prezentacja prac z analityki danych
Ta praca jest poświęcona analizie danych za pomocą SQL, Power BI i Pythona.
W pierwszej części za pomocą zapytań SQL przeprowadzane są różnorodne obliczenia dotyczące wynagrodzeń, struktury działów/departamentów oraz pracowników. Pokazane są różne sposoby filtrowania i grupowania danych, a także porównania wyników zapytań.
W drugiej części przedstawiono projekt analityczny w Power BI, który wykorzystuje dane przedsiębiorstwa produkcyjno-handlowego za okres styczeń-lipiec 2024 roku. Głównym celem jest analiza sprzedaży produktów, porównanie wyników według regionów, dystrybutorów, marek oraz kanałów sprzedaży, określenie rankingów punktów sprzedaży i stworzenie prognozy sprzedaży.
W trzeciej części przeprowadzono analizę zestawu danych produktów IKEA za pomocą Pythona. Dane zostały oczyszczone i przygotowane do analizy. Przeprowadzono porównanie mediany cen produktów sprzedawanych online i niesprzedawanych online oraz zbudowano odpowiednie wizualizacje itp. Określono również najlepszy model do prognozowania cen mebli.
W pierwszej części za pomocą zapytań SQL przeprowadzane są różnorodne obliczenia dotyczące wynagrodzeń, struktury działów/departamentów oraz pracowników. Pokazane są różne sposoby filtrowania i grupowania danych, a także porównania wyników zapytań.
W drugiej części przedstawiono projekt analityczny w Power BI, który wykorzystuje dane przedsiębiorstwa produkcyjno-handlowego za okres styczeń-lipiec 2024 roku. Głównym celem jest analiza sprzedaży produktów, porównanie wyników według regionów, dystrybutorów, marek oraz kanałów sprzedaży, określenie rankingów punktów sprzedaży i stworzenie prognozy sprzedaży.
W trzeciej części przeprowadzono analizę zestawu danych produktów IKEA za pomocą Pythona. Dane zostały oczyszczone i przygotowane do analizy. Przeprowadzono porównanie mediany cen produktów sprzedawanych online i niesprzedawanych online oraz zbudowano odpowiednie wizualizacje itp. Określono również najlepszy model do prognozowania cen mebli.