Дашборды сети Walmart

Проект представляет собой аналитическую витрину и дашборды на основе исторических данных продаж Walmart.
Используется ClickHouse как высокопроизводительное хранилище и Streamlit для визуализации ключевых бизнес-метрик.

---

Цели проекта

• Построить аналитическую модель на основе исторических данных розничной сети.
• Сформировать аналитические витрины и SQL-запросы для анализа продаж.
• Реализовать интерактивные дашборды (Streamlit), доступные локально.
• Оценить влияние праздничных недель и внешних факторов на продажи.
• Построить рейтинг магазинов по выручке и средним продажам.

---

Структура проекта

walmart-dashboards/
│
├── app.py
├── README.md   
├── requirements.txt
├── config_example.yaml
├── .gitignore 
│
├── data/
│   └── Walmart_Sales.csv 
│
├── images/
│   ├── photo_2025-11-29_21-49-57.jpg
│   ├── photo_2025-11-29_21-50-03.jpg
│   ├── photo_2025-11-29_21-50-07.jpg
│   └── photo_2025-11-29_21-50-10.jpg
│
├── sql/
│   ├── create_tables.sql
│   ├── drop_tables.sql
│   ├── daily_sales.sql
│   ├── holiday_impact.sql 
│   ├── store_ranking.sql
│   └── external_factors.sql 
│
├── etl/
│   └── load_walmart_sales.py
│
└── dashboards/ 
    ├── product_health.md
    ├── holiday_impact.md
    ├── store_ranking.md
    └── external_factors.md

---

Используемый стек

Python, ClickHouse, SQL, Streamlit, WSL, pandas, numpy, matplotlib

---

Запуск проекта

1. Подготовка виртуального окружения

python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

2. Запуск ClickHouse

sudo service clickhouse-server start
clickhouse-client

3. Загрузка данных Walmart в ClickHouse

python etl/load_walmart_sales.py

4. Запуск Streamlit-дашборда

streamlit run app.py

Дашборды

1. Продажи по сети

2. Рейтинг магазинов

3. Праздничные недели

4. Внешние факторы