7-1. Correlation 상관관계 분석
🌤 상관분석 실습 교안
주제: 기온과 강수량이 편의점 매출에 미치는 영향 분석
1. 실습 목표
•
기온과 강수량이 매출에 어떤 상관관계를 가지는지 파악하기.
•
공공데이터 포털을 활용해 실제 데이터를 수집하고, 분석용 데이터셋을 구성하기.
•
ChatGPT를 이용해 상관계수를 계산하고 결과를 시각화하기.
2. 데이터 수집
(1) 국가통계포털(KOSIS)
•
목적: 기온 및 강수량이 매출에 미치는 영향을 보기 위해, 편의점 매출 데이터를 확보함.
•
•
데이터 종류: 편의점 매출 동향 데이터
🔹 수집 절차
1.
KOSIS 접속 후 검색창에 "편의점" 입력.
2.
검색 결과 중 '편의점 매출 동향(품목별)' 데이터 선택.
3.
기간 설정: 2015년 1월 ~ 2024년 12월.
4.
다운로드: CSV 형식으로 저장.
•
편의점 검색>편의점 매출 동향(품목별)
•
행 정렬 : 시점
•
부가기능' > '원자료 함께 보기' 선택
•
다운로드
(2) 기상청 기상자료개방포털
•
목적: 매출 변화에 영향을 줄 수 있는 기온과 강수량 데이터를 확보함.
•
•
데이터 종류: 월별 평균 기온, 월별 강수량
🔹 수집 절차
1.
포털 접속 후 '기온 분석', '강수량 분석' 데이터 선택.
2.
조건 설정: 2015년 ~ 2024년 12월, 전국 기준.
3.
CSV 파일로 다운로드하여 저장.
3. 데이터 구성 및 통합
(1) 다운로드한 파일
•
편의점 매출 데이터: 월별 품목별 매출액.
•
기온 데이터: 월별 평균 기온 정보.
•
강수량 데이터: 월별 총 강수량 정보.
(2) 데이터 전처리
•
ChatGPT로 각 파일들의 EDA 및 전처리 진행
•
라이언 추천
◦
ChatGPT로 3개 raw data에 대한 EDA 및 전처리 내용 등을 문의
▪
GPT로 전처리를 하는 경우에는 파일 하나씩 단계별로 접근 추천
▪
단계별로 하나씩 하더라도, GPT를 이용한 다단계 전처리는 할루시네이션으로 속 터질 수 있음
◦
GPT 결과가 원활하지 않은 경우, 파워쿼리로 전처리 및 데이터 통합 작업 진행 추천함
<편의점_매출_동향_품목별.csv> 전처리
‘총계’행을 제거해 줘
‘소계’가 있는 행을 제거해 줘
인덱스와 품목별(1) 칼럼을 제거해 줘
‘전년동월대비 매출증감률(%)’이 있는 칼럼을 제거해 줘
전년동월대비 매출증감률 칼럼이 제거되지 않았는데 다시 제거해 줘
칼럼명에 ‘.1’이 포함된 칼럼을 제거해 줘
‘품목별(2)’ 칼럼명을 ‘품목별’로 바꿔 줘
‘품목별(2)’로 되어 있는 행을 제거해 줘
데이터를 다운로드할 수 있게 해 줘
<강수량_데이터.csv> 전처리
전처리해 줘
지점 칼럼을 제거해 줘
<기온_데이터.csv> 전처리
전처리해 줘
평균최저기온과 평균최고기온 칼럼을 제거해 줘(3) 데이터 통합
•
세 개의 데이터를 **'월 단위 기준'**으로 병합.
•
각 데이터의 기준 열(예: '연월')을 기준으로 결합하여 분석용 데이터셋 구성.
월별로 3개 파일을 통합해 줘
품목명 열을 기준으로 정렬하고, 연월 기준으로 병합해 줘
인덱스 열 삭제하고 최종 결과를 CSV 파일로 저장해 줘4. 분석 준비
(1) 통합 데이터셋 구성
•
월별 단위로 기온, 강수량, 매출액을 하나의 표로 결합함.
•
컬럼:
5. 데이터 분석
한글이 깨질 때,
프로젝트 폴더 지침과 파일 참조해서 한글 표시해줘신선식품과 기온과의 상관관계를 분석하고 산점도를 그려줘GPT
✅ 분석 결과 요약 — 신선식품(즉석·신선 일부)과 평균기온 간 상관관계
📊 데이터 기반 분석 결과
•
상관계수 (r) = -0.013
•
해석: 두 변수 간의 상관계수가 0에 매우 가까움 → 기온과 신선식품 매출 간에 사실상 상관관계가 없음.
