🚗📊 Car Sales Analysis — End-to-End Excel & Power BI Dashboard

____________________________________________________________________

A full Business Intelligence case study combining Excel preprocessing, data modeling, KPIs, and interactive dashboards.

📌 Project Overview

This project presents an analysis of global car sales data using a complete analytics workflow:

Excel → Data Cleaning & Preparation Power BI → Data Modeling, DAX, KPIs, Dashboards & Storytelling

The goal is to understand:

Sales distribution

Engine specifications & performance

Pricing behavior

Resale value retention

Regional market preferences

Manufacturer competitiveness

The project includes multi-page interactive dashboards for Asia, Europe, and the USA with a professional Dark Mode design.

🎯 Business Problem

Car dealerships, manufacturers, and distributors often face challenges such as:

Identifying top-performing models

Understanding price vs performance relationships

Discovering regional sales patterns

Evaluating resale value retention

Comparing engine efficiency vs demand

This analysis transforms raw car sales data into valuable insights that support pricing decisions, inventory planning, and marketing focus.

📁 Project Structure

Car-Sales-Analysis/
│
├── data/
│ └── Car Sales Analysis.xlsx
│
├── dashboards/
│ └── Car Sales Dashboard.pbix
│
├── images/
│ ├── Dashboard Main.png
│ ├── Dashboard EU.png
│ ├── Dashboard Asia.png
│ ├── Dashboard USA.png
│ ├── line-chart.png
│ ├── bar-chart.png
│ └── scatter-plot.png
│
└── README.md

📑 Dataset Description

The dataset includes key automotive metrics:

Manufacturer — Car brand

Model — Model name

Unit Sales — Number of units sold

Price — Selling price

Resale Value — Post-launch retained value

Retention % — Resale Value ÷ Price

Engine Metrics — Engine Size, Horsepower, Fuel Efficiency

Vehicle Type — Passenger, Car, Truck, etc.

These fields help analyze performance, pricing, demand, and long-term value.

🧹 Data Cleaning & Preparation (Excel)

All preprocessing was performed inside Excel using:

✔ Removal of duplicates
✔ Fixing inconsistent manufacturer/model names
✔ Standardizing numeric fields (Price, Engine Size, HP)
✔ Converting date formats
✔ Creating calculated fields:

-Retention % Category (High / Medium / Low)

-Total Units Sold

-Price Bands

✔ Pivot tables for initial summaries
✔ Filtering invalid or missing entries

This step simulates real-world workflows where analysts clean data before BI modeling.

🛠 Power BI Data Modeling

The cleaned Excel file was imported into Power BI and the following steps were performed:

Creating relationships (if multiple tables)

Writing DAX measures:

-Total Revenue

-Average Price

-Retention %

-Units Sold

-Engine-Performance Score

-Creating summary tables

-Characterizing models by price tiers

-Adding region-based slicers

-Building multi-page narrative dashboards

📈 Analysis & Visualizations

🔹 1. Main Dashboard (Global Overview)

Includes:

KPIs: Unit Sales, Revenue ($ Billions), Avg Price

Correlation Heatmap: Price ↔ Horsepower ↔ Engine Size

Retention Donut Chart: Distribution of resale value strength

Top Manufacturers: Global sales performance ranking

Model-Level Insights: Price bands, average HP

🔹 2. Regional Dashboards (Asia — EU — USA)

Each region includes:

Treemaps: Top 10 models by sales

Scatter Plots: Price vs Resale Value (bubble size = units sold)

Performance Trends: Area/ribbon charts

Engine Preference Analysis: HP & Engine Size distribution

🔹 3. Excel Exploratory Charts (Initial Analysis)

Line charts

Histograms

Sunburst charts

Scatter plots

These helped validate patterns before developing the BI model.

🔍 Key Insights

📌 1. Strong correlation between car performance and pricing

Price increases consistently with engine size & horsepower (correlation = 0.85).

📌 2. Asian manufacturers lead in value retention

Brands such as Toyota & Honda show high resale percentages compared to competitors.

📌 3. Regional preferences vary significantly

-USA: High demand for high-horsepower trucks & SUVs

-Europe: Preference for compact luxury & fuel-efficient cars

-Asia: Balanced market with strong mid-range pricing

📌 4. Some models generate high revenue despite lower unit sales

Due to premium pricing → valuable insight for pricing strategy.

