데이터 전체 살펴보기

1. 전처리 및 병합

   1. 데이터 정보

   2. 전처리

      1. 카테고리별 아이템수

         

      2. event_name_1과 event_name_2의 차이

         

         event_name_1 컬럼은 더 많은 이벤트를 포함하며 반복횟수가 5~6회

         event_name_2 컬럼은 더 적은 이벤트를 포함하고 있으며, 반복 빈도도 낮음

         또한 event_name2 컬럼의 이벤트들은 event_name1에 포함됨

         이는 event_name_2가 보조적인 역할을 하는 컬럼일 가능성이 있으며, 주요 이벤트는 event_name_1에 포함되어 있다고 볼 수 있음

   3. 데이터 병합

      

   

   1. calender

      

   2. sell_prices

      

2. EDA

   • 일별 판매량
   • 90일 기준 판매량
   • 주별 판매량
   • 월별 판매량
   • 연도별 판매량
   • 상점별 판매량
   • 각 상점별 판매량(하루 단위)
   • 각 상점별 판매량(주 단위)
   • 일별, 90일 기준, 주별 판매량이 가장 낮은 주

CA_3과 CA_4 상점의 비교

전체 상점의 판매량을 확인한 후 판매량이 가장 높은 CA_3 상점과 가장 낮은 CA_4를 비교하고자 함

1. 전처리

   1. 주어진 데이터셋 세개를 CA_3, CA_4 상점 필터링하여 병합(2016년 데이터 삭제)

      

   2. 카테고리별 아이템 수 비교

      

   3. 이벤트 있는 날과 없는 날의 판매량(CA_3, CA_4 매장 합쳐서) → 그냥 해본거니 무시해도 됩니다

      밑에 평균이라고 써져있는데 아입니다…..

      

      

2. EDA

   • 상점별 월별 판매량
   • 상점별 주별 판매량
   • 상점별 카테고리별 판매량
   • 상점별 이벤트 타입별 판매량
   • 상점별 이벤트 있는 날과 없는 날의 평균 판매량
   • 상점별 이벤트별 평균 판매량
   • 상점별 매출
   • 이벤트별로 매출에 미치는 영향 계산
   • 상점 별 수익 높은 주에 이벤트가 존재하는가
   • CA_4 매장에서 판매량이 가장 적은 주에 어떤 물건이 가장 많이 팔렸는가
   • 카테고리 상관관계
   • FOODS 판매량(주 단위)
   • FOODS 카테고리에서 가장 팔린 물건들(top 10)
   • FOODS 카테고리에서 이벤트 타입별 판매량
   • FOODS 판매량이 높은 날(top10)에 이벤트가 존재하는가