رسالة رئيس النمو تنتظر منذ الدرس 1.1: “كان إيراد الربع الرابع من 2025 أعلى بكثير من أي ربع قبله. هل السبب الجمعة السوداء، أم عملاء أكثر، أم سلال أكبر، أم خطأ في البيانات؟ أحتاج إجابة أستطيع تكرارها أمام مجلس الإدارة.” يعمل هذا الدرس على الإجابة كما كنت ستفعل في العمل: عرّف، وافحص، وفكّك، واختبر التفسيرات، واستنتج. كل خطوة تستخدم أداة تعرفها مسبقًا.
\nالمقياس هو تعريف الإيراد في الدورة من الدرس 4.2: إيراد البنود بعد الخصومات، دون الشحن ودون الطلبات الملغاة. ابنِ صفًا لكل طلب، وأكّد بـ assert الحقائق التي يعتمد عليها التحليل قبل أن تثق برقم واحد:
\nimport pandas as pd\n\nitems = pd.read_csv(\"order_items.csv\")\norders = pd.read_csv(\"orders.csv\", parse_dates=[\"order_date\"])\nitems[\"revenue\"] = items[\"quantity\"] * items[\"unit_price\"] * (1 - items[\"discount\"])\nper_order = items.groupby(\"order_id\", as_index=False)[\"revenue\"].sum()\ndf = orders.merge(per_order, on=\"order_id\", how=\"left\", validate=\"one_to_one\")\n\nassert df[\"order_id\"].is_unique\nassert df[\"revenue\"].notna().all(), \"an order has no items\"\ndf = df[df[\"status\"] != \"cancelled\"].copy()\ndf[\"quarter\"] = df[\"order_date\"].dt.to_period(\"Q\")\n\nprint(df.groupby(\"quarter\")[\"revenue\"].sum().round(0))\nprint(df.loc[df[\"quarter\"] == \"2025Q4\", \"status\"].value_counts())انتقل الإيراد من 80,523 دولارًا في الربع الثالث من 2025 إلى 146,825 في الربع الرابع، بزيادة 82%. لا مكرّرات، ولا طلبات بلا بنود. ويظهر تحفّظ واحد فورًا: 63 طلبًا من الربع الرابع قيمتها 11,321 دولارًا، أي نحو 8% من الربع، ما زالت processing أو shipped. إنها تُحسب إيرادًا بحسب التعريف، لكن بعضها قد يُلغى. سجّل ذلك الآن؛ فمكانه في الإجابة النهائية.
الإيراد هو الطلبات مضروبة في متوسط قيمة الطلب (AOV)، والطلبات هي العملاء النشطون مضروبين في الطلبات لكل عميل. حساب كل عامل يُظهر أيّها تحرّك:
\nimport pandas as pd\n\nitems = pd.read_csv(\"order_items.csv\")\norders = pd.read_csv(\"orders.csv\", parse_dates=[\"order_date\"])\nitems[\"revenue\"] = items[\"quantity\"] * items[\"unit_price\"] * (1 - items[\"discount\"])\ndf = orders.merge(items.groupby(\"order_id\", as_index=False)[\"revenue\"].sum(), on=\"order_id\", validate=\"one_to_one\")\ndf = df[df[\"status\"] != \"cancelled\"].copy()\ndf[\"quarter\"] = df[\"order_date\"].dt.to_period(\"Q\")\n\nq = df.groupby(\"quarter\").agg(\n revenue=(\"revenue\", \"sum\"),\n orders=(\"order_id\", \"count\"),\n customers=(\"customer_id\", \"nunique\"),\n)\nq[\"aov\"] = q[\"revenue\"] / q[\"orders\"]\nq[\"orders_per_customer\"] = q[\"orders\"] / q[\"customers\"]\nprint(q.round(2).tail(5))\nprint((q.loc[\"2025Q4\"] / q.loc[\"2025Q3\"] - 1).round(3))أمر الطباعة الثاني هو التفكيك في سطر واحد. ارتفعت الطلبات 98% بينما انخفض متوسط قيمة الطلب 8%: كان الربع الرابع مسألة حجم مبيعات لا سلال أكبر، وهذا يطابق الوسيطات التي رأيتها في الدرس 5.1. وجاءت الطلبات الإضافية من الاتجاهين: عملاء نشطون أكثر بنسبة 54%، وكل منهم طلب أكثر (2.28 طلب لكل عميل مقابل 1.77).