📈 시각적 해석 (산점도 분석)
•
점들이 전반적으로 균일하게 흩어져 있음, 뚜렷한 상승 혹은 하강 패턴이 없음.
•
즉, 기온이 높거나 낮은 달 모두 신선식품 매출에 일관된 영향이 나타나지 않음.
•
계절적 요인보다 내부 프로모션·소비 패턴·행사 요인의 영향이 더 클 가능성이 큼.
💡 시사점
•
기온 변화만으로는 신선식품 매출을 설명하기 어려움.
•
따라서 날씨 기반 판매 전략보다 상품 구성, 마케팅 캠페인, 시간대별 수요 분석 등이 더 효과적임.
•
향후 일별·시간대별 데이터로 분석 단위를 세분화하면, 기온 영향의 미세 패턴을 확인할 수 있음.
강수량과 신선식품 매출 증감률 관계 분석해 줘GPT
✅ 분석 결과 요약 — 신선식품 매출과 강수량 간 상관관계
📊 데이터 분석 결과
•
상관계수 (r) = -0.071
•
해석: 신선식품 매출과 강수량 사이에는 약한 음의 상관관계가 있음.
→ 즉, 비가 많이 오는 달일수록 신선식품 매출이 소폭 감소하는 경향을 보임.
→ 즉, 비가 많이 오는 달일수록 신선식품 매출이 소폭 감소하는 경향을 보임.
📈 시각적 해석 (산점도 분석)
•
점들이 전반적으로 불규칙하게 분포되어 있으며 뚜렷한 패턴이 없음.
•
다만 강수량이 많을 때 일부 낮은 매출 구간이 나타남.
•
이는 비가 오는 시기에 외출 감소로 인한 즉석식품·도시락류 소비 감소 가능성을 시사함.
💡 시사점
•
강수량이 신선식품 매출에 미치는 영향은 미미함.
•
그러나 매출이 약간 감소하는 방향성이 확인되므로,
→ 장마철이나 폭우 기간에는 즉석식품 프로모션 강화 또는 배달형 상품 전략이 필요할 수 있음.
→ 장마철이나 폭우 기간에는 즉석식품 프로모션 강화 또는 배달형 상품 전략이 필요할 수 있음.
•
기온보다 강수량이 매출 변화에 조금 더 영향을 주는 요인으로 보이지만, 통계적으로는 유의하지 않음.
각 품목별 매출 증감률의 트렌드 분석해 줘GPT
✅ 분석 결과 요약 — 품목별 매출 증감률 트렌드 분석 (2015~2024)
📊 데이터 개요
•
분석 기간: 2015년 1월 ~ 2024년 12월 (120개월)
•
분석 대상 품목:
생활용품, 잡화, 담배 등 기타, 음료 등 가공, 즉석(신선일부)
생활용품, 잡화, 담배 등 기타, 음료 등 가공, 즉석(신선일부)
•
지표: 각 품목의 월별 매출 증감률(%)
📈 트렌드 분석 결과
품목 | 주요 추세 요약 |
생활용품 | 전반적으로 완만한 등락을 반복하며, 2020년경 코로나 시기 이후 일시적 급등 후 안정화. 생활 필수품 수요 증가 시 반응이 뚜렷함. |
잡화 | 변동 폭이 크며, 2016 ~ 2017년 급등 구간 존재. 이후 점진적으로 하락하며 최근엔 0~10% 수준에서 안정. |
담배 등 기타 | 2015~2017년 큰 폭 상승 후 장기적으로 완만한 하락세. 규제 및 건강 이슈의 영향으로 해석 가능. |
음료 등 가공 | 여름철 반복적인 계절 패턴을 보이며, 전체적으로 완만한 성장세 유지. 날씨 요인과 높은 상관 예상. |
즉석(신선일부) | 계절성 영향과 프로모션 시점에 민감하게 반응하며, 일시적인 급등과 급락 구간이 반복됨. |
🔍 종합 해석
•
전 품목이 2020년을 전후로 코로나19 시기 매출 변동 폭이 급격히 확대되었다가 이후 안정화되는 공통 패턴 존재.
•
음료와 즉석식품류는 계절적 영향이 강함, 반면 생활용품·담배류는 비교적 안정적인 수요 구조.
•
장기적으로는 전 품목이 증감률 0~10%대의 완만한 변동 구간으로 수렴하는 추세.
💡 시사점
•
매출 트렌드는 **시기별 외부 요인(기온, 강수량, 사회적 요인)**에 따라 달라지며,
→ 단순 기상 변수보다 시기별 프로모션·이벤트 요인이 큰 영향을 미침.
→ 단순 기상 변수보다 시기별 프로모션·이벤트 요인이 큰 영향을 미침.
