요즘 Tableau Dashboard들 정리한다고 Python에 좀 소홀했다. 이제 마지막으로 분석하는 파트를 작성해보도록 하겠다. 4. 개요 일단 앞선 글에서 말했듯이 카테고리가 22개 정도 되기 때문에 여기에 모든 카테고리별 쇼핑 거래액 분석을 적기에는 무리가 있다고 판단해 일부분만 발췌해서 적어보도록하겠다. 하지만 전체적인 Insight는 글의 말미에 다 적으려고 한다. 5. 카테고리별 분석 여기서 한번 짚고 넘어가야할 것! * column.1은 인터넷 쇼핑 * * column.2는 모바일 쇼핑 * 을 의미한다! (1) 컴퓨터 및 주변기기 일단 처음에 나는 거래액 총계 차트 하나 인터넷 쇼핑과 모바일 쇼핑 거래액의 차이를 보기위해 두 개의 그래프를 한번에 그린 차트 하나 이렇게 구성하였다. ![](https://velog.velcdn.com/images/adriel28/post/60b70a8b-3ba9-426f-a53

3. Data 확보 & 전처리(Preprocessing) 3-1. Data 확보 일단 앞서 글에서 언급한 것처럼 KOSIS 사이트에 접속한다. 그리고 온라인 쇼핑을 검색한 후 온라인쇼핑몰 판매매체별/상품군거래액을 클릭한다. 그러면 위와 같은 화면이 뜨는데 나는 맨 처음 데이터를 그대로 내려받는 실수를 범했다. 그랬더니 Python에서 Pandas로도 Tableau로도 쓸 수 없는 데이터가 되어버렸다... 정확히 얘기하자면 굉장히 쓰기 힘든 데이터로 변했다. 날짜가 행에 오고 거래액이 열로 와야 시계열적으로 좀 더

1. 주제 선정 팀원 중에 한 명이 미국 내의 UFO 출현에 관심을 갖고 있어 이를 기반으로 데이터 분석을 해보는 게 어떻겠냐고 하여 황색 언론에 대한 분석에서 변경하게 되었다. 그리하여 최종적으로 UFO 미국 관광 투어를 위한 UFO 출몰 지역 및 패턴 데이터 분석 을 주제로 선정하게 되었다. 2. Data 수집 데이터는 National UFO Reporting Center에서 찾을 수 있었고 표 형태의 적혀진 데이터를 자동으로 크롤링 해주는 Instant Data Scraper를 이용하여 데이터를 수집하였다. National UFO Reporting Center 이 곳에는 1400년대부터 현재까지 목격되었다는 UFO 출몰 정보가 들어있었는데 우리 팀은 모바일 기기의 도입이 대중적으로 시작된 2000년 ~ 2022년 데이터들을 <nuforc의 Data bank의 U

1. 분석의 계기 취업문을 두드리고 있던 어느날 나는 면접을 보면서 멘붕에 빠지기 시작했다… 11월 초 첫 면접 이후 이 개인프로젝트를 시작하기 전까지 내가 지금까지 배워오고 그에 맞춰서 해왔던 것들이, 다 부질없이 느껴지는 날들이었기 때문이다. 학원에서는 기본적인 것은 가르쳐주지만 기업 실무에 적용되는 것을 알려주기는 어렵다. 어렴풋이 알고 있었다. 하지만 외면하고도 있었던 것 같다. 그리하여 나는 면접에서 쓴 맛을 볼 수 밖에 없었다. 기업이 나에게 원하는 것은 참 많은데 나는 대비가 하나도 안되어있던 것이었다! 그래서 나는 대기업에서 데이터 분석가를 하고 있는 형에게 Help!!를 외쳤다. 그리하여 얻은 주제들이 바로…! 온라인 쇼핑 동향 분석이었다. 노션에 작성했던 이유는 나의 무지함과 짧은 실력을 당장에 기록하는 것에 불과하지만 나중에는 데이터 분석가로 취업을 (너무 절박하게) 하고싶지만 어떤 방향으로 분석을 시작할지 모르겠는 과거의 나와 비슷