[Python 100일 챌린지] Day 70 - 미니 프로젝트: 데이터 분석 리포트

Phase 7 총정리! 실전 데이터 분석 프로젝트 🎯

NumPy, Pandas, Matplotlib 모두 활용해서 실제 데이터 분석 리포트를 만들어봅시다! 이것만 완성하면 데이터 분석 기초 완료! 🎉

(60분 완독 ⭐⭐⭐)

💡 Day 69 복습: 어제 배운 데이터 분석 워크플로우

단계	목적	핵심 작업
1. 문제 정의	분석 목표 설정	질문 정의, KPI 설정
2. 데이터 수집	원천 데이터 확보	CSV, DB, API
3. 데이터 정제	품질 향상	결측값, 이상치 처리
4. 탐색적 분석	데이터 이해	기술 통계, 분포 확인
5. 심층 분석	인사이트 도출	그룹 분석, 상관 분석
6. 시각화/보고	결과 전달	차트, 리포트

오늘은 이 6단계를 처음부터 끝까지 실습해요!

🎯 오늘의 학습 목표

• 프로젝트 소개 및 데이터 준비
• 데이터 정제 및 전처리
• 탐색적 데이터 분석
• 분석 리포트 완성

📚 사전 지식

Phase 7에서 배운 모든 내용:

• Day 61-62: NumPy 기초/활용
• Day 63-66: Pandas (기초~집계)
• Day 67-68: Matplotlib 시각화
• Day 69: 데이터 분석 워크플로우

---

🎯 학습 목표 1: 프로젝트 소개 및 데이터 준비

1.1 프로젝트 개요

📊 “온라인 쇼핑몰 매출 분석 리포트”

💡 왜 이 프로젝트를 하나요?

실무에서 데이터 분석가가 가장 많이 하는 일이 “매출 분석”이에요!

비유: 요리 학원에서 기초를 배웠다면, 이제 처음부터 끝까지 한 상 차려보는 것과 같아요 🍽️

단계	비유	오늘 할 일
데이터 준비	재료 준비	주문 데이터 생성/로딩
데이터 정제	재료 손질	결측값 처리, 파생 변수 생성
탐색적 분석	맛보기	기술 통계, 분포 확인
시각화/보고	플레이팅	대시보드, 인사이트 정리

가상의 온라인 쇼핑몰 데이터를 분석하여:

1. 매출 현황 파악
2. 고객 행동 분석
3. 제품별 성과 분석
4. 비즈니스 인사이트 도출

1.2 데이터 생성

💡 왜 데이터를 직접 만들까요?

실무에서는 회사 데이터를 사용하지만, 학습용으로는 가상 데이터를 만들어서 연습해요. 데이터 구조를 직접 설계하면 “어떤 분석이 가능할까?”를 미리 생각해볼 수 있어요!

import pandas as pd
import numpy as np
from datetime import datetime, timedelta

# 재현 가능한 랜덤 시드
np.random.seed(42)
# 💡 seed(42): 같은 "랜덤" 결과를 반복할 수 있게 해요
# Day 61에서 배웠죠? 디버깅할 때 매우 유용해요!

# 데이터 생성
n_orders = 500

# 날짜 생성 (2024년 1~6월)
start_date = datetime(2024, 1, 1)
dates = [start_date + timedelta(days=np.random.randint(0, 180)) for _ in range(n_orders)]

# 데이터프레임 생성
orders = pd.DataFrame({
    '주문번호': [f'ORD{str(i).zfill(5)}' for i in range(1, n_orders + 1)],
    '주문일': dates,
    '고객ID': [f'C{np.random.randint(1, 101):03d}' for _ in range(n_orders)],
    '제품': np.random.choice(['노트북', '스마트폰', '태블릿', '이어폰', '키보드'], n_orders),
    '카테고리': np.random.choice(['전자기기', '악세서리'], n_orders, p=[0.6, 0.4]),
    '수량': np.random.randint(1, 5, n_orders),
    '단가': np.random.choice([50000, 100000, 200000, 500000, 1000000], n_orders),
    '지역': np.random.choice(['서울', '경기', '부산', '대구', '인천'], n_orders),
    '결제방법': np.random.choice(['카드', '계좌이체', '간편결제'], n_orders),
    '고객등급': np.random.choice(['브론즈', '실버', '골드', 'VIP'], n_orders, p=[0.4, 0.3, 0.2, 0.1])
})