•
향후 예측 모델 수립 시 **계절성(Seasonality) + 비계절성 요인(프로모션, 경기 변수)**을 함께 반영해야 함.
신선식품의 매출 증감률과 기온, 그리고 강수량과의 상관분석에 대한 가설검정을 해 줘GPT
✅ 가설검정 결과 — 신선식품 매출 증감률과 기온·강수량 간 상관관계
📊 1️⃣ 분석 개요
•
목적: 기온(℃)과 강수량(mm)이 신선식품(즉석·신선일부) 매출 증감률에 유의한 영향을 미치는지 검정.
•
검정 방법: 피어슨 상관분석(Pearson Correlation Test)
📈 2️⃣ 분석 결과 요약
비교 변수 | 상관계수 (r) | p-value | 해석 |
평균기온(℃) vs 신선식품 매출 | -0.013 | 0.888 | 상관 거의 없음, 통계적으로 유의하지 않음 |
강수량(mm) vs 신선식품 매출 | -0.071 | 0.441 | 약한 음의 상관, 통계적으로 유의하지 않음 |
📊 3️⃣ 가설 설정
(1) 기온과 신선식품 매출 간 관계
•
귀무가설 (H₀): 기온과 신선식품 매출 간에는 상관관계가 없다.
•
대립가설 (H₁): 기온과 신선식품 매출 간에는 상관관계가 있다.
→ p-value = 0.888 > 0.05 → 귀무가설 채택.
→ p-value = 0.888 > 0.05 → 귀무가설 채택.
(2) 강수량과 신선식품 매출 간 관계
•
귀무가설 (H₀): 강수량과 신선식품 매출 간에는 상관관계가 없다.
•
대립가설 (H₁): 강수량과 신선식품 매출 간에는 상관관계가 있다.
→ p-value = 0.441 > 0.05 → 귀무가설 채택.
→ p-value = 0.441 > 0.05 → 귀무가설 채택.
💡 4️⃣ 해석 및 시사점
•
두 변수 모두 신선식품 매출과의 상관이 통계적으로 유의하지 않음.
•
즉, 기온과 강수량 변화는 신선식품 매출 증감에 의미 있는 영향을 주지 않음.
•
신선식품 매출은 날씨보다는 계절별 소비 트렌드, 행사·프로모션, 요일 패턴 등의 요인에 더 민감하게 반응할 가능성.
•
향후에는 일별/시간대별 단위로 세분화된 데이터 분석이 필요함.
생활용품과 강수량과의 상관분석을 하고 산점도를 그리고 상관계수를 표시해 줘GPT
✅ 분석 결과 — 생활용품 매출과 강수량 간 상관분석
📊 통계 요약
•
상관계수 (r) = +0.024
•
해석: 거의 0에 가까운 양의 상관관계 → 강수량과 생활용품 매출 간의 관계는 사실상 없음.
📈 시각적 분석 (산점도)
•
산점도에서 점들이 랜덤하게 퍼져 있음, 명확한 선형 패턴이 나타나지 않음.
•
강수량이 증가하더라도 생활용품 매출이 일관되게 증가하거나 감소하지 않음.
•
즉, 비가 오든 안 오든 생활용품 매출은 거의 영향을 받지 않음.
💡 시사점
•
생활용품은 날씨 요인보다는 일상 소비 주기나 프로모션 이벤트에 의해 좌우되는 경향이 강함.
•
강수량이 많은 달에도 매출 변동이 작으므로, 기후 기반 판매 예측 변수로는 부적절.
•
향후 분석에서는 가격 정책, 생활용품 카테고리 내 구성비 변화, 소비 트렌드 등을 함께 고려할 필요 있음.
생활용품과 강수량과의 상관분석에 대한 가설검정을 해 줘GPT
✅ 가설검정 결과 — 생활용품 매출과 강수량 간 상관관계
📊 1️⃣ 분석 개요
•
목적: 강수량이 생활용품 매출 증감률에 유의한 영향을 미치는지 검정
•
검정 방법: 피어슨 상관분석(Pearson Correlation Test)
📈 2️⃣ 통계 결과
변수 관계 | 상관계수 (r) | p-value | 해석 |
생활용품 ↔ 강수량(mm) | +0.024 | 0.791 | 상관 거의 없음, 통계적으로 유의하지 않음 |
📊 3️⃣ 가설 설정
•
귀무가설 (H₀): 생활용품 매출과 강수량 간에는 상관관계가 없다.
•
대립가설 (H₁): 생활용품 매출과 강수량 간에는 상관관계가 있다.
📌 p-value = 0.791 > 0.05 → 귀무가설 채택.
