Przeprowadziłem kompleksową analizę zestawu danych Superstore, aby odkryć trendy sprzedaży, zachowania klientów i wnioski dotyczące wydajności produktów. Projekt obejmował czyszczenie danych, eksploracyjną analizę danych (EDA) oraz interaktywne wizualizacje wspierające podejmowanie decyzji opartych na danych.
Zrealizowane kluczowe zadania:
Oczyszczono i przygotowano surowe dane sprzedażowe do analizy przy użyciu Excela i Pythona (Pandas).
Przeprowadzono eksploracyjną analizę danych (EDA), aby zidentyfikować kluczowe wzorce w sprzedaży, zysku i segmentach klientów.
Zbudowano interaktywne pulpity nawigacyjne przy użyciu Power BI, aby zobrazować:
Sprzedaż według regionu, kategorii i podkategorii
Trendy zysku w czasie
Najlepiej sprzedające się produkty i przedmioty generujące straty
Wygenerowano użyteczne wnioski w celu optymalizacji strategii zarządzania zapasami i marketingu.
Użyte narzędzia: Excel, Python (Pandas, Matplotlib, Seaborn), Power BI
Zrealizowane kluczowe zadania:
Oczyszczono i przygotowano surowe dane sprzedażowe do analizy przy użyciu Excela i Pythona (Pandas).
Przeprowadzono eksploracyjną analizę danych (EDA), aby zidentyfikować kluczowe wzorce w sprzedaży, zysku i segmentach klientów.
Zbudowano interaktywne pulpity nawigacyjne przy użyciu Power BI, aby zobrazować:
Sprzedaż według regionu, kategorii i podkategorii
Trendy zysku w czasie
Najlepiej sprzedające się produkty i przedmioty generujące straty
Wygenerowano użyteczne wnioski w celu optymalizacji strategii zarządzania zapasami i marketingu.
Użyte narzędzia: Excel, Python (Pandas, Matplotlib, Seaborn), Power BI