📖 Pendahuluan
Analisis penjualan sangat penting bagi bisnis untuk memahami tren pelanggan, kategori produk yang laris, dan strategi pemasaran yang efektif. Dalam proyek ini, saya menggunakan dataset penjualan Diwali untuk menganalisis pola belanja pelanggan dan memberikan insight bisnis.
📂 Dataset yang Digunakan
Dataset Diwali Sales berisi informasi tentang:
✔ Data pelanggan (Usia, Gender, Kota)
✔ Transaksi penjualan (Kategori produk, Nilai pembelian, Jumlah transaksi)
✔ Waktu pembelian (Bulan, Tahun)
🔗 Unduh Dataset (Sertakan link jika dataset tersedia)
🎯 Tujuan Analisis
- Memahami tren penjualan selama festival Diwali
- Mengetahui segmen pelanggan yang paling banyak berbelanja
- Menganalisis kategori produk yang paling populer
- Memberikan rekomendasi bisnis berdasarkan data
🛠 Tools & Library yang Digunakan
📌 Python, Pandas, Matplotlib, Seaborn, NumPy, Jupyter Notebook
📊 Analisis Data
Di bawah ini beberapa langkah utama dalam analisis:
1️⃣ Data Cleaning & Preprocessing
2️⃣ Visualisasi Tren Penjualan
import matplotlib.pyplot as plt
import seaborn as sns
# Visualisasi total penjualan berdasarkan kategori produk
plt.figure(figsize=(12,6))
sns.barplot(x=df['Product_Category'], y=df['Amount'], ci=None)
plt.xticks(rotation=90)
plt.title("Total Penjualan berdasarkan Kategori Produk")
plt.show()
📌 Hasil: Kategori produk terlaris adalah [Kategori X].
3️⃣ Profil Pelanggan
📌 Insight: Mayoritas pelanggan adalah [Laki-laki/Perempuan], dengan usia [rentang usia yang dominan].
📢 Kesimpulan & Rekomendasi
✅ Segmen pelanggan utama berasal dari [kota X] dengan usia [rentang usia].
✅ Produk terlaris adalah kategori [kategori X] dengan total penjualan tertinggi.
✅ Strategi pemasaran bisa difokuskan pada [iklan digital, diskon bundling, dll.].
📌 Lihat kode lengkap di GitHub/Kaggle: 🔗 Repo GitHub
Tidak ada komentar:
Posting Komentar