📊 Retail Sales Analytics Dashboard Premium

Una dashboard interattiva per analizzare i dati di vendita al dettaglio, esplorare approfondimenti avanzati e prevedere tendenze future utilizzando tecniche di Machine Learning. Progettata per essere facile da usare, consente di caricare dataset CSV personalizzati o di lavorare con un dataset di esempio predefinito.

---

🛠️ Funzionalità

1. Dashboard Principale

• Caricamento Dati:
  • Carica un file CSV personalizzato con dati di vendita.
  • Visualizza automaticamente un dataset di esempio se non viene caricato alcun file.
• Filtri Avanzati:
  • Intervallo di date.
  • Categorie di prodotto.
  • Genere del cliente.
• Indicatori KPI:
  • Vendite totali.
  • Numero di ordini.
  • Valore medio ordine.
  • Clienti unici.
• Grafici Interattivi:
  • Vendite per categoria.
  • Distribuzione delle vendite per genere.
  • Trend delle vendite giornaliere.
• Analisi Demografica: Distribuzione per fasce d’età.
• Tabella Transazioni: Visualizza i dettagli delle transazioni filtrate.

2. Analisi Avanzate

• Decomposizione Stagionale: Analisi dei trend e pattern stagionali.
• Matrice di Correlazione: Individua relazioni tra variabili numeriche.
• Analisi per Fasce d'Età: Spesa media, numero di transazioni e vendite totali.

3. Machine Learning

• Modello di Previsione: Prevedi le vendite future con la regressione lineare.
• Metriche del Modello:
  • R² (coefficiente di determinazione).
  • Errore quadratico medio (MSE).
• Visualizzazione delle Previsioni:
  • Dati storici.
  • Previsioni future.

4. Integrazione API

• Configura chiavi API ed endpoint per sincronizzare o esportare dati.
• Documentazione API integrata con esempi di utilizzo.

5. Impostazioni

• Personalizza l'interfaccia utente:
  • Tema (Light/Dark/System).
  • Valuta.
  • Lingua.
  • Formato data.
  • Stile grafici.
• Configura intervalli di aggiornamento automatico.

---

🚀 Installazione

Prerequisiti

• Python 3.8 o superiore.
• Ambiente virtuale (consigliato).

1. Clona il Repository

git clone https://github.com/tuo-username/retail-sales-dashboard.git
cd retail-sales-dashboard

2. Crea e Attiva un Ambiente Virtuale

python -m venv venv
source venv/bin/activate  # Su Windows: venv\Scripts\activate

3. Installa le Dipendenze

pip install -r requirements.txt

4. Avvia l'Applicazione

streamlit run retail_dashboard_premium.py

---

📁 Struttura del Progetto

retail-sales-dashboard/
│
├── retail_dashboard_basic.py       # Versione base della dashboard
├── retail_dashboard_standard.py    # Versione standard della dashboard
├── retail_dashboard_premium.py     # Versione premium con tutte le funzionalità
├── requirements.txt                # Dipendenze del progetto
├── .gitignore                      # File ignorati da Git
├── README.md                       # Documentazione
├── sample_data/                    # Dataset di esempio
│   └── retail_sales_dataset.csv    # File CSV di esempio
├── venv/                           # Ambiente virtuale (escluso da Git)

---

📝 Dataset di Esempio

Il file sample_data/retail_sales_dataset.csv è incluso come dataset di esempio predefinito. Verrà caricato automaticamente se non viene fornito alcun file personalizzato.

Formato delle Colonne

• Transaction ID: Identificativo unico della transazione.
• Date: Data della transazione (Formato: YYYY-MM-DD).
• Customer ID: Identificativo unico del cliente.
• Gender: Genere del cliente (Male/Female).
• Age: Età del cliente.
• Product Category: Categoria del prodotto acquistato.
• Quantity: Quantità acquistata.
• Price per Unit: Prezzo unitario del prodotto.
• Total Amount: Totale della transazione.

Esempio di Riga

Transaction ID,Date,Customer ID,Gender,Age,Product Category,Quantity,Price per Unit,Total Amount
1,2024-01-01,C001,Male,34,Electronics,1,299.99,299.99

Puoi caricare il file nella dashboard per esplorare tutte le funzionalità.

---

📊 Esempi di Output

Dashboard Principale

![Dashboard Principale]()

Previsioni di Vendita

![Previsioni]()

---

🔧 Configurazione Avanzata

File .env (Opzionale)

Puoi configurare variabili sensibili come chiavi API nel file .env:

API_KEY=your_api_key_here
API_ENDPOINT=https://api.example.com

Assicurati che il file .env sia escluso da Git aggiungendolo al .gitignore.

---

🛠️ Supporto

In caso di problemi:

1. Controlla il file README.md.
2. Apri un Issue.

---

🏆 Contributi

I contributi sono benvenuti! Sentiti libero di aprire una pull request o suggerire miglioramenti.

---

📄 Licenza

Questo progetto è rilasciato sotto licenza MIT. Consulta il file LICENSE per ulteriori dettagli.