# 매출액 계산
orders['매출'] = orders['수량'] * orders['단가']

# 일부 결측값 추가 (현실적인 데이터)
orders.loc[np.random.choice(orders.index, 20), '지역'] = np.nan
orders.loc[np.random.choice(orders.index, 10), '고객등급'] = np.nan

print("=== 데이터 샘플 ===")
print(orders.head(10))
print(f"\n총 주문 건수: {len(orders)}")

1.3 데이터 저장 및 불러오기

# CSV로 저장
orders.to_csv('shopping_orders.csv', index=False, encoding='utf-8-sig')
print("데이터 저장 완료: shopping_orders.csv")

# 불러오기
df = pd.read_csv('shopping_orders.csv', parse_dates=['주문일'])
print(f"\n불러온 데이터: {df.shape[0]}행 x {df.shape[1]}열")

---

🎯 학습 목표 2: 데이터 정제 및 전처리

2.1 데이터 품질 확인

import pandas as pd
import numpy as np

# 데이터 불러오기 (위에서 생성한 orders 사용)
df = orders.copy()

print("=" * 50)
print("         데이터 품질 점검 보고서")
print("=" * 50)

# 1. 기본 정보
print(f"\n📊 데이터 크기: {df.shape[0]}행 x {df.shape[1]}열")
print(f"📅 기간: {df['주문일'].min().date()} ~ {df['주문일'].max().date()}")

# 2. 결측값 확인
print("\n🔍 결측값 현황:")
missing = df.isnull().sum()
for col, count in missing[missing > 0].items():
    print(f"  - {col}: {count}개 ({count/len(df)*100:.1f}%)")

# 3. 중복 확인
duplicates = df.duplicated().sum()
print(f"\n🔄 중복 행: {duplicates}개")

# 4. 데이터 타입
print("\n📋 데이터 타입:")
print(df.dtypes)

2.2 결측값 처리

import pandas as pd

df = orders.copy()

print("=== 결측값 처리 전 ===")
print(df.isnull().sum())

# 결측값 처리 전략
# 1. 지역: '미확인'으로 대체
df['지역'] = df['지역'].fillna('미확인')

# 2. 고객등급: '브론즈'(최저등급)로 대체
df['고객등급'] = df['고객등급'].fillna('브론즈')

print("\n=== 결측값 처리 후 ===")
print(df.isnull().sum())

2.3 파생 변수 생성

💡 파생 변수(Derived Variable)란?

원래 데이터에는 없지만, 기존 데이터를 가공해서 새로 만든 변수예요!

원본 변수	파생 변수	활용
주문일 (2024-03-15)	월 (3)	월별 매출 분석
주문일 (2024-03-15)	요일 (Friday)	요일별 패턴 분석
매출 (150,000원)	매출구간 (중간)	고객 세그먼트

비유: 주민등록번호에서 나이, 성별, 출생 지역을 추출하는 것과 비슷해요!

import pandas as pd

df = orders.copy()
df['지역'] = df['지역'].fillna('미확인')
df['고객등급'] = df['고객등급'].fillna('브론즈')

# 날짜 관련 파생 변수
df['연월'] = df['주문일'].dt.to_period('M')   # 2024-03 형태로 변환
df['요일'] = df['주문일'].dt.day_name()       # Friday, Monday 등
df['월'] = df['주문일'].dt.month              # 3, 4, 5 등 숫자

# 매출 구간 - pd.cut()으로 연속형 → 범주형 변환
df['매출구간'] = pd.cut(df['매출'],
                      bins=[0, 100000, 500000, 1000000, float('inf')],
                      labels=['소액', '중간', '고액', '프리미엄'])
# 💡 pd.cut(): 숫자를 구간별로 나눠서 라벨을 붙여요
# bins: 구간 경계, labels: 각 구간의 이름

print("=== 파생 변수 추가 완료 ===")
print(df[['주문일', '연월', '요일', '월', '매출', '매출구간']].head())

