🛍️ Sales Data Analysis — 2019

Phân tích 185.950 giao dịch bán lẻ sản phẩm điện tử trong năm 2019, gộp từ 12 file CSV theo tháng. Project đi qua toàn bộ quy trình: gộp dữ liệu → làm sạch → phân tích → trực quan hoá → rút ra khuyến nghị kinh doanh.

Tổng doanh thu: $34.492.035,97

---

📁 Cấu trúc project

Sales-Analysis/
├── report.ipynb              # Notebook phân tích chính
├── README.md
├── requirements.txt
└── Data/
    ├── sales2019_1.csv       # 12 file dữ liệu gốc theo tháng
    ├── ...
    ├── sales2019_12.csv
    └── sales2019_all.csv     # File gộp — sinh ra khi chạy Task 1, không commit lên repo

Dữ liệu gốc gồm 6 cột: Order ID, Product, Quantity Ordered, Price Each, Order Date, Purchase Address.

---

⚙️ Tools & Libraries

• Python 3.11
• pandas — xử lý và làm sạch dữ liệu
• matplotlib — trực quan hoá
• glob / re — quét và sắp xếp file theo tháng
• itertools / collections — phân tích cặp sản phẩm mua kèm
• Jupyter Notebook — môi trường phân tích và trình bày

---

🧩 Quy trình

Task 1 — Import và gộp dữ liệu

• Quét 12 file Data/sales2019_1.csv … Data/sales2019_12.csv
• Sắp xếp theo số tháng bằng regex thay vì thứ tự alphabet (tránh 10 đứng trước 2)
• Gộp thành Data/sales2019_all.csv — 186.850 dòng

Task 2 — Làm sạch và tiền xử lý

• Loại 545 dòng trống và 355 dòng tiêu đề lặp lẫn vào giữa dữ liệu khi nối file → còn 185.950 dòng
• Ép kiểu: Quantity Ordered → int, Price Each → float64, Order Date → datetime
• Tạo cột phái sinh: Month, Hour, Sales = Quantity × Price, và City tách từ Purchase Address

Task 3 — Phân tích và trả lời câu hỏi nghiệp vụ

5 câu hỏi, mỗi câu kèm bảng số liệu và biểu đồ.

---

📈 Kết quả chính

#	Câu hỏi	Trả lời
1	Tháng bán tốt nhất	Tháng 12 — $4.613.443
2	Thành phố dẫn đầu	San Francisco (CA) — $8.262.204
3	Giờ chạy quảng cáo	10–11h và 18–19h
4	Combo phổ biến nhất	iPhone + Lightning Charging Cable — 1.011 lần
5	Sản phẩm bán chạy nhất	AAA Batteries (4-pack) — 31.017 chiếc

Chi tiết

Doanh thu theo tháng. Tháng 12 dẫn đầu nhờ mùa lễ, gấp hơn 2,5 lần tháng 1 — tháng thấp nhất ($1.822.257). Hai đỉnh phụ vào tháng 4 và tháng 10.

Doanh thu theo thành phố. San Francisco chiếm ~24% tổng doanh thu, cao hơn Los Angeles (hạng 2) khoảng 50%. Ba thành phố dẫn đầu đều là trung tâm công nghệ / tài chính lớn.

Khung giờ mua hàng. Phân bố có hình hai bướu rõ rệt: đỉnh trưa 11–13h và đỉnh tối 18–20h, trong đó 19h là giờ cao điểm nhất (12.905 đơn). Đáy rơi vào 02–05h (dưới 1.400 đơn/giờ). Nên đặt quảng cáo ngay trước hai đỉnh này.

Sản phẩm mua kèm. Toàn bộ top 10 đều theo mô-típ điện thoại + phụ kiện tương thích, và cáp sạc luôn khớp đúng chuẩn của máy (Lightning cho iPhone, USB-C cho Google/Vareebadd) — hành vi mua kèm bắt buộc, rất phù hợp để dựng gói bundle.

Sản phẩm bán chạy. Tương quan hạng giữa giá và số lượng bán là −0,78: giá càng rẻ bán càng nhiều. Nhưng bán chạy ≠ đóng góp doanh thu lớn — Macbook Pro Laptop chỉ bán 4.728 chiếc mà mang lại doanh thu cao nhất ($8,04 triệu), còn AAA Batteries bán gấp 6,5 lần nhưng doanh thu thấp nhất ($92.741).

---

📊 Biểu đồ trong notebook

• Doanh thu theo tháng (bar chart)
• Doanh thu theo thành phố (bar chart)
• Số đơn hàng và doanh thu theo giờ (2 line charts)
• Top 10 cặp sản phẩm mua kèm (horizontal bar chart)
• Số lượng bán vs. giá trung bình theo sản phẩm (dual-axis)

---

🚀 Cách chạy

git clone https://github.com/DatphamC/Sales-Analysis.git
cd Sales-Analysis

pip install -r requirements.txt

jupyter notebook report.ipynb

Notebook dùng đường dẫn tương đối, nên cần mở Jupyter ngay tại thư mục project. Chạy Run All là tái tạo được toàn bộ kết quả, kể cả file Data/sales2019_all.csv.

---

🔍 Một vài chi tiết kỹ thuật

Ba điểm dễ sai mà notebook xử lý riêng:

Glob pattern. Dùng sales2019_[0-9]*.csv thay vì sales2019_*.csv. Pattern thứ hai sẽ khớp luôn file kết quả sales2019_all.csv, khiến dữ liệu bị nhân đôi mỗi lần chạy lại.

Kiểu float. Giữ Price Each ở float64. Nếu downcast xuống float32 thì chỉ còn ~7 chữ số có nghĩa trong khi doanh thu cộng dồn lên tới 8 chữ số — giá 149.99 bị lưu thành 149.990005 và tổng bị lệch.

Trùng tên thành phố. Dataset có hai thành phố tên Portland (OR và ME). Nếu chỉ tách tên thành phố thì doanh thu hai nơi bị cộng gộp; notebook ghép thêm mã bang thành Portland (OR) — $1.870.732 và Portland (ME) — $449.758, hai thị trường có quy mô hoàn toàn khác nhau.

---

🧠 Hướng phát triển tiếp

• Phân tích theo doanh thu thay vì số lượng để xác định sản phẩm chủ lực thực sự
• Tính giá trị đơn hàng trung bình (AOV) theo thành phố
• Market basket analysis đầy đủ (support / confidence / lift) thay vì chỉ đếm tần suất cặp
• Xem xét yếu tố mùa vụ riêng cho từng nhóm sản phẩm

---

👤 Tác giả

Dat Pham — Data Analyst | Python, SQL, Excel GitHub