1. نبذة عن المشروع
مشروع تحليل بيانات متكامل لدراسة أداء 150 فرعًا لشركة ناشئة، بهدف الإجابة على سؤال استراتيجي واحد: أي الأسواق تستحق الاستثمار فعلًا؟ باستخدام Python لاستكشاف العلاقات بين الإنفاق التسويقي والإيرادات والعائد على الاستثمار، وPower BI لتحويل النتائج إلى قرارات استثمارية واضحة عبر لوحة تحكم تفاعلية.
2. مشكلة العمل
كانت قرارات التوسع تُتخذ اعتمادًا على الحدس أو الموقع الجغرافي، دون معيار موضوعي يربط بين الإنفاق والعائد الفعلي. المشروع استبدل هذا الحدس ببيانات دقيقة تكشف أين يستحق رأس المال أن يذهب.
3. أهم النتائج
الإنفاق التسويقي وحده لا يصنع نجاحًا: علاقته بالعائد على الاستثمار شبه معدومة (-0.23)، وبالإيرادات ضعيفة جدًا (0.09) — أي أن ضخ ميزانية أكبر لا يضمن عائدًا أفضل.
الإيرادات هي المؤشر الحقيقي: ارتباط قوي جدًا بالعائد على الاستثمار (0.94)، ما يوجّه التركيز نحو كفاءة تحقيق الإيرادات لا حجم الإنفاق.
نموذج التوسع الجديد أثبت كفاءته: الفروع الجديدة حققت متوسط عائد (ROMS) 14.86% مقابل 12.59% للفروع القائمة.
أسواق واعدة محددة بدقة: نيويورك وميشيغان وأريزونا تصدّرت الأداء بعائد تراوح بين 16% و18%.
فرصة ضائعة في كاليفورنيا: رغم امتلاكها أكبر عدد فروع، بقي أداؤها أقل من 12% — أي أن جزءًا كبيرًا من رأس المال متركز في سوق لا يحقق أفضل عائد.
4. الأدوات المستخدمة
Python (Pandas, NumPy, Matplotlib, Jupyter Notebook) لتنظيف البيانات وتحليل الارتباطات، وPower BI مع DAX لبناء لوحة معلومات تفاعلية تقارن أداء الفروع والأسواق.
5. منهجية العمل
اتُّبعت منهجية تحليلية من 5 مراحل: Define → Clean → Analyze → Evaluate → Decide، بدءًا من تحديد سؤال العمل، مرورًا بتنظيف البيانات وتحليل الارتباطات، وصولًا لبناء مقاييس DAX ومقارنات مباشرة بين الفروع، وانتهاءً بتوصيات استثمارية جاهزة للتنفيذ.
6. التوصيات
توجيه الاستثمارات المستقبلية نحو الأسواق عالية الأداء (نيويورك، ميشيغان، أريزونا).
مراجعة وإعادة هيكلة الفروع التي يقل عائدها عن 5%.
التوقف عن زيادة الميزانية التسويقية كحل تلقائي للفروع ضعيفة الأداء.
جعل كفاءة الإيرادات — لا حجم الإنفاق — المعيار الأساسي لتقييم فرص التوسع.
7. عرض المشروع
لوحة تحكم تفاعلية على Power BI، وتحليل كامل عبر Python / Jupyter Notebook.
