Data Analytics

Global Electronics Retailer — Analisis Profit dan Segmentasi RFM

Analisis data end-to-end

Layanan

Data CleaningData AnalysisVisualisasi

• Penggabungan lima tabel CSV• Normalisasi transaksi lintas mata uang• Penghitungan revenue, laba, dan margin• Segmentasi pelanggan RFM dan analisis toko

Dari 62.884 baris penjualan menjadi rekomendasi tentang pelanggan bernilai tinggi, margin produk, dan performa toko.

Data penjualan global tersebar dalam tabel produk, penjualan, pelanggan, toko, dan kurs. Nilai transaksi lintas mata uang harus diseragamkan sebelum perbandingan performa bisa dilakukan secara adil.

Saya membuat pipeline Python menggunakan Pandas dan NumPy untuk membersihkan serta menggabungkan data, mengonversi mata uang dengan kurs harian, dan menghitung revenue, biaya, laba kotor, serta margin.

Hasil analisis divisualisasikan menggunakan Matplotlib dan Seaborn. Segmentasi RFM mengelompokkan pelanggan berdasarkan waktu pembelian terakhir, frekuensi belanja, dan nilai pembelian.

Temuan pelanggan yang layak diprioritaskan

Sebanyak 11.887 pelanggan dikelompokkan menjadi enam segmen. Champions dan Loyal Customers mencakup sekitar 27% pelanggan tetapi menyumbang 47,8% revenue.

Segmen Need Attention memiliki nilai rata-rata sekitar US$7.209 per pelanggan dan lama tidak membeli. Ini menjadi kandidat kampanye reaktivasi yang lebih tepat sasaran.

Mengukur profitabilitas, bukan hanya omzet

Analisis menghasilkan revenue US$55,76 juta dan laba kotor US$32,66 juta, dengan margin kotor 58,6%. Kategori Computers memberi revenue tertinggi, sedangkan margin Cell phones berada di bawah rata-rata.

Laporan CSV dan grafik PNG dibuat ulang melalui run_analysis.py. Hasil berupa rekomendasi bisnis dari dataset, bukan bukti peningkatan penjualan setelah rekomendasi diterapkan.

Hasil yang Diperoleh

Pipeline analitik yang dapat diulang, laporan KPI, visualisasi, dan prioritas aksi: mempertahankan pelanggan loyal, mengaktifkan segmen berisiko churn, serta meninjau kategori bermargin rendah.

62.884Baris penjualan

11.887Pelanggan RFM

US$55,76 jutaRevenue

58,6%Margin kotor

Teknologi yang Digunakan

PythonPandasNumPyMatplotlibSeabornRFM

Website / Demo ↗Kode Sumber ↗