"데이터 분석" 글 13개

온라인몰 거래 데이터로 월별 신규 고객 리텐션을 SQL로 계산했더니, PARTITION BY 하나를 빠뜨리면 모든 고객의 첫 구매 월이 같아지고, 데이터의 첫 달은 기존 고객이 신규로 섞여 재구매율이 36.5%로 부풀고, 마지막 달은 관측할 기간이 없어 0.0%로 나왔습니다. 윈도우 함수의 기본, 코호트 리텐션의 분모·분자 정의, 경계 월 확인법을 실제 쿼리로 정리합니다.

온라인몰 거래 54만 행에 ‘고객별 총 주문 금액 상위 고객’ 쿼리를 돌렸더니 1위가 고객 번호 없는 거래 묶음이었고, 상품표를 JOIN하자 매출이 43% 부풀었습니다. SQLite로 NULL 그룹, WHERE 조건, JOIN 중복을 재현하고 행 수와 합계로 검증하는 방법을 정리합니다.

영국 온라인몰 거래 54만 행을 CSV·JSON·Parquet으로 저장해 보니 용량은 45.0MB, 102.7MB, 3.5MB였고, CSV와 JSON은 다시 읽는 순간 날짜와 고객 번호의 타입이 바뀌었습니다. PokeAPI 151마리로 중첩 JSON을 표로 펼칠 때의 함정, 월별 파티션까지 실제 측정값으로 정리합니다.

영국 온라인몰 거래 54만 행을 타입 지정 없이 읽었더니 취소율이 1.71%가 아니라 99.97%로 계산됐고, 메모리는 134.9MB였습니다. 타입을 맞추자 16.7MB로 줄었지만 범위를 보지 않고 줄이면 74,215가 8,679로 바뀝니다. 타입 판단과 다운캐스팅, 줄인 뒤 검증하는 방법을 실제 코드로 정리합니다.

영국 온라인몰 실제 거래 54만 행에서 총매출 한 줄 코드는 £9,747,766을 에러 없이 돌려주지만, 정의에 따라 총매출은 네 가지, 주문 수도 네 가지로 달라집니다. AI가 코드를 대신 써주는 시대에 분석가에게 남는 일, 결과를 의심하고 확인하는 방법을 실제 코드와 결과로 정리합니다.

보증금 300원을 붙인 제주의 일회용컵 반환율은 3년 만에 60%가 됐지만, 반환컵 수로 역산하면 쓰인 컵은 2023년 약 904만 개에서 2025년 약 929만 개로 줄지 않았고, 2025년에만 약 372만 개가 돌아오지 않았습니다. 반환율과 쓰레기 감축이 다른 이유를 정리했습니다.

2025년 스쿨존 어린이 교통사고는 526건에서 927건으로 76% 늘었지만, 같은 해 스쿨존 밖 어린이 사고는 770건 줄었고 전체 어린이 교통사고도 4.0% 줄었습니다. 4년 내내 6% 안팎이던 스쿨존 비중이 한 해에 두 배가 된 이유는 사고를 세는 방식의 변화였습니다.

대구가 대형마트 휴업일을 월요일로 바꾼 뒤 전통시장 매출이 32.3% 늘었다는 발표가 나왔지만, 같은 기간 편의점은 23.1%, 음식점은 25.1% 늘었습니다. KDI 분석에서 휴업일을 평일로 바꾼 4개 지역 모두 뚜렷하게 매출이 늘어난 쪽은 대형마트였습니다.

신림선 역이 생긴 5개 동의 매출은 개통 후 14.1% 올랐지만, 역이 하나도 안 생긴 같은 구 31개 동도 13.9% 올랐습니다. 서울대 앞 대학동은 역이 생겼는데도 3.2% 오르는 데 그쳤습니다. 서울시 행정동 매출 원자료로 역세권 공식을 검증했습니다.

2022년 5억 3,840만 달러였던 일본의 대중국 수산물(HS03) 수출은 2024년 보고액 260만 달러가 됐습니다. 미국·베트남·태국이 더 사간 1억 5천만 달러는 빠진 금액의 3분의 1도 안 됐고, 조치 직후 5개월간 대체 수출은 80만 달러뿐이었습니다.