Цель: анализ и работа с разрозненными данными для расчета ключевых метрик
Особенность входных данных состояла в том, что файлы для будущих датафреймов лежат разрозненно: в папке orders на каждую дату находится отдельная папка, внутри которой - папки отдельных менеджеров. В папке каждого менеджера находится по два csv-файла: orders.csv и order_status.csv. В папке products каждая под-папка посвящена одному виду аудиотехники, внутри каждой из этих папок - файл products.csv. Необходимо было собрать три датафрейма на основе этих данных.
Стэк: Pandas, Matplotlib, Seaborn, Numpy
Этапы работы:
- Сбор, очистка и предобработка данных
- Анализ общей динамики заказов и дней-аутлаеров
- Расчет ключевых метрик, построение графиков
- Составление отчета о работе менеджмента
Результаты:
- Собраны данные из разрозненных источников
- Проанализирована сезонность динамики заказов, обнаружены дни-аутлаеры, выдвинуты гипотезы о причинах такой динамики
- Найдены наиболее прибыльные бренды и те, которые зря занимают место на виртуальной «полке»
- Посчитаны ключевые метрики, составлен отчет для руководства