---

🎯 학습 목표 3: 탐색적 데이터 분석

3.1 매출 현황 분석

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'AppleGothic'
plt.rcParams['axes.unicode_minus'] = False

# 데이터 준비
df = orders.copy()
df['지역'] = df['지역'].fillna('미확인')
df['고객등급'] = df['고객등급'].fillna('브론즈')
df['연월'] = df['주문일'].dt.to_period('M')
df['월'] = df['주문일'].dt.month

print("=" * 50)
print("         📊 매출 현황 분석")
print("=" * 50)

# 전체 요약
print(f"\n💰 총 매출: {df['매출'].sum():,}원")
print(f"📦 총 주문: {len(df):,}건")
print(f"📈 평균 주문금액: {df['매출'].mean():,.0f}원")
print(f"📊 중앙값: {df['매출'].median():,.0f}원")

# 월별 매출
print("\n=== 월별 매출 추이 ===")
monthly = df.groupby('월')['매출'].agg(['sum', 'count', 'mean'])
monthly.columns = ['총매출', '주문건수', '평균매출']
print(monthly)

3.2 매출 시각화

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'AppleGothic'
plt.rcParams['axes.unicode_minus'] = False

# 데이터 준비
np.random.seed(42)
df = orders.copy()
df['지역'] = df['지역'].fillna('미확인')
df['고객등급'] = df['고객등급'].fillna('브론즈')
df['연월'] = df['주문일'].dt.to_period('M')
df['월'] = df['주문일'].dt.month

fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# 1. 월별 매출 추이
monthly_sales = df.groupby('월')['매출'].sum()
axes[0, 0].plot(monthly_sales.index, monthly_sales.values / 1e6, 'bo-', linewidth=2)
axes[0, 0].set_title('월별 매출 추이', fontsize=14)
axes[0, 0].set_xlabel('월')
axes[0, 0].set_ylabel('매출 (백만원)')
axes[0, 0].grid(True, alpha=0.3)

# 2. 제품별 매출
product_sales = df.groupby('제품')['매출'].sum().sort_values(ascending=True)
colors = plt.cm.Blues(np.linspace(0.4, 0.8, len(product_sales)))
axes[0, 1].barh(product_sales.index, product_sales.values / 1e6, color=colors)
axes[0, 1].set_title('제품별 총 매출', fontsize=14)
axes[0, 1].set_xlabel('매출 (백만원)')

# 3. 지역별 매출 비율
region_sales = df.groupby('지역')['매출'].sum()
axes[1, 0].pie(region_sales, labels=region_sales.index, autopct='%1.1f%%',
               colors=plt.cm.Pastel1(np.linspace(0, 1, len(region_sales))))
axes[1, 0].set_title('지역별 매출 비율', fontsize=14)

# 4. 결제방법별 매출
payment_sales = df.groupby('결제방법')['매출'].sum()
axes[1, 1].bar(payment_sales.index, payment_sales.values / 1e6,
               color=['#FF6B6B', '#4ECDC4', '#45B7D1'])
axes[1, 1].set_title('결제방법별 매출', fontsize=14)
axes[1, 1].set_ylabel('매출 (백만원)')

plt.tight_layout()
plt.savefig('sales_analysis.png', dpi=150, bbox_inches='tight')
plt.show()

3.3 고객 분석

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'AppleGothic'
plt.rcParams['axes.unicode_minus'] = False

np.random.seed(42)
df = orders.copy()
df['지역'] = df['지역'].fillna('미확인')
df['고객등급'] = df['고객등급'].fillna('브론즈')

print("=" * 50)
print("         👥 고객 분석")
print("=" * 50)

