SQL analysis of the Superstore dataset focusing on sales performance, order-level metrics, and time-based trends (MoM, YoY). WERSJA POLSKA OPIS PROJEKTU Projekt prezentuje analizę sprzedaży na podstawie danych Superstore, wykonaną w SQL. Celem analizy było zrozumienie trendów sprzedażowych w czasie, identyfikacja najlepiej sprzedających się kategorii oraz poprawne obliczenie metryk takich jak AOV, MoM i YoY. Analiza została przeprowadzona krok po kroku – od czyszczenia i przygotowania danych, przez agregacje, aż po wykorzystanie funkcji okna. Projekt został wykonany w ramach przebranżowienia na stanowisko junior data analyst.
Narzędzia SQL (SQLite / PostgreSQL) GitHub DBeaver
ZAKRES ANALIZY: W projekcie odpowiedziano m.in.: Jak zmienia się sprzedaż w czasie? Jak zmienia się sprzedaż względem poprzedniego miesiąca? Jak sprzedaż wypada względem tego samego miesiąca rok wcześniej? Które grupy produktów generują największą sprzedaż i jaka jest średnia wartość zamówienia? Jakie są trzy najlepiej sprzedające się podkategorie w obrębie każdej kategorii?
Kluczowy wniosek Projekt skupia się na poprawnym przełożeniu pytań biznesowych na logikę SQL, ze szczególnym uwzględnieniem poziomu agregacji oraz analizy czasowej.
ENGLISH VERSION PROJECT DESRCIPTION This project presents a sales analysis based on the Superstore dataset using SQL. The goal was to understand sales trends over time, identify top-performing product categories, and correctly calculate key metrics such as AOV, MoM, and YoY. The analysis was conducted step by step – from data preparation and aggregation to the use of window functions. This project was created as part of my transition into a junior data analyst.
Tools SQL (SQLite / PostgreSQL) GitHub DBeaver
Analysis scope The analysis includes: How does sales change over time? How does sales change compared to the previous month? How does sales compare to the same month last year? Which product groups generate the highest revenue and what is the average order value? What are the top three sub-categories within each category?
Key Insights
This project focuses on translating business questions into correct SQL logic, with special attention to data granularity and time-based analysis.