Модульный аналитический инструмент на Python для автоматизации прогнозирования товарного спроса и маржинального анализа ассортиментной матрицы брендов на маркетплейсах.
Скрипт разработан для оптимизации аналитических задач коммерческих департаментов в сфере E-commerce. Программа полностью автоматизирует обработку сырых выгрузок посуточной динамики продаж из Excel, исключая человеческий фактор и необходимость ручного ввода формул.
- Умный ETL-пайплайн: Многокритериальный поиск шапки (игнорирует вводные тексты) и интеллектуальный приоритетный поиск столбца номенклатуры (сначала ищет «Полное название», затем синонимы).
- Всеядный парсинг дат: Автоматически распознает временные ряды продаж в любых форматах (строки, объекты
Timestampили числовые коды дат Excel). - Адаптивный календарный прогноз: Скрипт находит крайнюю дату выгрузки и рассчитывает штучную закупку на 3 последующих месяца вперед, автоматически вычисляя дни по календарю (с учетом високосных лет).
- Маржинальный аудит и бизнес-дизайн: Расчет прибыли за период и автоматическая генерация инсайтов на основе скользящей медианы матрицы. Итоговый файл оформляется в корпоративном стиле (автоширина колонок, пастельное условное форматирование строк).
- Configuration Separation: Все пороговые значения маржи и текстовые шаблоны отчетов полностью вынесены во внешний файл
config.json.
Проект спроектирован по принципам SOLID и разделен на изолированные слои: интерфейс (меню), оркестратор (конвейер), discovery (локализация данных), etl (очистка) и операции (бизнес-логика).
ecom_matrix_optimizer/
│
├── main.py # Главный файл-оркестратор (входная точка, консольное меню, сборка Excel-вывода)
├── config.json # Декларативный бизнес-конфиг (настройки меню, маржинальные пороги, цвета CSS)
├── config_loader.py # Модуль загрузки глобальных параметров и настроек из JSON
│
├── core.py # SOLID-реестр и диспетчер распределения команд по номерам сценариев
│
├── discovery.py # Интеллектуальный Layout-сканер (автопоиск Листа 1 или Листа 3, синонимы шапок)
├── styler.py # Классический openpyxl-движок (вертикальное центрирование строк, разделители тысяч, пастельные цвета)
├── utils.py # Служебные ETL-инструменты (очистка текстового мусора, извлечение векторов дат)
│
├── operations_forecast.py # [Операция 1] Прогнозирование спроса, расчет коэффициентов и аудит матрицы
├── operations_transactions.py # [Операция 2] Агрегация штучных объемов и выручки по логам транзакций под список SKU
└── operations_promo.py # [Операция 3] Анализ промо-акций (расчет Sales Lift и каннибализации)
operations_forecast.py[Операция 1]: Проводит маржинальный ABC-аудит базовой матрицы. Рассчитывает весенние прогнозы спроса и размечает категории («Драйверы», «Звезды», «Балласт»).operations_transactions.py[Операция 2]: Векторно сжимает сырой журнал транзакций маркетплейса. Группирует штуки и рубли строго по списку артикулов, переданных из буфера обмена.operations_promo.py[Операция 3]: Реализует адаптивный гибридный парсер американского формата дат. Вычисляет точный индексSales Lift(с сохранением знака минус) и диагностирует маркетинговые эффекты замещения трафика внутри бренда.
- Язык: Python 3.12
- Библиотеки: Pandas, OpenPyxl, Regex (
re) - Сборка: PyInstaller (компиляция в независимый исполняемый
.exeформат)
- Клонируйте репозиторий, настройте виртуальное окружение, установите зависимости и запустите оркестратор:
git clone https://github.com/geniy132/ecom_matrix_optimizer.git python -m venv venv source venv/Scripts/activate pip install -r requirements.txt python main.py - Введите полный путь к вашему файлу (в Windows: нажать на файл через ПКМ -> Копировать как путь и вставить в консоль). Скрипт автоматически очистит кавычки, проведет расчеты и сохранит оформленный файл
Итоговый_анализ.xlsxв папку к исходному документу.