مسابقة لتحليل البيانات على LinkedIn: تحديد أعلى ٣ منتجات إجمالًا، وأعلى منتج في كل مدينة.

رحلة المشروع

1. نظرة عامة

   تحدي تحليل المبيعات، مسابقة مفتوحة على LinkedIn بمشاركة نحو ٣٠٠ متسابق. شاركت فيها منفردًا بدور المحلّل، فنظّفت البيانات بـPython وبنيت اللوحة بـPower BI انطلاقًا من ملف Excel خام واحد.

2. المشكلة

   طلب التحدي أعلى ٣ منتجات من حيث المبيعات والمنتج الأعلى في كل مدينة، مع مرئيات تدعم القرار فعليًا. والملف المُسلَّم لا يجيب عن ذلك كما هو، إذ كانت القيم الناقصة والتكرارات كامنة تحت كل رقم، فأي ترتيب يُقرأ منه مباشرة سيكون خاطئًا.

3. البحث والفهم

   فحصت الملف قبل أي قرار، فحصرت القيم الناقصة في كل عمود، وبحثت عن الصفوف المكرّرة، وقرأت التوزيعات لأعرف الحقول التي سيقوم عليها الترتيب فعلًا. هذه الجولة هي ما كشف أن البيانات غير جاهزة للتحليل.

4. الحل والعملية

   ثبّتُّ أربع خطوات، تنظيف ثم تهيئة ثم نمذجة ثم عرض، وأبقيتها منفصلة ليمكن ردّ كل إجابة إلى خطوتها. الطريق الأسرع كان فتح الملف الخام مباشرة في Power BI ورسمه، وقد استبعدته لأنه ينتج ترتيبًا واثقًا مبنيًا على صفوف غير نظيفة. واستبعدت كذلك كل رسم لا يجيب عن سطر في التحدي.

5. النتيجة

   لوحة Power BI تقرأ من مجموعة البيانات النظيفة، وفيها نظرة عامة على المبيعات، والمنتجات الثلاثة الأعلى، والمنتج الأعلى في كل مدينة. ويستعرضها التسجيل أدناه بالترتيب الذي يطرح به التحدي أسئلته.

6. الأثر

   كل أسئلة التحدي مُجابة في شاشة واحدة بين نحو ٣٠٠ مشاركة، والترتيب صامد لأن التنظيف خلفه موثّق لا مفترض.

7. الخلاصة والدروس

   تحت ضغط وقت المسابقة يميل المرء إلى الانتقال مباشرة إلى الرسم البياني، وقد أكّد هذا المشروع أن خطوة التنظيف هي ما تقوم عليه الإجابة كلها. وما كنت سأغيّره: تدوين جولة الفحص في ملاحظة قصيرة عن جودة البيانات بجانب اللوحة، ليرى القارئ سبب الثقة بالأرقام بدل أن يأخذها على كلامي.