Project Data Analysis for Retail : Sales Performance Report

Photo by Artem Beliaikin on Unsplash

Haloo semuanyaa!!! ini merupakan project pertama saya yang akan membahas Project SQL Challenge dari DQLab mengenai Sales Performance Report, yang terdapat berbagai task di dalamnya. jadi langsung saja masuk ke pambahasan

Dataset Brief

Data yang digunakan yaitu bernama tabel dqlab_sales_store, Dataset yang digunakan berisi transaksi dari tahun 2009 sampai dengan tahun 2012 dengan jumlah raw data sebanyak 5500, termasuk di dalamnya order status yang terbagi menjadi order finished, order returned dan order cancelled. Adapun dataset yang sudah diberikan dan akan digunakan pada project ini berisi data sebagai berikut :

#saya hanya mengambil 6 baris sample agar tidak terlalu banyak
SELECT * FROM dqlab_sales_store limit 6

Project Task

Dari data yang sudah diberikan, dari pihak manajemen DQLab store ingin mengetahui:

1. A. Overall performance DQLab Store dari tahun 2009–2012 untuk jumlah order dan total sales order finished

B. Overall performance DQLab by subcategory product yang akan dibandingkan antara tahun 2011 dan tahun 2012

2. A. Efektifitas dan efisiensi promosi yang dilakukan selama ini, dengan menghitung burn rate dari promosi yang dilakukan overall berdasarkan tahun

B. Efektifitas dan efisiensi promosi yang dilakukan selama ini, dengan menghitung burn rate dari promosi yang dilakukan overall berdasarkan sub-category

Setelah melihat hasil analisa di Sub Bab 1 dan 2, selanjutnya dilakukan analisa terhadap customer DQLab. Analisa dari sisi customer dengan menggunakan metrics:

3. Analisa terhadap customer setiap tahunnya dan Analisa terhadap jumlah customer baru setiap tahunnya

Project Answers

1. A. Overall Performance by Year

code

• Untuk order_date menggunakan LEFT untuk menampilkan tahun saja. untuk penjumlahan dan perhitungan menggunakan SUM atau COUNT
• Filter order_status dengan ‘Order Finished’ karena hanya ingin menghitung transaksi yang sudah selesai

output (Overall Performance by Year)

B. Overall Performance by Product Sub Category

• Untuk order_date menggunakan Year untuk menampilkan tahun saja. untuk penjumlahan menggunakan SUM
• Filter order_date berdasarkan tahun antara 2011–2012 saja dengan order_status ‘Order Finished’. Dan diurutkan berdasarkan sales tertinggi

output(Overall Performance by Product Sub Category)

2. A. Promotion Effectiveness and Effeciency by Years

Pada bagian ini kita akan melakukan analisa terhadap efektifitas dan efisiensi dari promosi yang sudah dilakukan selama ini Efektifitas dan efisiensi dari promosi yang dilakukan akan dianalisa berdasarkan Burn Rate yaitu dengan membandingkan total value promosi yang dikeluarkan terhadap total sales yang diperoleh. DQLab berharap bahwa burn rate tetap berada diangka maskimum 4.5%

Formula untuk burn rate : (total discount / total sales) * 10

• Untuk order_date menggunakan Year untuk menampilkan tahun saja. untuk penjumlahan menggunakan SUM pada Kolom sales dan discount_value, selanjutnya round untuk membulatkan angka dengan 2 angka dibelakang koma pada tabel burn_rate_percentage
• Filter order_status dengan ‘Order Finished’ karena hanya ingin menghitung transaksi yang sudah selesai

output(Promotion Effectiveness and Effeciency by Years)

B. Promotion Effectiveness and Effeciency by Product Sub Category

Pada bagian ini kita akan melakukan analisa terhadap efektifitas dan efisiensi dari promosi yang sudah dilakukan selama ini seperti pada bagian sebelumnya. Akan tetapi, ada kolom yang harus ditambahkan, yaitu : product_sub_category, product_category dan data yang ditampilkan hanya tahun 2012 saja

• Untuk order_date menggunakan Year untuk menampilkan tahun saja. untuk penjumlahan menggunakan SUM pada Kolom sales dan discount_value, selanjutnya round untuk membulatkan angka dengan 2 angka dibelakang koma pada tabel burn_rate_percentage
• Filter order_status dengan ‘Order Finished’ karena hanya ingin menghitung transaksi yang sudah selesai dan order_date hanya pada tahun 2012 saja

output

3. Customers Transaction per Year

DQLab Store ingin mengetahui jumlah customer (number_of_customer) yang bertransaksi setiap tahun dari 2009 sampai 2012 (years). Dengan hal tersebut dapat diketahui perkembangan jumlah customer apakah naik atau turun. Yang dapat menjadi pertimbangan mengenai kualitas dan kepuasan penjualan di DQLab Store

• Untuk order_date menggunakan Year untuk menampilkan tahun saja. Serta mengitung jumlah customer yang bertransaksi selama setahun dan tidak ada duplikasi dengan menggunakan DISTINCT
• Filter order_status dengan ‘Order Finished’ karena hanya ingin menghitung transaksi yang sudah selesai

output

Kesimpulan

• Overall Sales Performance tahun 2009–2012, mengalami fluktuasi dan tingkat penjualan tertinggi diperoleh tahun 2009 dengan tingkat order sebesar 1,244.
• Pada tahun 2011–2012 diperoleh penjualan top 2 tertinggi dengan category Office Machines sebesar 811,427,140 sedangkan Chairs and Chairmats sebesar 654,168,740. sehingga category tersebut akan memberikan keuntungan maksimal DQLab Store.
• Keefektifan dan Keefisiensian Promosi berdasarkan data yang ada tahun 2009–2012 yakni mengalami kegagalan memenuhi standard target (4.5%) dari tahun ke tahun, dengan Burn Rate sebesar 4.65%-5.04% dengan membandingkan total value promosi yang dikeluarkan terhadap total sales yang diperoleh. Pada tahun 2012 category Office Machines memiliki tingkat Burn Rate cukup tinggi sebesar 5.75%, sedangkan Chairs and Chairmats hanya sebesar 4.07% .
• Setelah melihat Overall Performance yang tidak mengalami pertumbuhan yang signifikan, sedangkan apabila dilihat dari perkembangan Customer yang bertransaksi di DQLab Store dari tahun 2009–2012 mengalami kenaikan yang sedikit signifikan sebesar 585–594 Customer.

Alahamdulillah selesai mengerjakan Challenge-nya, selanjutnya saya akan upload beberapa Project SQL berikutnya!!! stay tune!!