실전 데이터 분석 30: 글로벌 슈퍼스토어 비즈니스 KPI 분석

📌 강의 개요 (30분 완성)

글로벌 대형 마트(Superstore)의 방대한 매출(Sales) 및 순이익(Profit)이 담긴 결제 데이터셋입니다. 수만 건의 파편화된 영수증 데이터를 모아서, 회사의 운명을 결정짓는 핵심 KPI(핵심 성과 지표) 인사이트를 뽑아내는 훈련을 합니다.

학습 목표:

  • 데이터 집계 (Groupby): 엑셀의 피벗테이블과 같은 역할을 하는 groupby 함수를 사용하여, 수만 건의 결제 내역을 ‘카테고리별’로 병합하고 요약하여 큰 숲을 보는 방법을 배웁니다.
  • 미끼 상품 발굴 (Scatterplot): “매출이 높으면 수익도 높다”는 비즈니스의 상식을 깨부수는 산점도를 그립니다. 매출은 거대하지만 수익은 마이너스로 추락하는 골칫거리 상품(Loss Leader)들을 시각적으로 잡아냅니다.
  • 부서별 성과 평가 (Barplot): 회사에 막대한 현금을 벌어다 주는 캐시카우(Cash Cow) 부서와 회사의 돈을 까먹는 적자 부서를 0달러 기준선을 돌파하는 막대그래프로 명확하게 보고합니다.

Step 1: 마트 결제 데이터 구조 (Data Overview)

Step 1 데이터 구조 개념도

csv_data 폴더에 준비해 둔 superstore.csv 파일을 판다스로 불러옵니다.

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 그래프 설정
plt.rcParams['font.family'] = 'AppleGothic'
plt.rcParams['axes.unicode_minus'] = False
sns.set_palette("colorblind")

# 로컬 CSV 파일 불러오기
df = pd.read_csv('../csv_data/superstore.csv')

# 데이터 구조 및 첫 5행 확인
print(df.info())
display(df.head())

💡 코드 딥다이브 (Code Deep Dive)

주요 분석 대상 컬럼:

  • Order Date: 고객이 주문을 완료한 날짜
  • Category: 판매된 상품의 대분류 (가구, 사물용품, 전자기기)
  • Sub-Category: 중분류 카테고리 (책상, 의자, 스마트폰 등)
  • Sales (매출액): 고객이 결제한 총 금액 (크면 클수록 일단 좋음)
  • Profit (순이익): 매출에서 원가, 할인, 세금 등을 다 빼고 회사가 실제로 주머니에 챙긴 진짜 돈 (마이너스가 되면 적자 발생)

Step 2: 카테고리별 요약 통계 병합 (groupby)

Step 2 데이터 정제 개념도

원본 데이터는 영수증 1장당 1줄씩 수만 줄이 적혀 있는 파편화된 원시 로그입니다. 사장님이 “그래서 우리 가구 부서가 총 얼마 벌었어?”라고 물을 때 대답할 수 있으려면, groupby 함수로 데이터를 묶어서 요약(Aggregation)해야 합니다.

# Category(대분류)를 기준으로 묶고, Sales와 Profit 컬럼만 콕 집어서 다 더해라(sum)
category_df = df.groupby('Category')[['Sales', 'Profit']].sum()

# 숫자가 너무 기니까 보기 편하게 소수점 2자리까지만 반올림해서 출력
display(category_df.round(2))

💡 분석가의 통찰 (Analyst’s Insight)

  • 단 한 줄의 groupby 코드로 복잡했던 수만 건의 데이터가 ‘Furniture(가구)’, ‘Office Supplies(사무용품)’, ‘Technology(전자기기)’ 딱 3줄짜리 요약 보고서로 변신했습니다.
  • 충격적인 팩트 체크: Furniture(가구) 부서를 보세요. 고객들이 결제한 Sales는 74만 달러나 되는데, 회사가 남긴 Profit은 오히려 -1만 7천 달러(마이너스)입니다. 팔면 팔수록 회사가 손해를 보고 있다는 뜻입니다. 당장 원인을 시각화로 파헤쳐야 합니다.

