날짜 정보가 없는 매출 데이터를 분석할 때 사용할 수 있는 주요 지표들과 그 중에서 가장 적합한 지표들을 정리해 보았다.
(1) 매출, 수익, 이익 등 비즈니스와 관련된 데이터를 다룰 때 사용하는 지표
`# 총 매출
total_sales = sales_data['Sales'].sum()
# 평균 매출
average_sales = sales_data['Sales'].mean()
# 총 이익
total_profit = sales_data['Profit'].sum()
# 평균 이익
average_profit = sales_data['Profit'].mean()
# 이익률
profit_margin = (total_profit / total_sales) * 100
# 카테고리별 매출
sales_by_category = sales_data.groupby('Category')['Sales'].sum()
# 지역별 매출
sales_by_region = sales_data.groupby('Region')['Sales'].sum()
# 할인율별 매출
sales_by_discount = sales_data.groupby('Discount')['Sales'].sum()
# 할인율별 이익
profit_by_discount = sales_data.groupby('Discount')['Profit'].sum()
# 할인율별 거래수
transactions_by_discount = sales_data.groupby('Discount')['Sales'].count()
# 결과를 DataFrame으로 정리
discount_analysis = pd.DataFrame({
'Total Sales': sales_by_discount,
'Total Profit': profit_by_discount,
'Transaction Count': transactions_by_discount
}).reset_index()
이들 중 날짜 정보가 없는 매출 데이터를 분석할 때,
총 매출(Total Sales),
총 이익(Total Profit),
이익률(Profit Margin),
카테고리별 매출(Sales by Category)와
지역별 매출(Sales by Region) 지표
가 특히 유용하다. 이들 지표는 시간에 의존하지 않으며, 매출과 수익성을 다각도로 평가할 수 있다.
(2) 요약
총 매출과 총 이익을 통해 전체적인 매출 규모와 수익성을 평가한다.
이익률은 매출 대비 수익성을 파악하는 데 유용하다.
카테고리별 매출과 지역별 매출을 통해 제품 카테고리 및 지역별 성과를 분석할 수 있다.
할인율별 매출과 할인율별 이익을 통해 할인 전략의 효과를 평가할 수 있다.
할인율별 거래수를 통해 각 할인율이 거래량에 미치는 영향을 파악할 수 있다.