[데이터분석] 메타코드M 유통/이커머스 데이터분석 입문 포트폴리오 만들기_2차 프로젝트

오늘은 저번에 진행했던 1차 프로젝트의 나머지 부분과 2차 프로젝트에 관한 내용을 이어 진행해보고자 한다.

그럼 본격적인 시각화 과정을 담아보겠다.

---

먼저 저번에 변환한 파일들을 확인할 시간

adidas.isnull().sum() 함수를 사용해서 결측값이 있는지 확인한다.

여기서 isnull()은 결측값을 의미, sum()은 말 그대로 더하는 것을 의미한다.

info()로 본 컬럼들의 값은 변환이 잘 되어 있음을 확인할 수 있다.

 

adidas 데이터프레임에서 연도(year)와 월(month)별로 Units Sold (판매된 단위)의 합계를 계산하고 이를 선 그래프로 시각화하는 과정이다. 구체적으로 보면

1. adidas.groupby(['year', 'month']): adidas 데이터프레임을 year (연도)와 month (월) 칼럼을 기준으로 그룹화
2. ['Units Sold'].sum(): 그룹화된 데이터에서 Units Sold (판매된 단위) 칼럼의 값을 더함
3. .plot.line(): pandas의 시각화 기능을 사용하여 합계된 데이터를 선 그래프로 그림, 변화 추이를 판단하기 용이

결과를 보면 2021년부터 판매량이 급등하는 것을 알 수 있다.

 

 

구체적인 수치를 보면 2020년 12월 대비, 2021년 1월에 9배 정도 상승한 것을 알 수 있다.

그 이유를 찾아 판매점을 기준으로 피벗테이블을 작성해 보았다. 가장 눈에 띄게 보이는 건 상점 몇 개가 본격적으로 2021년부터 판매를 시작했다는 것이고 Foot Locker도 5배 이상 급증한 것을 보여준다.

이것을 통해 당시 발생한 사건이나 이슈를 찾아 결과를 도출해내고 인사이트를 발견할 수 있다.

위의 결과를 바탕으로 만든 선그래프

전체적으로 우상향하는 모습을 보여준다. 또한 많이 팔릴수록 매출액의 변동폭도 크게 보인다.

2020년 중반부에 매출이 감소하는 형태를 보이는데 이 당시 특정현상이 발생했을 것으로 추정된다.

walmart가 특이하게도 매출이 증가했다가 감소하는 형태를 보여준다.

 

각 판매점 브랜드의 매장코드이다. 소매브랜드 안에도 ID가 여러개 있는데 이는 여러 매장이 있다는 것을 의미한다.

점포의 수의 변동폭을 확인하기 위해 코드를 작성해보았다.

adidas[['Retailer', 'Retailer ID']].drop_duplicates().sort_values('Retailer')

 

이 코드는 중복값을 제거해서 소매점의 ID를 보여준다.

df.pivot_table(index = ['year', 'month'], values = 'Retailer ID', aggfunc = 'count')

 

월마다 소매점의 수 변화를 보여준다.

 

이를 통해 2021년 1월부터 14개로 많아지는 것을 볼 수 있다.

사실 많은 사람들이 기간을 보고 눈치챘겠지만 코로나로 인한 영향으로 매출데이터가 변화하였다.

2020년 감염자의 수는 정점을 찍었고 하반기로 갈수록 점점 줄어들었다. 이에 판매가 다시 증가하였고

2021년 신년을 맞아 본격적으로 판매를 재개한 듯 하다. 이렇게 데이터 분석을 통해 현상을 분석하고 결과를

도출할 수 있다. 

---

이후 강의에는 온라인, 오프라인 중 어디가 더 이득을 봤는지, 다양한 시각화 등에 대해 다룬다.

혹시 관심있다면 한 번 들어보는 것을 추천한다. 

https://mcode.co.kr/video/list2?viewMode=view&idx=115

메타코드M