🧠 Business Recommendations

✔ Increase marketing and inventory for top-retention Asian models
✔ Adjust pricing strategy for power-heavy vehicles in USA market
✔ Expand hybrid/efficient models for EU market
✔ Promote high-HP models in regions showing preference
✔ Use retention analysis to optimize long-term pricing strategy

These insights help manufacturers refine strategy and dealerships optimize stocking.

🛠 Tools Used

Microsoft Power BI

DAX

Data Modeling

Interactive Visualizations

Multi-page Dashboards

Microsoft Excel

Cleaning

Pivot Tables

Initial EDA

📌 Future Improvements

Add predictive modeling (Machine Learning) to forecast prices

Use Python (pandas, seaborn) to perform deeper statistical analysis

Automate report refresh via Power BI Servic

——————————————————————————————————————————

🇸🇦🇦🇪 تحليل مبيعات السيارات — لوحة بيانات تفاعلية

مشروع تحليلي شامل لبيانات مبيعات السيارات، يهدف إلى فهم سلوك الأسعار، أداء الموديلات، ومواصفات المحركات، مع التركيز الآن على لوحات المعلومات التفاعلية (Dashboards) لتقديم رؤى أعمق.

---

📊 نظرة عامة على المشروع

يعتمد المشروع على تحليل بيانات السيارات لاستخراج الأنماط والاتجاهات. تم تطوير العمل لينتقل من التحليل التقليدي باستخدام Excel إلى بناء قصص بيانية تفاعلية باستخدام Power BI.

---

📁 هيكل المشروع

تم إضافة مجلد خاص بملفات Power BI وصور اللوحات الجديدة كما هو موضح في القسم الإنجليزي أعلاه.

---

📑 وصف البيانات

تشمل البيانات: الشركة المصنعة، الموديل، المبيعات، السعر، قيمة إعادة البيع، نسبة الاحتفاظ بالقيمة، ومواصفات المحرك (الحجم، القوة، الكفاءة).

---

📈 التحليل والرسوم البيانية

🚀 1. لوحات Power BI (تحديث جديد)

تم تصميم تقرير متعدد الصفحات بنظام الوضع الداكن (Dark Mode):

🔹 اللوحة الرئيسية (Main Dashboard)

• مؤشرات الأداء (KPIs): إجمالي المبيعات (بالمليار دولار) وعدد الوحدات.
• خريطة الارتباط (Correlation Heatmap): توضح العلاقة القوية بين السعر، القوة الحصانية، وسعة المحرك.
• تحليل القيمة: توزيع نسبة الاحتفاظ بالقيمة (Retention Value).

🔹 اللوحات الإقليمية (آسيا، أوروبا، أمريكا)

• الخرائط الشجرية (Treemaps): تعرض أفضل 10 موديلات مبيعاً في كل منطقة.
• مخططات التشتت (Scatter Plots): علاقة السعر بقيمة إعادة البيع (حجم الدائرة يمثل حجم المبيعات).
• توزيع المحركات: تحليل المبيعات بناءً على القوة الحصانية وحجم المحرك.

---

📊 2. رسوم Excel (التحليل الأولي)

تم استخدام المخططات الخطية، العمودية، وSunburst لاستكشاف البيانات قبل نقلها إلى Power BI.

---

🔍 أهم النتائج

• الارتباط: وجود علاقة قوية جداً (0.85) بين سعر السيارة وقوتها الحصانية.
• القيمة: السيارات الآسيوية (مثل تويوتا وهوندا) تحافظ على قيمة إعادة بيع أعلى مقارنة بالمنافسين.
• التفضيلات الإقليمية: السوق الأمريكي يميل للسيارات ذات القوة الحصانية العالية، بينما السوق الأوروبي يميل للكفاءة والفخامة المدمجة.

---

🛠 الأدوات المستخدمة

• Microsoft Power BI (تصميم اللوحات، معادلات DAX).
• Microsoft Excel (الجداول المحورية Pivot Tables).

---

📌 تطويرات مستقبلية

• بناء نموذج تعلم آلة (Machine Learning) لتوقع أسعار السيارات.
• استخدام Python لإجراء تحليلات إحصائية متقدمة.