Skip to content

About

Модульный Python ETL-инструмент для прогнозирования спроса, анализа промо и маржинальности на маркетплейсах

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

ECOM Matrix Optimizer

Модульный аналитический инструмент на Python для автоматизации прогнозирования товарного спроса и маржинального анализа ассортиментной матрицы брендов на маркетплейсах.

📌 Описание проекта

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.

Выполняемый функционал:

  1. Умный ETL-пайплайн: Многокритериальный поиск шапки (игнорирует вводные тексты) и интеллектуальный приоритетный поиск столбца номенклатуры (сначала ищет «Полное название», затем синонимы).
  2. Всеядный парсинг дат: Автоматически распознает временные ряды продаж в любых форматах (строки, объекты Timestamp или числовые коды дат Excel).
  3. 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).
  4. 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).
  5. Configuration Separation: Все пороговые значения маржи и текстовые шаблоны отчетов полностью вынесены во внешний файл config.json.

📂 Архитектура и структура проекта

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)

⚙️ Описание ключевых аналитических сценариев

  1. operations_forecast.py [Операция 1]: Проводит маржинальный ABC-аудит базовой матрицы. Рассчитывает весенние прогнозы спроса и размечает категории («Драйверы», «Звезды», «Балласт»).
  2. operations_transactions.py [Операция 2]: Векторно сжимает сырой журнал транзакций маркетплейса. Группирует штуки и рубли строго по списку артикулов, переданных из буфера обмена.
  3. operations_promo.py [Операция 3]: Реализует адаптивный гибридный парсер американского формата дат. Вычисляет точный индекс Sales Lift (с сохранением знака минус) и диагностирует маркетинговые эффекты замещения трафика внутри бренда.

🛠 Технологический стек

  • Язык: Python 3.12
  • Библиотеки: Pandas, OpenPyxl, Regex (re)
  • Сборка: PyInstaller (компиляция в независимый исполняемый .exe формат)

🚀 Инструкция по развертыванию и запуску

Запуск из исходного кода:

  1. 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
  2. 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.xlsx в папку к исходному документу.

About

Модульный Python ETL-инструмент для прогнозирования спроса, анализа промо и маржинальности на маркетплейсах

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages