안녕하세요! 하트카운트 팀의 데이터 분석가이자 프로덕트 매니저 David입니다.

지난 글에서는 HEARTCOUNT AI 분석 기능인 Dialogue(다이얼로그) 활용법을 소개해 드렸는데요. 이번에는 Dialogue에서 수행할 수 있는 새로운 분석 기법인 Signal에 대해 알려드리고자 합니다.

Signal은 주목할 만한 지표 변화와 요인을 자동으로 분석하여 변화율, 변화 패턴 등 다양한 관점에서 알려드리는 Dialogue의 새로운 기능입니다.

이번 글에서는 HEARTCOUNT의 샘플 데이터셋 중 하나인 매출 데이터셋을 통해, 다이얼로그에서 Signal 분석을 수행하는 법을 알아보도록 하겠습니다.

Signal - 주목할 만한 지표 변화 찾기

0) 데이터셋 업로드하기

우선 HEARTCOUNT에 로그인해볼까요? 첫 진입 시 만날 수 있는 캠페인 생성하기 메뉴입니다.

• 샘플 데이터셋 파일 사용하기 버튼을 누르면, HEARTCOUNT를 활용할 수 있도록 마련된 샘플 데이터셋들을 보실 수 있습니다.
• 이 중 Signal 분석을 수행하기에 가장 적절한 매출 데이터셋 을 선택해 보겠습니다.

1) 관심 지표 설정하기

• 그럼, 이제 AI 분석 > 다이얼로그 메뉴로 이동해보겠습니다.
• 분석에 앞서 필터에서 톱니바퀴 버튼을 눌러 파생변수를 제외해주세요.

Signal 분석을 수행하기 위해서는 주어진 매출 데이터셋에서 가장 관심 있는 지표를 선택해야 합니다.

• 저는 매출을 선택하겠습니다.

다음 단계로 이동하면, 다이얼로그의 새로운 Signal 추천 질문을 확인하실 수 있습니다.

• 트랜드 질문을 클릭해볼까요?

2) 시그널 분석 설정하기

다음 단계로 이동하면, 본격적인 분석을 수행하기에 앞서 먼저 설정해야 하는 내용들을 확인하실 수 있습니다. 하나씩 선택해 봅시다.

• 집계 방식: 앞에서 선택한 지표 매출 을 집계할 방식을 선택합니다. 총합을 선택합니다.
• 사용할 시계열 변수: 현재 캠페인에서 사용할 시계열 변수를 선택합니다. 해당 샘플 데이터셋의 경우 시계열 변수가 주문일 밖에 없어서 주문일만 사용 가능합니다.
• 시간 단위: 주문일 시계열 변수를 어떤 단위로 나누어 볼지 선택합니다. 연, 분기, 월, 주, 일 단위로 나누어 볼 수 있습니다. 월단위로 살펴봅시다.
• 비교 기준: 분석을 진행 시, 가장 최근 기간의 매출과 비교할 기준을 선택합니다. 이 경우 월 을 선택했으므로, 가장 최근 월의 매출과 비교할 기간을 선택하게 됩니다. 이번 달이 24년 11월이라면, 직전 기간은 24년 10월이 되겠네요.

3) 분석 결과 확인하기

다음 단계로 넘어가면, Signal 분석 엔진이 자동 데이터 분석을 수행합니다. 상단 종합 분석에서 종합적인 매출 지표의 추이를 월별로 확인할 수 있고, 하단의 주요 인사이트에서는 각 변수 별로 자동으로 계산된 지표 변화와 핵심 패턴을 확인할 수 있습니다. 하나씩 자세히 살펴볼까요?

3-1) 종합 분석

먼저 종합 분석 결과입니다. 매출 총합은 전반적으로 증가하고 있다는 것을 차트와 분석 문장으로 확인할 수 있습니다.

이번달 매출이 특히 하락한 주요 요인을 찾아야 할 것 같습니다. 하지만 모든 요인별로 하나하나 가장 하락폭이 큰 것을 찾기에는 계산도 복잡하고, 해당 요인이 분석적으로 얼마나 중요한지 등의 인사이트를 도출하기는 쉽지 않은 일입니다.

Signal은 바로 이러한 복잡하고 어려운 일을 대신 수행하고 결과를 보여줍니다. 아래로 내려가 볼까요?

3-2) 주요 인사이트

주요 인사이트 영역으로 내려오면, 해당 캠페인 데이터셋의 모든 변수를 활용하여, 매출 변화(하락)의 요인을 자동으로 찾은 분석 결과를 확인할 수 있습니다. 종합 분석 결과 직전 기간과 작년 동기간 대비 매출 총합이 하락했기 때문에, 감소와 관련된 변수 조합이 먼저 보이네요.

3-3) 원하는 변수만 골라 비교하기

이번에는 내가 원하는 변수만 골라서 비교해보도록 하겠습니다. 기업고객의 감소가 고객 분류 중 두드러진 인사이트인지 알아보기 위해 검색창에 고객분류 를 입력하고 변수 한개 버튼을 클릭해 봅시다.

그렇다면, 기업고객 중에서는 어떤 조건일 때 매출이 가장 크게 감소했을까요?

• 검색창에 기업고객 을 입력하고, 변수 두개 로 바꾸어봅시다.

4) 다음 추천 질문으로 추가 분석하기

물론 여기서 분석을 마칠 수도 있겠지만, 기업고객의 전자제품 매출 하락에 대해 추가로 분석해야 할 부분들이 있습니다.