\nالقفزة لا تكون مفاجئة إلا مقارنةً بما يحدث عادةً. وقد أظهر الدرس 4.4 بالفعل المقارنة المهمة:
\n| \n | النمو من الربع الثالث إلى الرابع | \nالنمو السنوي في الربع الرابع | \n
|---|---|---|
| 2024 | \n+73% | \n(لا بيانات لعام 2023) | \n
| 2025 | \n+82% | \n+180% | \n
كان الربع الرابع أعلى بنسبة 73% من الثالث في 2024 أيضًا، وكان نوفمبر أكبر شهر في السنتين. ارتفاع 2025 من الربع الثالث إلى الرابع أقوى بعض الشيء فقط من الدفعة الموسمية المعتادة، ونمو الربع الرابع بنسبة 180% على العام السابق يقع ضمن نطاق أرباع 2025 الأخرى (من 145% إلى 200%). وتبدأ رسالة مجلس الإدارة بالتشكّل: العمل نما إلى نحو ثلاثة أضعاف حجمه سنة مقابل سنة (إذ بلغ إيراد 2025 نحو 2.7 ضعف إيراد 2024)، والربع الرابع هو ذلك العمل الأكبر وهو يبلغ ذروة موسم الأعياد المعتادة.
\nكل تفسير يحصل على رقم محدّد:
\nimport pandas as pd\n\nitems = pd.read_csv(\"order_items.csv\")\norders = pd.read_csv(\"orders.csv\", parse_dates=[\"order_date\"])\nitems[\"revenue\"] = items[\"quantity\"] * items[\"unit_price\"] * (1 - items[\"discount\"])\ndf = orders.merge(items.groupby(\"order_id\", as_index=False)[\"revenue\"].sum(), on=\"order_id\", validate=\"one_to_one\")\ndf = df[df[\"status\"] != \"cancelled\"].copy()\ndf[\"quarter\"] = df[\"order_date\"].dt.to_period(\"Q\")\n\nfirst_q = df.groupby(\"customer_id\")[\"order_date\"].min().dt.to_period(\"Q\").rename(\"first_quarter\")\ndf = df.merge(first_q, on=\"customer_id\", validate=\"many_to_one\")\ndf[\"customer_type\"] = (df[\"quarter\"] == df[\"first_quarter\"]).map({True: \"new\", False: \"returning\"})\n\nq4 = df[df[\"quarter\"] == \"2025Q4\"]\ntotal = q4[\"revenue\"].sum()\nprint(q4.groupby(\"customer_type\")[\"revenue\"].sum().div(total).round(3))\nbf = q4[\"coupon_code\"] == \"BLACKFRIDAY25\"\nprint(\"Black Friday coupon orders:\", bf.sum(), \"| share of Q4 revenue:\", round(q4.loc[bf, \"revenue\"].sum() / total, 3))\nprint(q4.groupby(q4[\"order_date\"].dt.month)[\"revenue\"].sum().round(0))الجمعة السوداء؟ استُخدم الكوبون BLACKFRIDAY25 في 69 طلبًا من الربع الرابع، جلبت 8.4% من إيراد الربع. كان نوفمبر ضخمًا، 75,334 دولارًا، لكن معظمه جاء من طلبات بلا ذلك الكوبون. ساعدت الجمعة السوداء، لكنها لا تفسّر القفزة. عملاء جدد؟ العملاء الذين قدّموا أول طلب لهم جلبوا 36% من إيراد الربع الرابع، بينما جاء 64% من عملاء عائدين، وهؤلاء أيضًا مصدر ثلثي الزيادة البالغة 66,302 دولار على الربع الثالث. القفزة تقوم في معظمها على قاعدة عملاء قائمة ظلّت تنمو وتعود. سلال أكبر؟ استُبعد هذا في الخطوة 2. زيادة الأسعار؟ دخلت الزيادة بنسبة 5% حيّز التنفيذ في مارس 2025، فهي ترفع الربعين الثالث والرابع بالتساوي ولا تفسّر شيئًا من التغيّر بينهما. خطأ في البيانات؟ لم تجد فحوص الخطوة 1 مكرّرات ولا طلبات يتيمة؛ والخطر الوحيد المفتوح هو الـ 8% التي لم تُسلَّم بعد.
