طورت أداة متكاملة بلغة Python لمعالجة وتنظيف بيانات المبيعات "غير المنظمة" (Dirty Data)، وتحويلها من بيانات خام مليئة بالأخطاء إلى قاعدة بيانات احترافية جاهزة للتحليل المباشر في أنظمة الـ Business Intelligence.

ما قمت بتنفيذه تقنياً (What I Did):
1- معالجة التواريخ: بناء دالة توحد صيغ التواريخ المختلفة (نصية أو رقمية) إلى تنسيق ISO الموحد.
2- التصحيح الذكي: استخدام Regex لاكتشاف وتصحيح الأخطاء الإملائية في أسماء المنتجات آلياً.
3- تحويل النصوص لأرقام: تطوير وحدة لتحويل الأرقام المكتوبة نصاً (مثل "one") إلى قيم عددية مع معالجة القيم السالبة.
4- صحة البيانات: فلترة رسائل البريد الإلكتروني غير الصحيحة وتوحيد أسماء المدن والعملاء لضمان التناسق.
5- الأتمتة: دمج العمليات في سكربت واحد لتوليد ملف نهائي منظم تلقائياً.

الأدوات المستخدمة (Tools Used):
1- Python: اللغة الأساسية للمشروع.
2- Pandas: لإدارة وهيكلة جداول البيانات الضخمة.
3- Regex: لتنظيف النصوص ومعالجة الأنماط المعقدة.
4- NumPy: للتعامل مع القيم المفقودة والعمليات المنطقية.