). Excel (Data Source).