لا يكتمل التحليل إلا حين يستطيع شخص آخر تكراره في اجتماع. ابدأ بالاستنتاج، وقدّم الأدلة بالأرقام، واختم بالتحفّظات:
\n\n\n\nكان إيراد الربع الرابع من 2025 (146,825 دولارًا، بزيادة 82% على الربع الثالث) في الأساس ذروة موسم الأعياد المعتادة لدى Cartwheel، لعمل بلغ حجمه 2.7 ضعف ما كان عليه قبل سنة. جاء الارتفاع من حجم الطلبات (زيادة 98%)، لا من حجم الطلب (انخفض متوسط قيمة الطلب 8%)، مع عملاء نشطين أكثر بنسبة 54% طلبوا بوتيرة أعلى. وكان الربع الرابع أعلى بنسبة 73% من الثالث في 2024 أيضًا. أنتج العملاء العائدون 64% من إيراد الربع الرابع؛ وأنتجت طلبات كوبون الجمعة السوداء 8.4%. التحفّظات: 8% من إيراد الربع الرابع من طلبات لم تُسلَّم بعد، وانخفاض قيمة الطلب جزء منه ثمن خصومات الربع الرابع، التي زادت على ثلاثة أضعاف مقارنةً بالربع الثالث (5,581 دولارًا مقابل 1,615).
\n
في التمرين تعيد بناء التفكيك بالكود. والدرس الأخير يحوّل هذا التحليل إلى شيء تستطيع إعادة تشغيله في الربع القادم دون أن تبدأ من الصفر.
\n","toc":[{"id":"sec-1","text":"الخطوة 1: عرّف المقياس وافحص البيانات","level":2},{"id":"sec-2","text":"الخطوة 2: فكّك التغيّر","level":2},{"id":"sec-3","text":"الخطوة 3: ضعه بجانب العام الماضي","level":2},{"id":"sec-4","text":"الخطوة 4: اختبر التفسيرات الشائعة","level":2},{"id":"sec-5","text":"الخطوة 5: اكتب الإجابة","level":2}],"takeaways":["ابدأ سؤال العمل بكتابة المقياس وتعريفه الدقيق، ثم افحص البيانات التي تغذّيه قبل أي تحليل.","فكّك المجموع إلى محرّكاته (الإيراد = الطلبات × متوسط قيمة الطلب؛ والطلبات = العملاء × الطلبات لكل عميل) لترى أيّها تحرّك.","قارن بالفترة نفسها من العام الماضي وبالنمط الموسمي، كي لا تظنّ ذروة طبيعية اختراقًا.","اختبر كل تفسير شائع برقم محدّد، وقل كم من التغيّر يستطيع تفسيره وكم لا يستطيع.","الإجابة المكتملة استنتاج قصير، والأدلة التي خلفه، والتحفّظات التي قد تغيّره."],"further":[{"title":"Group by: split-apply-combine","url":"https://pandas.pydata.org/docs/user_guide/groupby.html"},{"title":"Time series / date functionality","url":"https://pandas.pydata.org/docs/user_guide/timeseries.html"}],"quiz":[{"q":"ارتفع إيراد الربع الرابع بنسبة 82% على الثالث، بينما ارتفعت الطلبات 98% وانخفض متوسط قيمة الطلب 8%. ما الذي قاد الزيادة؟
","options":[{"text":"سلال أكبر، لأن الإيراد نما","why":"انخفض متوسط قيمة الطلب، فصارت السلال أصغر قليلًا. نما الإيراد رغم ذلك لا بسببه."},{"text":"عدد الطلبات، الذي نما أسرع من الإيراد نفسه","why":"صحيح. الإيراد = الطلبات × متوسط قيمة الطلب. تضاعف الطلبات تقريبًا مع قيمة طلب أقل قليلًا يعطي ارتفاعًا بنسبة 82%."},{"text":"زيادات الأسعار","why":"حدثت زيادة الأسعار بنسبة 5% في مارس 2025، وتنطبق على الربعين الثالث والرابع بالتساوي، فلا تستطيع تفسير النمو بينهما."},{"text":"يستحيل الحكم دون رسم بياني.","why":"التفكيك يجيب رقميًا؛ والرسم البياني سيُظهر الشيء نفسه."}],"answer":1},{"q":"كان الربع الرابع من 2024 أيضًا أعلى بنسبة 73% من الربع الثالث من 2024. لماذا يهم ذلك في قصة الربع الرابع من 2025؟