1. ​기업고객 & 전자제품 매출의 계절성
   이번 달에 해당 조건인 경우 매출이 크게 하락했지만, 혹시 전년 동월에도 동일한 패턴(계절성)이 있는 건 아닐까요? 다시 말하자면, 이맘때쯤이면 기업고객들이 전자제품을 구매하는 비중이 항상 줄어드는 것은 아닐까요?
2. 다른 고객분류 및 제품대분류와의 비교
   혹시 기업고객 & 전자제품만 특별한 패턴을 보이는 것이 아니라, 다른 고객분류 및 제품대분류에서도 동일한 패턴이 발견되지는 않을까요? 이 맘때쯤이면 전반적으로 매출이 하락하는 것은 아닐까요?

이러한 추가적 질문에 쉽게 답하기 위해, Dialogue에서 관련된 추천 질문을 제안합니다.

• 현재 우리의 분석 맥락인 기업고객 & 전자제품에 알맞게 다음 질문을 사용하기 위해, 해당 카드를 클릭해 봅시다. 관련 질문으로 바뀌었네요.

4-1) 동기간과 비교하기

• 먼저 전년 동월과 비교할 수 있는 첫 번째 추천 질문을 선택해 보겠습니다.

차트를 보면, 앞에서 확인한 현시점의 기업고객 & 전자제품의 매출 추이(초록색 실선)를 전년 동기간의 기업고객 & 전자제품 매출 추이(파란색 실선)과 비교해 볼 수 있습니다.

4-2) 다른 고객분류 및 제품대분류와 비교하기

이번에는 두 번째 질문을 선택하여, 기업고객 & 전자제품 의 추이를 다른 모든 고객분류 의 매출 총합 추이 및 다른 모든 제품대분류 의 매출 총합 추이와 비교해보겠습니다.

분석 문장에서도 이러한 내용을 풀어서 설명하고 있네요.

마치며

지금까지 다이얼로그의 새로운 분석 기능인 Signal을 통해, 주어진 데이터로부터 빠르게 지표 변화를 분석하고 유의미한 요인을 찾는 방법을 알아보았습니다.

매출 데이터셋에는 여러 가지 주요 지표(매출 , 이익 , 수량)가 있는데요. 이번에는 이익 지표에 대해 직접 따라 해보실 수 있는 루트를 알려 드릴테니, 직접 따라해 보시면서 Signal 사용에 익숙해져 볼까요?

1. 지표: 이익 
2. 질문 선택: 이익에 트렌드와 변화에 대해서 분석하고, 이에 영향을 미친 요인들을 찾고 싶어요.
   1. 시그널 분석 설정하기 - 집계 방식: 평균 / 시계열 변수: 주문일 / 시간 단위: 분기 / 비교 기준: 직전 기간
3. 시그널 분석
   1. 종합 분석 - 전반적인 이익 평균 패턴 확인하기
      1. 최근에 증가 혹은 감소했는가?
      2. 만약 최근 4기간 동안 특별한 패턴이 있다면, 동기간에도 유사한 패턴이 있는가?
   2. 주요 인사이트
      1. 지역 별로 보기
         1. 지역별로 보았을 때, 분기별 이익 평균은 어느 지역에서 가장 많이 증가했고, 어떤 지역에서 가장 많이 감소했나요?
         2. 가장 많이 감소한 지역의 현재 패턴은 혹시 계절성이 있는, 그다지 주목할 만한 패턴이 아니지 않을까요? 첫 번째 추천 질문을 눌러 확인해보세요.
      2. 배송방식 별로 보기
         1. 어떤 배송방식이 가장 큰 하락폭을 보였나요?
         2. 해당 배송방식의 이익평균 추이를 다른 배송방식과 비교해볼까요? 두 번째 질문을 눌러 확인해봅시다. 어떤 특이한 패턴이 있을까요?

Signal은 시간의 흐름에 따른 수치형 변수의 의미있는 변화를 찾는데 유용한 기능입니다. 시계열 데이터를 가지고 있다면 지금 바로 Signal 기능으로 실무에 적용할만한 인사이트를 찾아보세요 🙂

함께 읽어 보면 좋은 글들

데이터의 길이 세상의 길과 이어지기 위해서

본 웨비나(블로그)에서는 의사결정에 활용할 수 있는 세가지 정보의 원천과 정량적 자료 분석 결과의 세가지 유형을 살펴본 후, 데이터에서 noise와 signal(쓸모있는 패턴)을 구분하는 이론과 실용적 방법들에 대해 논의하려고 합니다. 그리고, 검토했던 이론을 토대로 실제 데이터셋에서 노이즈와 시그널을 구분하는 시연으로 마무리할 예정입니다. 모쪼록, 데이터에서 찾은 길이 여러분이 발딛고 있는 세상의 길과 이어지는데 본 웨비나(블로그)가 도움이 되길 바랍니다.

HEARTCOUNT COMMUNITYsidney yang

Superstore 데이터셋을 활용한 매출 분석

매출 데이터를 하트카운트로 분석해 보았습니다. 보고를 위한 시각화 차트 생성은 물론 주요 KPI인 매출, 이익을 증가시키려면 어떤 조건에서 물건을 판매해야 하는지 또한 쉽게 확인할 수 있습니다.

HEARTCOUNT COMMUNITYheartcount