[메타코드 강의 후기] 파이썬 데이터 분석 | 제품 포트폴리오 분석

메타코드 M 서포터즈로서 이번에는 '데이터분석가 입문 Python 부트캠프' 강의에 대해 소개하고자 합니다.

오늘 강의 주제는 "제품 포트폴리오 분석 프로젝트" 입니다. 

 

https://www.metacodes.co.kr/

메타코드M

 

 

제품 포트폴리오 분석이란?

제품 포트폴리오 분석은 데이터를 기반으로 제품의 시장 위치와 성과를 평가하여 전략적 비즈니스 의사 결정을 지원하는 과정입니다. 이 분석을 통해 기업은 각 제품의 강점과 약점을 파악하고, 향후 전략을 수립하는 데 필요한 중요한 인사이트를 얻을 수 있습니다.

 

데이터 로드

# 구글 마운트
from google.colab import drive
drive.mount('/content/drive')

# 라이브러리
import pandas as pd
import numpy as np
import plotly.express as px

# 데이터 불러오기
df = pd.read_csv('/content/drive/MyDrive/메타코드M/강의노트/product_mart.csv')

# 데이터 확인
df.head()

 

# 'order_date' 컬럼을 object 에서 날짜 형식으로 변환

df['order_date'] = pd.to_datetime(df['order_date'])
df.info()

 

 

# 카테고리와 제품별로 그룹화하여 주문 개수를 계산합니다. count와 size는 같은 결과를 반환합니다.

df.groupby(by = ['category','product_id' ])['order_id'].count()
df.groupby(by = ['category','product_id' ])['order_id'].size()

 

데이터 변환 및 계산

# 순가격 : 할인율을 적용한 가격
df['net_price'] = df['price'] * (1-df['discount_ratio'])

# 순매출
df['net_revenue'] = df['net_price'] * df['quantity']

# 총 매출
df['revenue'] = df['price'] * df['quantity']

# 총 비용 계산
df['total_cost'] = df['cost'] * df['quantity']

# 할인 금액 계산
df['discount'] = df['discount_ratio'] * df['price']

# 총 할인 금액 계산
df['total_discount'] = df['discount'] * df['quantity']

 

 

df_agg = df.groupby(by = ['product_id', 'category', 'price'])[['quantity', 'net_revenue', 'revenue', 'total_cost', 'total_discount']].sum().reset_index()
df_agg.head()

# 순 이익율 계산 : (총 매출 - (총 비용 + 총 할인 금액)) / 총 매출
df_agg['net_profit_ratio'] = 1-(df_agg['total_cost'] + df_agg['total_discount'])/df_agg['revenue']

# 총 순이익 계산 : (총 매출 - 총 비용 - 총 할인 금액)
df_agg['total_net_profit'] = df_agg['revenue']-df_agg['total_cost']-df_agg['total_discount']

# 할인율 계산 : 총 할인 금액 / 총 매출
df_agg['discount_ratio'] = df_agg['total_discount'] / df_agg['revenue']

# 비용 비율 계산 : 총 비용 / 총 매출
df_agg['cost_ratio'] = df_agg['total_cost'] / df_agg['revenue']

# 검증

# 순이익률 + 비용 비율 + 할인율 = 1 
df_agg['net_profit_ratio'] + df_agg['cost_ratio'] + df_agg['discount_ratio']

# 총 매출 - 총비용 - 총 할인금액 - 총 순수익 = 0
df_agg['revenue'] - df_agg['total_cost'] - df_agg['total_discount'] - df_agg['total_net_profit']

 

시각화

 

fig = px.scatter(df_agg,
           x = 'revenue',
           y = 'net_profit_ratio',
           width = 900,
          height = 700,
          title = '제품 포트폴리오 분석',
          hover_name = 'product_id',
          size = 'total_net_profit',
          color = 'discount_ratio'
)

fig.show()

 

 

그래프 해석

1. X축 (revenue):
   • 제품별 총 매출을 나타냅니다. 오른쪽으로 갈수록 매출이 높은 제품을 의미합니다.
2. Y축 (net_profit_ratio):
   • 제품별 순이익률을 나타냅니다. 위로 갈수록 순이익률이 높은 제품을 의미합니다.
3. 버블 크기:
   • 버블의 크기는 제품별 매출의 크기를 나타냅니다. 더 큰 버블은 더 높은 매출을 나타냅니다.
4. 색상 (discount_ratio):
   • 색상은 제품별 할인율을 나타냅니다. 색상 막대가 보여주듯이, 보라색에서 노란색으로 갈수록 할인율이 높아집니다.

 

분석

• 순이익률이 높은 제품들: 왼쪽 상단에 위치한 작은 점들이 순이익률이 높지만 매출이 적은 제품들입니다. 이 제품들은 비용 절감이나 높은 마진을 통해 높은 순이익률을 유지하고 있습니다.
• 매출이 높은 제품들: 오른쪽 하단에 위치한 큰 점들은 매출이 높은 제품들입니다. 이 제품들 중 일부는 순이익률이 낮을 수 있지만, 매출이 크기 때문에 전체 수익에 큰 기여를 할 수 있습니다.
• 할인율: 노란색 점들은 할인율이 높은 제품들입니다. 할인율이 높아도 매출과 순이익률에 따라 다른 전략적 결정을 할 수 있습니다. 예를 들어, 할인율이 높지만 매출이 크고 순이익률도 적당히 높은 제품은 전략적으로 중요할 수 있습니다.

 

이 그래프를 통해 제품별 매출, 순이익률, 할인율을 종합적으로 평가할 수 있습니다. 이를 바탕으로 제품 포트폴리오를 최적화하고, 각 제품에 대한 전략적 의사 결정을 내리는 데 유용한 인사이트를 얻을 수 있습니다.

 

 

 

후기 및 추천 : 자세하게 설명해 주시기 때문에 입문자도 잘 이해할 수 있는 강의입니다!