","options":[{"text":"لا يهم؛ 2024 بيانات قديمة.","why":"العام السابق هو أفضل خط أساس لعمل موسمي؛ وتجاهله هو ما يحوّل الذروات الطبيعية إلى عناوين زائفة."},{"text":"يثبت أن أرقام 2025 خاطئة.","why":"نمط متشابه في السنتين يدعم بيانات 2025 بدلًا من أن يشكّك فيها."},{"text":"يبيّن أن بيانات 2024 مكرّرة في 2025.","why":"المستويات مختلفة جدًا (52,537 مقابل 146,825)؛ وحده الشكل الموسمي يتكرّر."},{"text":"معظم القفزة من الربع الثالث إلى الرابع نمط موسمي يحدث كل عام، فقفزة 2025 أكبر من المعتاد بقليل فقط.","why":"صحيح. ارتفاع بنسبة 82% مقابل ارتفاع معتاد قدره نحو 73% مفاجأة متواضعة فوق ذروة متوقّعة."}],"answer":3},{"q":"63 طلبًا من الربع الرابع قيمتها 11,321 دولارًا ما زالت processing أو shipped في نهاية البيانات. كيف يجب أن يتعامل التقرير معها؟
في df صف لكل طلب غير ملغى، مع revenue وcustomer_id وcoupon_code وفترة quarter. ابنِ q، صفًا لكل ربع، بالأعمدة revenue (المجموع) وorders (العدد) وcustomers (العملاء المختلفون) وaov (الإيراد ÷ الطلبات). ثم احسب نمو الإيراد والطلبات ومتوسط قيمة الطلب من الربع الثالث إلى الرابع من 2025 ككسور (revenue_growth وorders_growth وaov_growth)، وحصة إيراد الربع الرابع من 2025 التي جاءت من طلبات BLACKFRIDAY25 (bf_share)، ونمو الإيراد من الربع الثالث إلى الرابع في 2024 (growth_2024). قرّب كل رقم من هذه الأرقام الخمسة إلى 3 منازل عشرية.
df.groupby("quarter").agg(revenue=("revenue", "sum"), orders=("order_id", "count"), customers=("customer_id", "nunique"))، ثم أضِف aov كعمود.","صفوف q مسمّاة بالفترات؛ وq.loc["2025Q4"] / q.loc["2025Q3"] - 1 تعطي نمو كل الأعمدة دفعة واحدة.","لحصة الكوبون، صفِّ الربع الرابع من 2025 أولًا، ثم اقسم إيراد طلبات الكوبون على كل إيراد الربع الرابع."],"explanation":"قسمة صف من q على صف آخر تحسب كل معدّلات النمو في خطوة واحدة، لأن للصفين الأعمدة نفسها. الإيراد +82.3% = الطلبات +98.1% مع متوسط قيمة الطلب −8.0% (1.981 × 0.920 ≈ 1.823): التفكيك دقيق تمامًا، ولهذا هو خطوة أولى بهذه القوة. كانت طلبات كوبون الجمعة السوداء 8.4% من إيراد الربع الرابع، ويبيّن خط الأساس في 2024 أن الربع الرابع كان في العام السابق أيضًا أعلى بنحو 73% من الثالث. معًا تدعم هذه الأرقام استنتاج الدرس: ذروة موسمية طبيعية لعمل أكبر بكثير، يقودها حجم الطلبات.
q 8 أرباع مع revenue و orders و customers و aov","q4-row":"يعرض الربع الرابع من 2025 ما مجموعه 642 طلبًا و282 عميلًا ومتوسط قيمة طلب قدره 228.70","growth":"نما الإيراد 82.3% والطلبات 98.1%","aov-growth":"انخفض متوسط قيمة الطلب 8.0%","bf":"طلبات كوبون الجمعة السوداء 8.4% من إيراد الربع الرابع","baseline":"كان النمو من الربع الثالث إلى الرابع في 2024 بنسبة 72.7%"}},"words":735,"readMinutes":4}