1. 분석 전 제품 성장률 분석용 데이터 마트 생성하기 Sales 테이블(mem_no) + Product 테이블(category, brand) + 구매금액, 분기 (주문일자: 2020.01~06) 2. 데이터 마트를 활용해, 분석 보고서 작성 카테고리별 구매금액 성장률(%) (2020년 1분기 >> 2020년 2분기) 전분기 대비 성장률 = (2020년 2분기 / 2020년 1분기) -1 Beauty 카테고리 중 브랜드별 구매지표: 구매자수, 총구매금액, 인당구매금액 (=RFM) CREATE TABLE PRODUCT_GROWTH AS SELECT A.MEM_NO ,B.CATEGORY ,B.BRAND ,A.SALES_QTY * B.PRICE AS 구매금액 ,CASE WHEN DATE_FORMAT(ORDER..

재구매율 및 구매주기를 분석하기 위해, 기준을 정해야 한다. 재구매자: 최초 구매일 이후, +1일 후 구매자 구매주기: 구매간격(최근구매일자 - 최초구매일자) / (구매횟수 -1) 1. 분석 전 회원 프로파일 분석용 데이터 마트 생성하기 FROM절 서브 쿼리 테이블(회원번호, 최초 및 최근 구매일자, 구매 횟수, 재구매 여부, 구매 간격, 구매 주기) 2. 데이터 마트를 활용해, 분석 보고서 작성 재구매 회원수 비중(%) 평균 구매주기 및 구매주기 구간별 회원수 CREATE TABLE RE_PUR_CYCLE AS SELECT * ,CASE WHEN DATE_ADD(최초구매일자, INTERVAL +1 DAY) >> 비회원 제외 GROUP BY MEM_NO )AS A; 1. 재구매 회원수 비중(%) SELE..

RFM: 고객의 가치를 분석할 때 사용되는 고객가치 평가 모형 Recency: 최근성 Frequency: 구매 빈도 Monetary: 구매 금액 1. RFM 분석용 데이터 마트 생성 Customer 테이블 + 구매금액, 구매횟수 (주문일자: 2020년) 2. 데이터 마트를 활용해, 분석 보고서 작성 RFM 세분화별 회원수 RFM 세분화별 매출액 RFM 세분화별 인당 구매금액 CREATE TABLE RFM AS SELECT A.* ,B.구매금액 ,B.구매횟수 FROM CUSTOMER AS A LEFT JOIN ( SELECT A.MEM_NO ,SUM(A.SALES_QTY * B.PRICE) AS 구매금액 >>> Monetary: 구매 금액 ,COUNT(A.ORDER_NO) AS 구매횟수 >>> Freque..

1. 분석 전 회원 프로파일 분석용 데이터 마트 생성하기 CUSTOMER 테이블 + 가입년월, 나이, 연령대, 구매여부 추가 2. 데이터 마트를 활용해, 분석 보고서 작성 가입년월별 회원수 성별 평균 연령 / 성별 및 연령대별 회원수 성별 및 연령대별 회원수(+구매여부) (2021년 기준) CREATE TABLE CUSTOMER_PROFILE AS SELECT A.* ,DATE_FORMAT(JOIN_DATE, '%Y-%m') AS 가입년월 ,2021 - YEAR(BIRTHDAY) + 1 AS 나이 ,CASE WHEN 2021 - YEAR(BIRTHDAY) + 1 < 20 THEN '10대 이하' WHEN 2021 - YEAR(BIRTHDAY) + 1 < 30 THEN '20대' WHEN 2021 - YE..

1-1. SQL과 관계형 데이터베이스 1-2. MySQL과 Workbench 1-3 Workbench 살펴보기 /* */ - 주석처리 Ctrl + T - 새로운 쿼리창 열기 Ctrl + Enter - 쿼리 실행 (해당 명령어 줄을 선택한 후) Ctrl + S - 쿼리 저장 세미클론(;) - 명령어 마침표 CREATE DATABASE 데이터베이스명; - 데이터 베이스 생성할 때 사용하는 명령어 USE 데이터베이스명; - 해당 데이터베이스 사용 DROP DATABASE 데이터베이스명; - 데이터베이스 삭제 2. SQL 명령어 2-1. 데이터 정의어(DDL): 테이블을 생성, 변경, 삭제할 때 사용하는 명령어 테이블은 각 열마다 반드시 1가지 데이터 타입(숫자형, 문자형, 날짜형, 0과 1(숫자 논리형))으로..