Analiza zestawu danych: "Actual transactions from UK retailer"

📌 Temat

Analiza i wizualizacja danych w Pythonie

📅 Data publikacji

7 lutego 2025

👤 Autor

Aleksy Zakrzewski

📖 Opis analizy

Celem projektu jest analiza wzorców sprzedaży oraz identyfikacja istotnych insightów biznesowych. Projekt obejmuje eksplorację danych, czyszczenie, analizę wartości odstających oraz predykcję wartości zakupów na podstawie danych historycznych.

📂 Źródło danych

Zestaw danych zawiera rzeczywiste transakcje brytyjskiego sprzedawcy e-commerce, obejmujące szczegółowe informacje o zakupach, takie jak produkty, ceny, ilości oraz dane klientów.

🔍 Główne etapy analizy

• Eksploracyjna analiza danych (EDA): podstawowe statystyki, analiza wartości odstających.
• Transformacja danych: konwersja dat na cechy numeryczne (miesiące, dni tygodnia, dni robocze/weekendy).
• Modele predykcyjne: regresja liniowa oraz Random Forest do przewidywania wartości zakupów.
• Segmentacja klientów: analiza RFM oraz klasteryzacja K-Means.
• Wizualizacje: zależności między zmiennymi, analiza sezonowości i zachowań klientów.

🚀 Technologie

• Język: Python
• Biblioteki: Pandas, NumPy, Matplotlib, Seaborn, Scikit-learn

📊 Wyniki

• Random Forest osiągnął R² = 0.99, co oznacza wysoką skuteczność modelu predykcyjnego.
• Segmentacja klientów metodą K-Means umożliwiła identyfikację kluczowych grup klientów.
• Identyfikacja anomalii i wartości odstających pozwoliła na poprawę jakości danych i wyników modeli.

---

📌 Repozytorium zawiera kod źródłowy oraz szczegółowe wyniki analizy.