Analisis Deskriptif Menggunakan RStudio pada Data Online Retail
Hallo Sahabat Data!
Di kesempatan ini kita akan membuat analisis deskriptif untuk data online retail dengan menggunakan software RStudio.
Yukk, langsung saja kita mulai!
Dipunyai data transaksi di sebuah perusahaan online retail, klik disini:
Catatan : data yang saya gunakan berbeda dengan yang ada pada link, namun secara keseluruhan bentuk datanya sama dan tahapan analisis deskriptif dapat dilakukan sesuai dengan yang saya tuliskan, sehingga hasilnya akan berbeda dengan apa yang saya tulis.
Buatlah analisis deskriptif dari data tersebut yang memudahkan bagi para pengambil kebijakan!
Adapun tahapan yang akan dilakukan dalam studi kasus diatas adalah sebagai berikut:
- Menginstall packages dan mengimpor data
dari perintah diatas didapatkan beberapa hasil sebagai berikut
Gambar diatas merupakan hasil dari menampilkan enam data teratas dari data online retail.
Dari gambar diatas dapat diketahui bahwa data online retail yang disimpan dalam objek retail mempunyai sebanyak 541909 baris dengan 8 kolom sebagai variabel nya. Dengan penjelasan variabel nya sebagai berikut :
- InvoiceNo : nomor transaksi pembelian — tipe data faktor,
- StockCode : kode produk — tipe data faktor,
- Description : deskripsi dari produk — tipe data faktor,
- Quantity : jumlah produk yang tersedia — tipe data integer,
- InvoiceDate : tanggal transaksi pembelian — tipe data faktor,
- UnitPrice : harga produk per unit nya — tipe data number,
- CustomerID : ID customer yang bersifat unik — tipe data integer,
- Country : negara asal pembeli — tipe data faktor.
2. Melakukan analisis deskriptif data online retail
Jumlah Frekuensi Customer Berdasarkan Negara
Dari analisis diatas terlihat bahwa customer pada perusahaan online retail ini tersebar di 38 negara. Dimana negara dengan jumlah customer terbanyak pertama adalah United Kingdom yaitu sebanyak 495478 customer. Sedangkan negara dengan jumlah customer paling sedikit adalah Saudi Arabia yaitu hanya 10 customer.
Jumlah Penjualan Produk Per-Hari
Berdasarkan analisis diatas, dapat diketahui bahwa hari dengan jumlah penjualan tertinggi terletak pada hari Kamis yaitu berjumlah 1906108. Kemudian hari dengan jumlah penjualan terbanyak kedua adalah hari Selasa yaitu sebanyak 1563194. Dan hari dengan jumlah penjualan paling sedikit adalah di hari Minggu sebanyak 784419.
Produk yang Paling Diminati — Pendapatan Produk
Berdasarkan analisis diatas, dapat diketahui bahwa produk dengan kode DOT merupakan produk yang paling banyak diminati yaitu dengan total penjualan sebanyak 206245. Kemudian di posisi kedua terdapat produk dengan kode 22423 dengan total penjualan sebanyak 164762 dan produk dengan penjualan tertinggi ketiga adalah produk dengan kode 47566 yaitu dengan total penjualan sebanyak 98303.
Penjualan Produk Berdasarkan Negara Customer
Berdasarkan analisis diatas diketahui pula negara dengan jumlah penjualan produk tertinggi yaitu United Kingdom dengan jumlah penjualan sebanyak 8187806 produk kemudian disusul oleh negara Netherlands dengan jumlah penjualan sebanyak 284662 produk, dan negara EIRE dengan jumlah penjualan sebanyak 263277 produk.
Banyaknya Penjualan Berdasarkan Waktu Transaksi
Berdasarkan analisis diatas diketahui bahwa jam-jam dengan penjualan yang paling ramai dan membutuhkan staff lebih banyak untuk melayani pelanggan adalah pada jam 12:00 dan jam 13:00 dimana pada jam tersebut terjadi transaksi penjualan sebanyak 880104 penjualan dan 845806 penjualan.
Frekuensi Penjualan Per-Bulan
Berdasarkan analisis diatas dapat diketahui bahwa jumlah penjualan per bulan dimana jumlah penjualan tertinggi terletak pada bulan November (bulan ke-11) dengan 1132408 produk yang terjual dan yang terendah ada pada bulan April (bulan ke-4) dengan 426048 produk yang terjual.
Top 10 Pelanggan Berdasarkan Jumlah Produk yang Dibeli
Berdasarkan analisis diatas dapat diketahui bahwa ID_Customer dengan kode 14646 merupakan customer dengan pembelian produk terbanyak yaitu sebanyak 279489, kemudian untuk customer dengan pembelian produk terbanyak kedua dan ketiga secara berturut-turut berada pada pelanggan dengan ID_Customer 18102 dan 17450.
Kesimpulan
Setelah dilakukan beberapa analisis deskriptif pada data online retail, maka dapat direkomendasikan beberapa kebijakan yang dapat digunakan untuk oleh perusahaan dalam memajukan usahanya tersebut, diantaranya adalah:
- Memberikan gratis ongkos pengiriman pada produk yang banyak dibeli oleh customer dari negara United Kingdom berdasarkan dari analisis frekuensi asal negara customer.
- Melakukan penambahan jumlah karyawan pada Hari Kamis dan dan mengadakan undian berhadiah berdasarkan analisis banyaknya penjualan per harinya.
- Memberikan poin setiap kali pembelian kepada customer yang dapat di uangkan atau ditukarkan dengan berbagai penawaran berdasarkan pada analisis banyaknya pembelian produk atas ID_customer.
- Memberikan banyak promo menarik dan diskon berupa potongan harga pada bulan Mei berdasarkan analisis penjualan per bulan dan mengadakan Flash Sale pada pukul 12:00 berdasarkan analisis penjualan tertinggi per-jam.
- Memberikan cashback sebesar 15% untuk pembelian produk dengan kode DOT berdasarkan pada analisis produk yang paling banyak terjual.
