※ 이 글은 국내 최초 BI 커뮤니티 Vizable의 1기 멤버 오다건님이 콜라보레이터로서 게재해주신 글입니다. Vizable에 대한 자세한 이야기는 vizable.online에서 만나실 수 있습니다.

안녕하세요, 비저블 1기 멤버로 활동한 오다건입니다. 오늘은 제가 만든 Superstore 의 오프라인 매장 위치 선정 대시보드에 대해 설명해보고자 합니다! 소영님께서 제 아이디어를 많이 디벨롭 해주셔서 더 좋은 대시보드가 될 수 있었답니다 😉

01 문제정의/해결

온라인 매장인 superstore 는 온라인에서 상품을 구매 후 가까운 매장에서 물건을 찾고자하는 소비자의 니즈를 충족시키기 위해 첫 오프라인 매장을 오픈하려 합니다.

마케팅 팀에서 이를 위해 고객들의 프로필 분석을 해보았더니, 우리 회사는 서비스직 종사자가 매출에 많은 기여를 했음을 확인할 수 있었습니다.

한편 전략팀에서는 오프라인 매장은 기본적인 지대나 매출과 같은 조건을 제외하고 배송 비용을 절감할 수 있고, 해당 지역의 매출 포텐셜이 높은 지역에서 오픈해야한다고 강조했습니다.

때문에 미국의 여러 주 (state) 중에서도, 서비스직 종사자의 비율이 많은 주의 Sales와 에이커 당 지대를 비교하여 최적의 위치를 찾고자 합니다. 뿐만 아니라, 오프라인 매장에서 배송 비용을 절감하고자 하는 목적이 있으므로 하므로 Region 별 배송건수도 확인하여 최대한 배송 비용을 절감할 수 있는 위치를 찾는것이 우리의 목표입니다.

02 Data

✔️ 데이터 확인

데이터는 Superstore 데이터와 미국의 행정구역별 에이커당 지대 데이터인 Land Prices_DLOS.xlsx 를 사용하였습니다. (다만, Superstore 데이터와 동일한 타임라인의 데이터를 구할 수 없었다는 점과 Land price 데이터가 superstore에 등장한 모든 도시의 지대를 담지 않았다는 점을 양해부탁드립니다.)

데이터를 열어보시면, Superstore 데이터는 Country→Region→States → City→ Postal Code 순으로 계층이 형성되어있고 Land Price 데이터는 Nation → States → Counties → Zip Code 순으로 계층이 형성되어있습니다. 

✔️ 조인

이 두 데이터를 가장 작은 단위인 Postal Code (=Zip code) 를 기준으로 조인해주려 합니다.

(우편 번호를 기준으로 조인해주는 이유는 State는 입지 선정에 지나치게 광범위하며, City가 County보다 더 큰 단위라 일반화 할 수 없을 뿐만 아니라 Tableau에서 인식을 못했기 때문입니다.)

Land Price의 Column이 F1, F2 등의 이름으로이상하게 변환되어있을 텐데, 직관적으로 보기 위하여 F1의 이름을 Zip Code_Land, F2의 이름을 Year_Land 로 바꾸어줍니다.

그 다음, 데이터 유형을 지리적 역할 → 우편번호로 바꿔주시고, F2는 날짜로 바꿔주신 후 조인해주세요.

이때, Super store의 데이터가 2017,2018,2019년도의 데이터만 존재하기 때문에 조인 기준에 연도도 포함해야합니다. 

조인 계산 만들기를 통해 연도를 안쪽으로 조인합니다.

Date(Datetrunc([Order Date]))

03 시트

✔️ Map

대시보드의 가장 큰 핵심인 지도 활용 시트입니다.

지도에서 확인하고 싶은 오프라인 매장의 입지 조건은 3가지입니다.

서비스직 종사자 비율이 높으면서, 지대가 예산에 맞아야 하고, 그러면서도 어느 정도 매출은 보장되어야 합니다.

이를 동시에 알 수 있는 방법은 Map 에 계층을 활용하고, 다양한 필터를 활용하여 원하는 범위 내의 값을 자유롭게 조절하면서 우리의 조건에 맞는 지역을 좁혀가는 것입니다.

우선, 위도 경도를 설정한 후 Map에 계층을 쌓아줄 것입니다.

저는 태블로 상단의 메뉴바에서 맵 → 맵 계층→ 데이터 계층이라는 옵션을 활용했습니다. 

태블로는 미국 한정으로 인구, 가구, 직업 등 몇 가지 통계 데이터를 기본으로 제공하고 있습니다. 우리는 이를 활용해 서비스직 종사자의 통계를 확인하고, 그 비율이 높은 곳을 표현할 것입니다

그 다음, Postal Code 별 Sales와 지대를 명확히 지정해주기 위해 계산된 필드를 두 개 설정했습니다.

#Postal Code Sales
{FIXED [Postal Code]:SUM([Sales])}

#Postal Code Land Value
{FIXED [Postal Code]: SUM([Land Value As is per Acre])}

그 후, [Postal Code Sales의 합계 를 크기와 색상에 넣어주시고, 마크는 사각형으로 바꿉니다. 이렇게 바꾸면 직관적으로 어느 위치에 Sales가 높은지 잘 보입니다.

