1. نبذة عن المشروع:
مشروع تحليل بيانات متكامل (End-to-End) يهدف إلى:
• دمج بيانات مبيعات متفرقة من فروع متعددة في نموذج بيانات موحّد.
• استكشاف أنماط سلوك العملاء والعوامل المؤثرة في الربحية.
• الاعتماد على تحليل RFM (الحداثة، التكرار، القيمة المالية) لتصنيف العملاء.
• تحديد العملاء المعرّضين لخطر التوقف عن الشراء (Churn).
2. المشكلة (Business Problem):
كانت بيانات المبيعات موزعة على 6 ملفات منفصلة وغير مترابطة، تشمل:
1. العملاء.
2. المنتجات.
3. سنتين من المبيعات.
4. طرق الدفع.
5. العلامات التجارية.
6. الفروع.
دون وجود رؤية موحّدة تُحدد:
• مَن هم العملاء الأكثر ربحية فعليًا.
• مَن منهم مُعرّض لخطر التوقف عن التعامل مع المتجر.
3. مصادر البيانات:
• Customers.xlsx
o بيانات العملاء: الأسماء، العناوين، أرقام الهواتف، المدن.
• Products.xlsx
o بيانات المنتجات: الاسم، الفئة، السعر، العلامة التجارية
• Sales_2023.xlsx / Sales_2024.xlsx
o معاملات المبيعات: التاريخ، المنتج، العميل، الكمية، الإجمالي.
• PaymentMethods.xlsx
o طرق الدفع: نقدًا، بطاقة ائتمان، تحويل بنكي.
• Brands.xlsx
o بيانات العلامات التجارية المرتبطة بالمنتجات.
• Branches.xlsx
o بيانات الفروع: الاسم، الموقع، المدير.
4. أبرز النتائج
تم الوصول إلى مجموعة من النتائج الرئيسية:
1. 995 معاملة
o بقيمة إجمالية 974.7 ألف دولار.
o تم دمجها من جميع الفروع في نموذج بيانات واحد ونظيف.
2. من إجمالي 638 عميلًا:
o عاد للشراء مرة أخرى 269 عميلًا فقط (42%).
o 58% من قاعدة العملاء معرّضة لخطر التوقف.
3. أعلى 20% من العملاء (127 عميلًا):
o يُحققون 42% من إجمالي الإيرادات.
o وهو ما يكشف عن تركّز كبير للإيرادات في شريحة محدودة من العملاء.
5. الأدوات المستخدمة
• Power Query
o تنظيف البيانات.
o دمج البيانات.
o توحيد الصيغ.
• Power Pivot & DAX
o بناء نموذج البيانات.
o إنشاء المقاييس (Measures).
• Power BI
o تصنيف العملاء باستخدام تحليل RFM.
o استخدام:
Scatter Plot•
Treemap•
Advanced Charts•
6. آلية العمل:
تم تنفيذ المشروع من خلال مجموعة من المراحل:
1. دمج الملفات
o دمج الملفات الستة في نموذج بيانات واحد باستخدام Power Query.
2. توحيد بيانات المبيعات
o توحيد مبيعات عامي 2023 و2024 في جدول واحد.
3. تنظيف البيانات
o توحيد صيغ التواريخ.
o معالجة السجلات المكررة.
o معالجة السجلات الناقصة.
4. بناء العلاقات
o بناء العلاقات بين الجداول داخل Power Pivot:
العملاء ↔ المبيعات.
المنتجات ↔ المبيعات.
طرق الدفع ↔ المبيعات.
العلامات التجارية ↔ المنتجات.
الفروع ↔ المبيعات.
5. إنشاء المقاييس
o إنشاء مقاييس DAX لحساب:
إجمالي المبيعات.
عدد العملاء النشطين.
6. تحليل RFM
o بناء نموذج تصنيف RFM في Power BI.
o تصنيف العملاء حسب:
حداثة الشراء (Recency).
تكرار الشراء (Frequency).
القيمة المالية (Monetary).
7. التوصية:
إطلاق برنامج ولاء يستهدف العملاء الذين اشتروا مرة واحدة فقط، بهدف:
• تحويلهم إلى عملاء متكررين.
• تقليل خطر توقف العملاء عن الشراء.
• زيادة الاحتفاظ بالعملاء الحاليين.
وذلك بدلًا من الاعتماد فقط على جذب عملاء جدد، نظرًا لأن:
• جزءًا كبيرًا من الإيرادات مُركّز في شريحة صغيرة وعالية القيمة من العملاء.
• هناك نسبة كبيرة من العملاء لم تعد للشراء مرة أخرى.