즉, 강수량과 생활용품 매출 간에는 통계적으로 유의미한 상관관계가 존재하지 않음.
즉, 강수량과 생활용품 매출 간에는 통계적으로 유의미한 상관관계가 존재하지 않음.
💡 4️⃣ 해석 및 시사점
•
강수량 증감이 생활용품 매출에 거의 영향을 미치지 않음.
•
생활용품은 날씨보다는 소비자 일상 루틴, 가격 정책, 시즌별 수요 요인에 의해 변화하는 품목군으로 해석됨.
•
따라서, 강수량을 생활용품 매출 예측 모델의 주요 변수로 사용하는 것은 비효율적.
📊 상관분석 실습 결과
주제: 기온·강수량과 편의점 품목별 매출 간의 관계
1️⃣ 데이터 개요
•
분석 대상: 2015년 1월 ~ 2024년 12월 (총 120개월)
•
주요 변수:
◦
매출 관련: 생활용품, 잡화, 담배 등 기타, 음료 등 가공, 즉석(신선 일부)
◦
기상 관련: 평균기온(℃), 강수량(mm)
•
데이터 형태: 월별 기준 통합 CSV (결측치 없음, 수치형 데이터 7개 변수)
2️⃣ 상관계수 분석 결과
변수 | 강수량(mm)과의 상관 | 평균기온(℃)과의 상관 | 주요 특징 |
생활용품 | +0.02 | -0.04 | 기온·강수량 영향 거의 없음 |
잡화 | +0.16 | +0.01 | 날씨 요인과 상관 약함 |
담배 등 기타 | -0.06 | +0.04 | 기온과 약한 양의 상관 |
음료 등 가공 | -0.16 | -0.03 | 강수량 많을수록 매출 약간 감소 |
즉석(신선일부) | -0.07 | -0.01 | 날씨와의 상관 매우 약함 |
🔸 강수량과 평균기온은 서로 0.72의 높은 양의 상관을 보임 → 비가 많은 달일수록 평균기온이 높은 여름철 특성이 반영된 결과.
🔸 품목 간에는 음료-즉석식품(0.78), 생활용품-즉석식품(0.50) 등의 강한 양의 상관관계 존재 → 편의점 내 품목 매출 간 동조 현상.
🔸 품목 간에는 음료-즉석식품(0.78), 생활용품-즉석식품(0.50) 등의 강한 양의 상관관계 존재 → 편의점 내 품목 매출 간 동조 현상.
3️⃣ 주요 해석
1.
기온의 영향:
2.
강수량의 영향:
•
음료 등 가공(-0.16), 즉석식품(-0.07)에서 약한 음의 상관 → 비가 많이 오는 시기에 외출 감소로 즉시 소비형 제품 구매가 줄어드는 경향.
3.
품목 간 관계:
•
음료와 즉석식품 매출이 함께 오르내리는 패턴 (r=0.78).
•
생활용품·잡화와 같은 일반소비재 품목은 계절 요인보다 내부 프로모션, 소비패턴 등의 영향을 받을 가능성.
4️⃣ 시각적 결과
히트맵 분석 결과, 변수 간 상관관계는 다음과 같이 요약됨:
•
빨간색(+): 함께 증가하거나 감소하는 관계
•
파란색(-): 반대로 움직이는 관계
•
모든 품목에서 기온과의 상관계수가 ±0.05 미만 → 기온이 매출에 직접적인 영향을 미치지 않음.
•
이는 월평균 단위 데이터로 계절적 패턴이 평준화되었기 때문일 가능성 있음.
▶ 강수량과 평균기온은 뚜렷한 양의 상관,
▶ 음료·즉석식품 매출은 서로 매우 강한 양의 상관,
▶ 대부분의 품목은 날씨 변수와 약한 상관을 보임.
▶ 음료·즉석식품 매출은 서로 매우 강한 양의 상관,
▶ 대부분의 품목은 날씨 변수와 약한 상관을 보임.
5️⃣ 결론 및 실무적 시사점
•
**단기 날씨 변화(기온·강수량)**는 월평균 매출에 큰 영향을 주지 않음.
•
그러나 품목 간 동시 판매 패턴이 존재하므로,
→ 묶음 할인 전략이나 카테고리 간 진열 최적화 등에 활용 가능.
→ 묶음 할인 전략이나 카테고리 간 진열 최적화 등에 활용 가능.
•
향후 일별·시간대별 데이터로 분석 단위를 세분화하면,
→ 날씨 요인이 매출에 미치는 미세한 패턴까지 파악 가능함.
→ 날씨 요인이 매출에 미치는 미세한 패턴까지 파악 가능함.
Contact : azureguy@empal.com / azureguy@cau.ac.kr