데이터 분석 트랙 61일차 25.05.12. [TIL]

[실전 프로젝트 자료 정리]

<컬럼 개요>

# 데이터 1차 정보

- 총 51290개의 행, 24개의 컬럼

 

# 컬럼명 : 'Row ID', 'Order ID', 'Order Date', 'Ship Date', 'Ship Mode',

'Customer ID', 'Customer Name', 'Segment', 'Postal Code', 'City',

'State', 'Country', 'Region', 'Market', 'Product ID', 'Category',

'Sub-Category', 'Product Name', 'Sales', 'Quantity', 'Discount',

'Profit', 'Shipping Cost', 'Order Priority'

 

※ 컬럼 별 조사 정보는 VScode를 통해 확인하였으나 태블로와 다를 수 있음!

∴ 컬럼 이름 참고용 및 데이터가 어떤 의미인지만 확인하는 용도로 봐주시면 됩니다.

 

<컬럼 정리>

대분류	컬럼 명	한글 명	설명
고유값	Row ID	행 번호	각 컬럼에 해당하는 단순 번호들.
	Order ID	주문 번호
	Customer ID	고객 번호
	Product ID	상품 번호
날짜 관련 컬럼	Order Date	고객 주문 날짜	- 각 완료된 날짜 컬럼 - 둘 사이의 날짜 차이를 이용 차후 “배송 기간”이라는 계산된 필드 제작 가능 - “배송 기간”을 통해 차후 “기간 별 추가 배송 금액” 산정가능 - “배송 기간”과 "VIP“를 필터링 시 추가 혜택 가능 - “배송 기간”과 “Segment”(주문 고객 유형 ex. 개인, 5인 이상 오피스, 제조 기업)를 활용 “맞춤형 배송 할인 전략” 제시 가능
	Ship Date	상품 배송 완료 날짜
배송 관련 컬럼	Ship Mode	배송 옵션	- 총 4개 “Standard Class”(일반 배송) 30,775 “Second Class”(2등급 배송) 10,309 “First Class”(1등급 배송) 7,505 “Same Day”(당일 배송) 2,701
	Shipping Cost	배송 비용	# 배송 비용 # 기준 확인을 위해 추가 분석 필요
	Order Priority	주문 우선도	"low" 2,424 "Medium" 29,433 "High" 15,501 "Critical" 3,932 - ‘주문 우선도’와 'VIP_ID'와 같은 상관관계 확인 필요!
고객 정보	Customer Name	고객 이름	- 중복값 있음 - 총 796개의 고객 이름 - “VIP” 혹은 “충성 고객” 확인 가능
	Segment	고객 유형	# 구매하는 고객의 유형 - Consumer(개인 소비자) 26,518 - Corporate(중소~대기업) 15,429 - Home Office (5~6명 단위 오피스) 9,343 # 느낌상 기업의 부서의 소모품 결제
	Postal Code	우편 번호	- 결측값 존재 - 불필요한 컬럼
지역 관련 컬럼	Market	상위 지역	- 5대양 67대주 느낌 - 고유값은 5개 “Asia Pacific” (태평양 서부 연안 지역) 14,302 “Europe" 11,729 "USCA"(중앙아메리카 연방공화국) 10,378 "LATAM"(라틴 아메리카) 10,294 "Africa" 4,587
	Region	지역	- 23개 ex. Western Europe, Oceania
	Country	국가	- 165개 ex. United States, Bhutan
	State	수도 # 대표적 도시단위 묶음	- 1,102개 ex. California, New York, Texas # 만일 지역 세그먼트 할 시 State는 사용하기 어려울 수 있음.
	City	도시	- 3,650개 ex. New York City, Los Angeles, Philadelphia
상품 관련 컬럼	Category	상품 대분류	“Office Supplies”(사무용품) “Technology”(전자기기) “Furniture”(가구) - 결측값 없음.
	Sub-Category	상품 소분류	- 총 17개 - 결측값 없음.
	Product Name	상품명
	Sales	총 판매액
	Quantity	주문 상품 개수
	Discount	할인율
	Profit	수익	- 주문된 상품의 판매액과 할인율, 배송 비용 등등을 고려 - 해당 주문에 대한 최종 수익 - (-)값 존재! - 값의 분포가 너무 크기에 파악시 주의
cf) df['Profit'].describe().round(2)의 값 count 51290.00 mean 28.61 std 174.34 min -6599.98 25% 0.00 50% 9.24 75% 36.81 max 8399.98 # 해석(다른 CSV연동 하지 않았기에 태블로 확인시 별도 확인 필요) - 전체 평균값이 28.61이고 극단값이 존재! 대부분의 수익이 36.81달러이다. - 극단값의 존재는 이상치의 존재! 즉, VIP 고객 혹은 진상 고객, 환불, 할인율과 연관되어 있다. 따라서 "VIP"그룹 확인 뒤 그들의 매출 비중 확인, 매출 악영향 요인 확인(할인 많이 하거나, 배송비 혹은 주문 우선순위 상 "Critical“에 해당하는 고객의 주문 정보(Sales)등등의 요건을 확인하여 별도 조치가 필요한 대상으로 확인해 볼 수 있다.

 

 

---

<태블로 대시보드 구성 사례> [마케팅]

대시보드 사례1 : 고객 정보 포함 시각화 및 수익 관련 시각화

https://public.tableau.com/app/profile/tobiloba.babajide/viz/SalesDashboard_17329870588250/SalesDasboard

Sales Dashboard #VOTD

 

대시보드 사례2 : 지역 정보 중심 판매 1위와 주문, 매출 시각화

https://public.tableau.com/app/profile/rosa.mariana.de.leon.e/viz/GoalAchievementDashboard-

ResponsiveRoundBackground/DashboardALL

Goal Achievement Dashboard - (Responsive Round Background) #VOTD

 

대시보드 사례3(강추) : 글로벌 판매 성과지표 대시보드(매출 및 성장률, 주문량 및 성장률, 주문량(VOLUME) 및 성장률, 수익 및 성장률)

https://public.tableau.com/app/profile/rosa.mariana.de.leon.e/viz/Superstore-KPIColorCoding/Dashboard1

Superstore - KPI Color Coding #VOTD

 

대시보드 사례4(추천) : 맵 차트를 잘 꾸민 아주 좋은 시각화 자료(단 고객 정보가 포함된 사례) # 지역과 전체를 살펴보기에 좋은 메인 시각화 구성이면서 직관적임.

https://public.tableau.com/app/profile/tam.s.varga/viz/Superstore-Bento-Box/PerformanceOverview

Superstore - Bento Box KPIs

 

KPI 시각화에 좋은 사례1 : 다양한 KPI지표를 Big Number로 구성하여 시각화 하는 워크시트 예시들

public.tableau.com

Superstore KPIs Inspiration