# 고객 수
unique_customers = df['고객ID'].nunique()
print(f"\n👤 총 고객 수: {unique_customers}명")

# 고객별 구매 현황
customer_stats = df.groupby('고객ID').agg({
    '매출': ['sum', 'mean', 'count']
}).round(0)
customer_stats.columns = ['총구매액', '평균구매액', '구매횟수']
customer_stats = customer_stats.sort_values('총구매액', ascending=False)

print("\n=== 상위 10명 우수고객 ===")
print(customer_stats.head(10))

# 고객등급별 분석
grade_analysis = df.groupby('고객등급').agg({
    '고객ID': 'nunique',
    '매출': ['sum', 'mean']
})
grade_analysis.columns = ['고객수', '총매출', '평균매출']
grade_analysis = grade_analysis.round(0)

print("\n=== 고객등급별 현황 ===")
print(grade_analysis)

3.4 고객 시각화

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'AppleGothic'
plt.rcParams['axes.unicode_minus'] = False

np.random.seed(42)
df = orders.copy()
df['지역'] = df['지역'].fillna('미확인')
df['고객등급'] = df['고객등급'].fillna('브론즈')

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 등급별 고객 수
grade_order = ['VIP', '골드', '실버', '브론즈']
grade_counts = df.groupby('고객등급')['고객ID'].nunique()
grade_counts = grade_counts.reindex(grade_order)
colors = ['#FFD700', '#FFA500', '#C0C0C0', '#CD7F32']
axes[0].bar(grade_counts.index, grade_counts.values, color=colors)
axes[0].set_title('등급별 고객 수', fontsize=14)
axes[0].set_ylabel('고객 수')

# 등급별 평균 구매액
grade_avg = df.groupby('고객등급')['매출'].mean()
grade_avg = grade_avg.reindex(grade_order)
axes[1].bar(grade_avg.index, grade_avg.values / 10000, color=colors)
axes[1].set_title('등급별 평균 구매금액', fontsize=14)
axes[1].set_ylabel('금액 (만원)')

plt.tight_layout()
plt.savefig('customer_analysis.png', dpi=150, bbox_inches='tight')
plt.show()

---

🎯 학습 목표 4: 분석 리포트 완성

4.1 종합 대시보드

💡 대시보드(Dashboard)란?

자동차의 계기판처럼, 중요한 정보를 한눈에 볼 수 있게 정리한 화면이에요!

요소	자동차 계기판	데이터 대시보드
핵심 지표	속도, 연료량	총 매출, 주문 수
추세	RPM 그래프	월별 매출 차트
분류	기어 상태	지역별/제품별 비율

좋은 대시보드는 “지금 상황이 어때?”를 5초 안에 알 수 있어야 해요!

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'AppleGothic'
plt.rcParams['axes.unicode_minus'] = False

np.random.seed(42)
df = orders.copy()
df['지역'] = df['지역'].fillna('미확인')
df['고객등급'] = df['고객등급'].fillna('브론즈')
df['월'] = df['주문일'].dt.month

# 대시보드 생성
fig = plt.figure(figsize=(16, 12))

# 1. 월별 매출 추이
ax1 = fig.add_subplot(2, 3, 1)
monthly = df.groupby('월')['매출'].sum() / 1e6
ax1.plot(monthly.index, monthly.values, 'b-o', linewidth=2)
ax1.fill_between(monthly.index, monthly.values, alpha=0.3)
ax1.set_title('📈 월별 매출 추이')
ax1.set_ylabel('매출 (백만원)')
ax1.grid(True, alpha=0.3)

# 2. 제품별 매출 TOP 5
ax2 = fig.add_subplot(2, 3, 2)
product = df.groupby('제품')['매출'].sum().sort_values()
ax2.barh(product.index, product.values / 1e6)
ax2.set_title('📦 제품별 매출')
ax2.set_xlabel('매출 (백만원)')

# 3. 지역별 매출
ax3 = fig.add_subplot(2, 3, 3)
region = df.groupby('지역')['매출'].sum()
ax3.pie(region, labels=region.index, autopct='%1.1f%%')
ax3.set_title('🗺️ 지역별 매출 비율')

