고령화 사회에 대응해야 하는 패스트패션 업계 : H&M
•
서론
1) 주제 선정 배경
대한민국을 포함한 글로벌 시장은 빠르게 고령화 사회로 진입중.
패스트패션 업계 : 10대 ~ 30대 소비층이 주력 고객
고령화 사회로 변화함에 따른 고령 고객 및 잠재적인 주력 고객층(40대)의 맞춤 전략을 세울 필요가 있음.
2) 문제 정의
•
패스트패션 업계는 고령화 사회에서 젊은 고객층에만 집중하고 있음.
•
같은 전략으로는 기업의 지속 성장이 우려됨.
•
4~50대 고객이 고령화 시대에는 가장 큰 pool이 될 수 있다.
•
연령대별 소비 패턴 / 상품 선호 차이를 반영해 전략을 수정해야 함.
3) 분석 목적
•
고객군별 핵심 니즈, 구매 패턴, 상품 카테고리, 색상 파악
•
미래 성장 가능성이 높은 세대에게 맞는 방향성 제시
1.
데이터 전처리 (Data Cleaning & Preprocessing)
•
주어진 데이터셋 활용으로 데이터 수집은 생략.
결측치(NaN), 이상치, 중복값은 어떻게 처리할 것인가?결측치 : 유사성 가진 컬럼 참조 후 최빈값 대체
이상치 : 제거 – IQR, Z-score 모두 해당하는 이상치 제거
대체 – 두 가지 분류 방법 중 하나만 만족하는 값 임계값으로 대체
데이터의 단위·형식·범주는 일관성 있는가?•
단위 : 화폐 단위를 추후에 원화로 변경하여 표현 예정
•
형식 - 구매 날짜 : date형식으로 변경
•
범주 : 컬럼 내 내용을 확인하여 값들 전처리
파생 변수(Feature)를 생성해야 하는가?•
age_group
•
count(id)
•
avg(price) 등
1.
데이터 분석 (Exploratory & Statistical Analysis)
EDA(탐색적 데이터 분석)를 통해 패턴을 찾았는가? 변수 간 관계는 어떻게 파악할 것인가? 시각화를 통해 데이터의 특징을 설명할 수 있는가?> 데이터를 “읽는 능력”을 기르는 단계.
> 파이썬, Pandas, Matplotlib/Seaborn, Plotly 등을 활용해
> 트렌드 / 패턴 / 상관관계 / 분포 등을 확인한다.
1.
결과 도출 및 보고 (Insight & Reporting)
팀 또는 클라이언트는 어떤 결정을 내릴 수 있는가? 스토리텔링이 가능한 시각화 및 보고서는 어떻게 구성할 것인가?> 분석의 끝은 항상 “설득”이다.
> 데이터로 이야기하고, 분석 결과를 누구나 이해할 수 있는 형태로 전달하는 단계.
•
연령대별 월간 매출 추이선 비교(특정 시점에 어떤 연령대가 반응하는지 파악 가능)