مشروع تحليل بيانات وتقسيم عملاء لمتجر إلكتروني بريطاني (UCI Online Retail Dataset)، يحتوي على حوالي 540 ألف عملية بيع على مدار سنة كاملة.

المرحلة الأولى: تحليل استكشافي (EDA) على مستوى المنتجات والعملاء والوقت والدول، استخرجت منه 10 insights عملية تخدم قرارات البيزنس (مواسم البيع، تركّز الإيرادات في نسبة صغيرة من العملاء، سلوك الإلغاء والاسترجاع، الفروقات بين الأسواق).

المرحلة الثانية: تقسيم العملاء بتقنية RFM (Recency, Frequency, Monetary)، شملت:
- تنظيف البيانات (قيم مفقودة، تكرار، فواتير ملغاة)
- هندسة خصائص RFM لكل عميل
- معالجة الالتواء بـ log transform وتوحيد المقياس
- تحديد عدد المجموعات الأمثل بـ Elbow Method و Silhouette Score
- تطبيق K-Means والتحقق منه بـ Hierarchical Clustering
- تصوير النتائج بـ PCA
- تسمية كل مجموعة باسم بيزنس واضح (VIP، عملاء دائمون، عملاء في خطر الفقدان) مع توصية عملية لكل فئة

المشروع مبني بـ Python (pandas, scikit-learn, matplotlib, seaborn) ويحاكي شغل الـ Data Analyst قبل الانتقال لبناء الموديل.