# 4. 고객등급별 매출
ax4 = fig.add_subplot(2, 3, 4)
grade = df.groupby('고객등급')['매출'].sum()
grade_order = ['VIP', '골드', '실버', '브론즈']
grade = grade.reindex(grade_order)
colors = ['#FFD700', '#FFA500', '#C0C0C0', '#CD7F32']
ax4.bar(grade.index, grade.values / 1e6, color=colors)
ax4.set_title('👥 등급별 매출')
ax4.set_ylabel('매출 (백만원)')

# 5. 결제방법 분포
ax5 = fig.add_subplot(2, 3, 5)
payment = df['결제방법'].value_counts()
ax5.pie(payment, labels=payment.index, autopct='%1.1f%%',
        colors=['#FF6B6B', '#4ECDC4', '#45B7D1'])
ax5.set_title('💳 결제방법 분포')

# 6. 주요 KPI
ax6 = fig.add_subplot(2, 3, 6)
ax6.axis('off')
kpi_text = f"""
═══════════════════════════════════
         📊 주요 KPI 요약
═══════════════════════════════════

💰 총 매출: {df['매출'].sum():,}원

📦 총 주문: {len(df):,}건

👤 총 고객: {df['고객ID'].nunique()}명

📈 평균 주문금액: {df['매출'].mean():,.0f}원

🏆 최고 매출 제품: {df.groupby('제품')['매출'].sum().idxmax()}

🗺️ 최고 매출 지역: {df.groupby('지역')['매출'].sum().idxmax()}

═══════════════════════════════════
"""
ax6.text(0.1, 0.5, kpi_text, transform=ax6.transAxes,
         fontsize=11, verticalalignment='center',
         fontfamily='AppleGothic',
         bbox=dict(boxstyle='round', facecolor='lightblue', alpha=0.5))

plt.suptitle('🛒 온라인 쇼핑몰 매출 분석 대시보드', fontsize=16, fontweight='bold')
plt.tight_layout()
plt.savefig('dashboard_final.png', dpi=150, bbox_inches='tight')
plt.show()

4.2 인사이트 및 제언

import pandas as pd
import numpy as np

np.random.seed(42)
df = orders.copy()
df['지역'] = df['지역'].fillna('미확인')
df['고객등급'] = df['고객등급'].fillna('브론즈')
df['월'] = df['주문일'].dt.month

print("=" * 60)
print("         📋 분석 결과 및 비즈니스 인사이트")
print("=" * 60)

# 1. 매출 분석 인사이트
monthly = df.groupby('월')['매출'].sum()
growth = (monthly.iloc[-1] - monthly.iloc[0]) / monthly.iloc[0] * 100

print("\n📈 매출 트렌드:")
print(f"  • 분석 기간 매출 성장률: {growth:.1f}%")
print(f"  • 최고 매출 월: {monthly.idxmax()}월 ({monthly.max():,}원)")
print(f"  • 최저 매출 월: {monthly.idxmin()}월 ({monthly.min():,}원)")

# 2. 제품 분석 인사이트
product_sales = df.groupby('제품')['매출'].sum()
top_product = product_sales.idxmax()
bottom_product = product_sales.idxmin()

print("\n📦 제품 성과:")
print(f"  • 베스트셀러: {top_product} ({product_sales[top_product]:,}원)")
print(f"  • 개선 필요: {bottom_product} ({product_sales[bottom_product]:,}원)")

# 3. 고객 분석 인사이트
vip_ratio = len(df[df['고객등급'] == 'VIP']) / len(df) * 100
vip_sales_ratio = df[df['고객등급'] == 'VIP']['매출'].sum() / df['매출'].sum() * 100

print("\n👥 고객 인사이트:")
print(f"  • VIP 고객 비율: {vip_ratio:.1f}%")
print(f"  • VIP 매출 기여도: {vip_sales_ratio:.1f}%")

# 4. 제언
print("\n💡 비즈니스 제언:")
print("  1. VIP 고객 리텐션 프로그램 강화 (매출 기여도 높음)")
print(f"  2. {bottom_product} 제품 마케팅 전략 재검토")
print(f"  3. {monthly.idxmin()}월 매출 부진 원인 분석 및 프로모션 검토")
print("  4. 간편결제 사용 유도로 결제 편의성 향상")

print("\n" + "=" * 60)

