TIL(24.08.20.)

---

#INTRO

끝까지 화이팅 : )

---

#코드카타

• KATA #114

• PANDAS

  • 조건부 집계 및 계산 :
    조건을 사용해 특정 기준을 만족하는 데이터의 개수를 계산할 때,
    불리언 조건과 sum() 메서드로 조건을 만족하는 데이터의 개수 집계

    # 불리언 조건 & sum() 메서드
    low_salary = (accounts['income'] < 20000).sum()
    average_salary = ((accounts['income'] >= 20000) & (accounts['income'] <= 50000)).sum()
    high_salary = (accounts['income'] > 50000).sum()
    

  • 데이터프레임 생성
    딕셔너리 형태의 데이터를 사용해 새 데이터프레임 생성

    result = pd.DataFrame({
     'category': ['Low Salary', 'Average Salary', 'High Salary'],
     'accounts_count': [low_salary, average_salary, high_salary]
    })

  • 데이터 프레임 정렬

    # sort_values(by = , ascending = ) 
    result.sort_values(by='accounts_count', ascending=False)
    

---

#최종 프로젝트 진행

최종 대시보드 제작

---

프로젝트 정리

KEY POINT
프로젝트 배경 (이탈 고객 관리의 중요성)
분석 과정 (RFM, 군집, 이탈 예측 모델링)
결과 (BI 대시보드)

이탈 고객 방지에 대한 노력이 필요한 이유 설득
→ 고객 거래 데이터 기반 RFM 분석, 군집 분석을 통한 고객 분류 + 이탈 고객 정의
→ 이탈 고객 예측 모델링 (분류모델, LGBM)
→ BI 대시보드 (+ 이탈 고객 관리 대시보드) 를 활용한 이탈 고객 방지
→ 이탈 고객 방지를 통해 얻을 수 있는 이익 수치화 (가정)

---

결론 부분
1. 대시보드 시연 방법
  1-1. 대시보드 1, 2, 3 의 이미지 + 각 대시보드에 대한 요약 설명 → 대시보드 시연 영상 재생 →
        시연 결과물 (csv 파일) 설명 → (인사이트 도출 페이지와 연결)
  1-2. 각 대시보드 시연 영상 재생 (각 대시보드 시연 영상 후 대시보드 요약 설명) →
        시연 결과물 (csv 파일) 설명  → (인사이트 도출 페이지와 연결)
  1-3. 대시보드 1, 2, 3 각각 이미지로 기능 설명 후 전체 대시보드 시연 영상 재생  →
        시연 결과물 (csv 파일) 설명  → (인사이트 도출 페이지와 연결)
2. 인사이트 도출 페이지
   2-1. 세그먼트별 월 고객당 매출 계산 과정 설명 → 세그먼트 + 고위험군 고객 리스트 이미지 (+ 인원수 표시) →
          해당 세그먼트 고위험 고객의 이탈을 방지할 경우 (세그먼트별 고객당 매출 * 이탈 방지 고객 수) 만큼의 이익?
   2-2. 세그먼트 + 고위험군 고객 리스트 이미지 (+ 인원수 표시) → 해당 세그먼트 고위험 고객의 이탈을 방지할 경우
          해당 월 전체 매출 / (세그먼트별 고객당 매출 * 이탈 방지 고객 수) 매출 의 비중 (%) 로 표현하여 ~% 손실 방지?
          

---

#OUTRO

오늘의 한 줄.

유종의 미.. 유종의 미!!!