Proje Açıklaması
Perakende mağaza performans analizi, mağazaların satışlarını, müşteri memnuniyetini ve operasyonel verimliliğini değerlendirmek için kritik bir öneme sahiptir. Bu projede, satış verileri, müşteri verileri, mağaza bilgileri ve envanter verilerini analiz ederek mağaza performansını, müşteri davranışlarını ve envanter yönetimini değerlendireceğiz. Amacımız, mağaza yöneticilerine ve perakende analistlerine mağaza performansını iyileştirmede ve stratejik kararlar almada yardımcı olmaktır.
Proje Kullanım Alanları
Bu proje, perakende mağaza yöneticileri, perakende analistleri ve veri bilimciler için çeşitli kullanım alanlarına sahiptir:
Satış Performansı Analizi: Satış verilerini analiz ederek performansı iyileştirme ve satış trendlerini belirleme.
Müşteri Davranışı: Müşteri verilerini analiz ederek müşteri davranışlarını ve sadakatini değerlendirme.
Envanter Yönetimi: Envanter verilerini analiz ederek stok seviyelerini ve yeniden sipariş ihtiyaçlarını yönetme.
Mağaza Verimliliği: Mağaza bilgilerini analiz ederek operasyonel verimliliği artırma.
Stratejik Kararlar: Veri analizlerini kullanarak, mağaza yönetim stratejileri geliştirme ve iyileştirme.
Veriseti Açıklaması
Bu projede kullanılacak veri seti, perakende mağaza performansını değerlendirmek için gereken verileri içermektedir. Veri seti, toplamda dört ana dosyadan oluşmaktadır:
Satış Verileri (sales_data)
SalesID: Satış kimliği
StoreID: Mağaza kimliği
ProductID: Ürün kimliği
CustomerID: Müşteri kimliği
SalesDate: Satış tarihi
SalesAmount: Satış tutarı
Quantity: Satılan miktar
Müşteri Verileri (customer_data)
CustomerID: Müşteri kimliği
CustomerName: Müşteri adı
Age: YaşGender: Cinsiyet
City: Şehir
LoyaltyScore: Sadakat puanı
Mağaza Bilgileri (store_data)
StoreID: Mağaza kimliği
StoreName: Mağaza adı
Location: Konum
SquareFeet: Mağaza alanı (ft²)
Manager: Mağaza yöneticisi
Envanter Verileri (inventory_data)
InventoryID: Envanter kimliği
StoreID: Mağaza kimliği
ProductID: Ürün kimliği
StockLevel: Stok seviyesi
ReorderLevel: Yeniden sipariş seviyesi
Bu veri setinde, eksik veriler, aykırı veriler ve yanlış veri tipi gibi çeşitli kirli veri sorunları bulunmaktadır. Bu, gerçek hayatta sıkça karşılaşılan veri temizleme ve işleme süreçlerini deneyimlemek için ideal bir veri setidir.
Öğrenci Faydaları
Bu proje, öğrenciler için birçok fayda sağlamaktadır:
Veri Manipülasyonu: Öğrenciler, veri setlerini inceleme, temizleme ve analiz etme becerilerini geliştirirler.
Pandas Kullanımı: Pandas kütüphanesinin veri işleme ve analiz yöntemlerini etkin bir şekilde kullanmayı öğrenirler.
Veri Temizleme: Eksik veriler, aykırı veriler ve yanlış veri tiplerini temizleme becerileri kazanırlar.
İş Zekası: Veri setlerini analiz ederek, mağaza performansını ve müşteri davranışlarını değerlendirme ve stratejik kararlar alabilme yeteneklerini geliştirirler.
Raporlama: Analiz sonuçlarını etkili bir şekilde raporlama ve sunma becerileri kazandırır.
Gerçek Hayat Uygulamaları: Gerçek hayatta karşılaşılan veri sorunları ve analiz süreçleri hakkında pratik bilgi sağlar.
Comments