평균(Postal Codes Land Value) 와 합계(Postal Code Salese) 를 필터에 넣어주시고, 필터 타입을 슬라이더로 바꿔주세요.

슬라이더를 통해 우리가 원하는 범위 안의 값만 남도록 자유롭게 조정하며 지역 후보를 축소할 수 있습니다.

마지막으로 디테일을 위해 도구 설명에 Region, State, City, Postal Code와 Post Code Sales를 넣어주세요.

✔️Rank

추상적인 사각형이 아니라, 직관적으로 비교된 등수를 알 수 있는 시트가 있다면 훨씬 편할 것 같다는 생각이 들었습니다. 한 번 비교해볼까요? Land Value, 즉 지대가 쌀수록 rank가 낮고, Sales는 높을수록 Rank 가 높습니다.

만약 Land Value의 Rank 에서 Sales의 rank 를 뺀다면, 지대 대비 매출 정도의 순위를 알 수 있을 것입니다.

즉 rank의 차가 클수록, 소위 말하는 가성비가 있다고 표현할 수 있을 것 같습니다.

측정값 합계(Postal Code Sales) 와 평균(Postal Codes Land Value 의 순위를 퀵테이블 계산을 이용하여 찾습니다.

두 순위의 차이를 계산된 필드를 이용해 구한 후, 표에 넣어줍니다.

RANK(SUM([Postal Codes Land Value])) - RANK(SUM([Postal Code Sales]))

✔️Sales 동향

매출 포텐셜이 높은 지역을 찾기 위해선 그동안 매출 변화의 추이를 알아야 합니다. 만약 2019년 들어 매출이 계속 상승하고 있다면, 2020년에도 그러할 확률이 높으므로 매출 포텐셜이 높은 지역이라고 할 수 있겠죠.

또한 태블로의 기능 중  예측을 활용해 추세를 확인할 수 있습니다.

✔️지역별 주문건수 확인

오프라인 매장 설립의 이유 중 하나는 배송 비용을 절감하기 위함입니다.

만약 오프라인 매장 근처 지역의 배송건수가 많다면 앞으로도 배송을 많이 나가게 될것이 자명하고, 또 그만큼 배송 비용을 절감할 수 있으니, 우리는 지역별 배송 건수를 확인해보아야 합니다.

Region 을 행 서랍에, Order ID 를 측정값을 카운트(고유) 로 바꿔주고 열 서랍에 넣어줍니다.

아래와 같은 간단한 바 차트로 나타내겠습니다.

04 대시보드

바둑판식 구성을 이용해 각 시트를 적절한 곳에 배치합니다.

대시보드 위 지도 시트의 맵의 사각형을 클릭할 때마다 해당 도시의 정보가 Rank chart와 Sales chart에 눈에 띄게 보여지길 원합니다. 태블로의 동작 → 필터, 하이라이트 기능을 활용하여 이를 구현해보겠습니다.

최종 대시보드는 다음과 같습니다. 

05 결론

---

이 대시보드를 가지고 어떤 인사이트를 얻을 수 있을까요?

우선, 서비스업 종사자 수와 지대가 대체로 비례하는 모습을 보였습니다. 또한 단순히 매출이 높으니 오프라인 매장으로 적합하다고 생각한 LA, San Francisco 등 도시는 지나치게 지대가 높아 부담이 있었습니다. 매출이 높은만큼 지대도 높아 부담스럽다는 생각이 듭니다. 그런데 대시보드를 통해 예상치도 못한 Jacksonville, Lafayette 등이 오프라인 매장 입지 조건에 알맞은 모습을 보였습니다. 하지만 아쉽게도 서부 지역이 아니기에 배송비용 절감 효과는 적을 것으로 보였습니다.

결국 대시보드를 통해 모든 조건에 부합하는 최고의 입지를 찾을 수는 없을 것으로 보이며, 입지 조건의 우선순위를 두어 최선의 선택을 해야할 것으로 보인다고 결론을 내릴 수 있을 것 같습니다.

06 글을 마무리하며

지금까지 오프라인 매장 입지 선정을 위한 대시보드를 만드는 과정과 시트 구성 방법, 그리고 인사이트를 알아보았습니다. 비저블 멤버로써 이 대시보드를 통해 태블로위키에 글도 게재할 수 있어 영광이라고 생각합니다.

글을 마무리하며 비저블 1기로써 활동하며 느낀 점을 말해보고자 해요.

저는 비저블을 접하기 전까지 태블로의 존재만 알 뿐, 태블로를 다루는 방법을 몰랐습니다. 오죽하면 비저블 서류도 아이패드 메모장으로 냈답니다. 하지만 비저블을 통해 태블로를 천천히 배우고, 멘토링을 통해 다른 멤버들과 교류하며 대시보드를 만드는 과정이 참 귀한 시간이었습니다. 전공자이지만 학교에서 데이터를 어떻게 직관적으로 보이고, 어떻게 커뮤니케이션 해야하는지는 배우지 않기에 여러 프로젝트와 멘토링을 통해 큰 경험을 쌓았고 곧 졸업을 앞두고 있네요. 이제 곧 2기를 모집할텐데, 제가 속한 비저블에도 많은 관심 부탁드립니다.

지금까지 비저블 1기 오다건이었습니다. 감사합니다!