---

💡 실전 팁

✅ 프로젝트 체크리스트

# 데이터 분석 프로젝트 완료 체크리스트
checklist = """
✅ 데이터 품질 점검 완료
✅ 결측값/이상치 처리 완료
✅ 파생 변수 생성 완료
✅ 기술 통계 분석 완료
✅ 시각화 대시보드 완성
✅ 인사이트 도출 완료
✅ 비즈니스 제언 작성 완료
✅ 분석 결과 저장 (PNG, CSV)
"""
print(checklist)

---

🧪 도전 과제

추가 분석 아이디어

1. 시계열 분석: 요일별 매출 패턴 분석
2. RFM 분석: 고객 세분화
3. 코호트 분석: 월별 첫 구매 고객 추적
4. 제품 연관 분석: 함께 구매되는 제품

💡 힌트: 요일별 매출 패턴 분석

단계별 접근법:

1. 요일 파생 변수 만들기 (이미 했어요!)

   df['요일'] = df['주문일'].dt.day_name()
   

2. 요일별 그룹화 및 집계

   weekday_sales = df.groupby('요일')['매출'].agg(['sum', 'mean', 'count'])
   

3. 요일 순서 정렬 (월요일부터)

   day_order = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']
   weekday_sales = weekday_sales.reindex(day_order)
   

4. 막대 그래프로 시각화

   weekday_sales['sum'].plot(kind='bar')
   

찾아볼 인사이트:

• 주말 vs 평일 매출 차이가 있나요?
• 어떤 요일에 마케팅을 강화해야 할까요?

💡 힌트: RFM 분석 (고객 세분화)

RFM이란?

• Recency: 최근 구매일 (얼마나 최근에?)
• Frequency: 구매 빈도 (얼마나 자주?)
• Monetary: 구매 금액 (얼마나 많이?)

단계별 접근법:

1. 기준일 설정 (분석일)

   today = df['주문일'].max()
   

2. 고객별 RFM 계산

   rfm = df.groupby('고객ID').agg({
       '주문일': lambda x: (today - x.max()).days,  # Recency
       '주문번호': 'count',                          # Frequency
       '매출': 'sum'                                 # Monetary
   })
   rfm.columns = ['Recency', 'Frequency', 'Monetary']
   

3. 점수 부여 (1~5점)

   rfm['R_score'] = pd.qcut(rfm['Recency'], 5, labels=[5,4,3,2,1])
   # Recency는 작을수록 좋으니까 점수를 반대로!
   

결과 활용:

• VIP (5,5,5): 우수 고객 리텐션
• 이탈 위험 (1,1,~): 재활성화 프로모션

---

📝 Phase 7 완료!

축하합니다! 🎉 Phase 7에서 배운 내용:

1. NumPy: 배열 연산, 인덱싱, 슬라이싱
2. Pandas: DataFrame, 데이터 로딩, 조작, 그룹화
3. Matplotlib: 다양한 차트, 대시보드
4. 데이터 분석: EDA, 워크플로우, 리포트

이제 실전 데이터 분석이 가능합니다! 🚀

---

🔗 관련 자료

• Pandas 공식 문서 - 10 minutes to pandas
• Matplotlib 공식 갤러리

---

📚 이전 학습

Day 69: 데이터 분석 워크플로우 ⭐⭐⭐

어제는 데이터 분석 프로세스, EDA, 데이터 정제와 결과 해석을 배웠어요!

📚 다음 학습

Day 71: Phase 8 시작 - 데이터베이스와 SQL 소개 ⭐⭐

---

“늦었다고 생각할 때가 가장 빠른 때입니다. 오늘도 한 걸음 성장했어요!” 🚀

Day 70/100

Phase 7: 데이터 분석 기초 완료

#100DaysOfPython

🎉 Phase 7 완료! NumPy, Pandas, Matplotlib으로 데이터 분석의 기초를 마스터했어요!