Step 3: 매출 vs 수익 산점도 (미끼 상품 발굴)

Step 3 시각화 개념도

가구 부서에서 대체 무슨 일이 벌어지고 있는지 알아보기 위해, 결제 건 하나하나를 점(Dot)으로 찍어보는 scatterplot(산점도)을 그려보겠습니다. X축은 매출, Y축은 수익입니다.

plt.figure(figsize=(10, 6))

# X축에 매출, Y축에 수익을 놓고, 카테고리별로 점의 색상(hue)을 다르게 칠함
sns.scatterplot(data=df, x='Sales', y='Profit', hue='Category', alpha=0.6)

# 경영 분석의 핵심: 손익분기점(Profit = 0)에 붉은색 점선을 가로로 긋기
plt.axhline(0, color='red', linestyle='--', linewidth=2)

plt.title('결제 건별 매출액(Sales)과 순이익(Profit) 상관관계', fontsize=16)
plt.xlabel('결제 매출액 ($)')
plt.ylabel('순이익 ($)')
plt.grid(True, alpha=0.3)

plt.show()

💡 시각화 차트 읽는 법

  • 수익 정상 궤도 (빨간 선 위쪽): 점들이 우상향(오른쪽 위)으로 퍼져 나갑니다. 비싼 물건(X 증가)을 팔면 마진(Y 증가)도 많이 남는 정상적인 비즈니스입니다. (주로 전자기기)
  • 미끼 상품/할인 출혈 (빨간 선 아래쪽): 엄청나게 특이한 현상이 보입니다. 그래프가 오른쪽으로 갈수록(매출액이 몇천 달러씩 커지는데), 점들이 밑으로 곤두박질칩니다(수익이 수천 달러씩 마이너스).
  • 결론: 마트가 고객을 끌어모으기 위해 거대한 가구(Furniture) 등을 원가 이하로 폭탄 세일하여 팔고 있는 것입니다. 이런 미끼 상품(Loss Leader) 전략이 도를 넘어서 회사 전체의 이익을 깎아 먹고 있는 상황입니다.

Step 4: 카테고리별 최종 수익 비교 막대그래프 (Barplot)

Step 4 상관관계 분석 개념도

경영진에게 보고하기 위해, 각 카테고리가 1년 동안 벌어들인 총 순이익(Profit)을 직관적인 막대그래프(barplot)로 요약하여 보여줍시다.

plt.figure(figsize=(8, 6))

# 카테고리별 총 Profit을 그려줍니다. estimator=sum을 사용하면 알아서 합계를 냅니다.
sns.barplot(data=df, x='Category', y='Profit', estimator=sum, 
            errorbar=None, palette=['#e74c3c', '#3498db', '#2ecc71'])

# 손익분기점(Profit = 0) 적자 기준선 강조
plt.axhline(0, color='black', linestyle='-', linewidth=2)
plt.text(1.5, -5000, '적자 기준선 ($0)', color='black', fontweight='bold')

plt.title('상품 카테고리별 총 순이익(Total Profit) 비교', fontsize=16)
plt.xlabel('대분류 카테고리')
plt.ylabel('총 순이익 ($)')

plt.show()

💡 코드 딥다이브 & 인사이트 (매우 중요!)

  • 전자기기(Technology) & 사무용품(Office Supplies): 막대가 0선 위로 웅장하게 치솟아 있습니다. 이 두 부서가 회사의 직원 월급을 주고 운영하게 만드는 효자(캐시카우)입니다.
  • 가구(Furniture): 막대가 0선 아래로 시원하게 뚫고 내려갔습니다. 회사의 돈을 태워 없애고 있는 주범입니다. 사장님은 이 차트를 보는 즉시 가구 부서장에게 할인율 축소 정책이나 재고 관리 원가 절감 방안을 명령할 것입니다. 이것이 데이터 분석이 비즈니스를 움직이는 힘입니다.

🎯 30분 강의 마무리 및 심화 과제

superstore 실전 데이터를 통해, 쪼개진 영수증을 groupby로 병합하여 부서 단위의 통계를 내는 법을 배웠습니다. 또한 scatterplot으로 팔수록 손해 보는 폭탄 세일 상품들의 민낯을 확인했고, barplot으로 회사를 먹여 살리는 부서와 적자 부서를 명확하게 평가하는 시각화 보고서를 완성했습니다.

📝 심화 과제 (Advanced Challenge)

  1. 서브 카테고리 적자 추적: Step 4의 막대그래프 코드에서 X축을 Category 대신 Sub-Category(중분류)로 바꾸어 보세요. 가구 중에서도 책상(Tables), 의자(Chairs), 책장(Bookcases) 중 정확히 어떤 녀석이 가장 극악무도한 적자를 내고 있는지 진짜 범인을 찾아낼 수 있습니다.
  2. 지역별 매출 비교: plt.pie()를 활용하여 어떤 지역(Region - West, East, Central, South)이 회사 총매출(Sales)에서 가장 큰 파이를 차지하고 있는지 시각화해 보세요.
서브목차