Questo progetto analizza dati dei conti da incassare (Accounts Receivable) utilizzando Python (Pandas) e li integra in Microsoft Dynamics 365 come dashboard interattivo per il monitoraggio dei KPI finanziari.
- Python 3.13
- Libraries: Pandas, NumPy, Plotly, Streamlit
- ERP / BI Integration: Microsoft Dynamics 365, Power BI
- Data Source: Open dataset (Kaggle / Excel)
FBA_365D.PYTHON_AR/ │ ├── data/ │ ├── raw/ # Dati originali (Excel) │ ├── processed/ # Dati puliti e con KPI │ ├── data_cleaning_test.py # Data cleaning script ├── feature_engineering_test.py # Feature engineering ├── kpi_analysis_test.py # KPI calculation ├── dashboard_app.py # Streamlit dashboard ├── README.md # Documentation
- Data Loading: Importazione dei dati Excel in Pandas.
- Data Cleaning: Rimozione valori mancanti, duplicati e incoerenze.
- Feature Engineering: Creazione colonne
DaysLate,OnTime,Outstanding. - KPI Calculation: Calcolo DSO, % pagamenti puntuali, importi aperti.
- Dashboard: Visualizzazione interattiva con Streamlit e Power BI.
| KPI | Descrizione |
|---|---|
| DSO (Days Sales Outstanding) | Media giorni per ricevere il pagamento |
| On-Time Payment % | Percentuale di fatture pagate puntualmente |
| Average Delay | Ritardo medio dei pagamenti |
| Outstanding Total | Totale importi ancora da incassare |
- Installa i pacchetti:
pip install pandas numpy plotly streamlit openpyxl
- Esegui gli script in ordine: python data_cleaning_test.py python feature_engineering_test.py python kpi_analysis_test.py
- Avvia la dashboard: streamlit run dashboard_app.py 💾 Output
data/processed/AR_Clean_Features.xlsx → Dati puliti data/processed/AR_KPI_Summary.xlsx → KPI calcolati Dashboard: http://localhost:8501
https://ar-opendata-boe7z5qwyvkty3sxloufmp.streamlit.app/
👩💻 Author
[REYHANEH HAJILI] Data Engineer & Data Analyst – Python & Microsoft Dynamics 365 Integration