以前小躍りしたデータサイエンスエージェント、マニュアルを見てみたらユースケースやサンプルが増えていました。
以下の記事を書いた際にはEditモードしかなかったのですが、今ではエージェント機能が使えるようになっています。
マニュアルはこちら。
以下のプロンプトを指示します。
データセット samples.bakehouse.sales_transactions を説明してください。列の統計を解き明かし、値の分布を視覚化できるように、EDAを行いたいと思います。データサイエンティストのように考えてください。
と、その前にアシスタントの指示を追加しておきます。このデータサイエンスエージェント、可視化をする際にmatplotlibを使う傾向があり、その際に日本語ラベルが含まれていると文字化けしてしまうのです。
私は以下のように設定しています。日本語でもOKなPlotlyを使うように指示しています。
- あなたは日本人のDatabricksの専門家です。
- 質問に対して簡潔かつ正確な日本語で回答します。
- データ分析を円滑に進めるために、データサイエンティストが洞察抽出に集中できるように、データの可視化やデータ分析の代行など様々なサポートを行います。
- データを可視化する際にはPlotlyを使います
改めてプロンプトを実行すると、テーブルを探してくれます。途中確認メッセージが出たら常に許可するを選択することであとは全自動です。
データセットの基本情報
# Bakehouse Sales Transactions データセットの探索的データ分析（EDA）
# データの読み込み
df = spark.table("samples.bakehouse.sales_transactions")
# 基本情報の表示
print("=== データセット基本情報 ===")
print(f"総レコード数: {df.count():,}")
print(f"列数: {len(df.columns)}")
print(f"\n列名とデータ型:")
df.printSchema()
# 最初の10行を表示
print("\n=== サンプルデータ ===")
display(df.limit(10))
分析対象データが表示されます。
基本統計量の計算
基本統計量の計算です。
# 数値列の基本統計量
print("=== 数値列の基本統計量 ===")
numeric_cols = ['quantity', 'unitPrice', 'totalPrice']
stats_df = df.select(*numeric_cols).describe()
display(stats_df)
# カテゴリカル列の分析
print("\n=== カテゴリカル列の分析 ===")
categorical_cols = ['product', 'paymentMethod']
for col in categorical_cols:
print(f"\n{col}の分布:")
col_stats = df.groupBy(col).count().orderBy('count', ascending=False)
display(col_stats)
print(f"ユニーク値数: {df.select(col).distinct().count()}")
| summary | quantity | unitPrice | totalPrice |
|---|---|---|---|
| count | 3333 | 3333 | 3333 |
| mean | 6.647764776477648 | 3.0 | 19.943294329432945 |
| stddev | 6.544484308501296 | 0.0 | 19.6334529255051 |
| min | 1 | 3 | 3 |
| max | 60 | 3 | 180 |
=== カテゴリカル列の分析 ===
productの分布:
| product | count |
|---|---|
| Golden Gate Ginger | 586 |
| Tokyo Tidbits | 583 |
| Outback Oatmeal | 561 |
| Pearly Pies | 550 |
| Austin Almond Biscotti | 530 |
| Orchard Oasis | 523 |
ユニーク値数: 6
paymentMethodの分布:
| paymentMethod | count |
|---|---|
| mastercard | 1144 |
| amex | 1106 |
| visa | 1083 |
ユニーク値数: 3
欠損値とデータ品質の確認
欠損値と重複チェックです。
# 欠損値の確認
print("=== 欠損値分析 ===")
from pyspark.sql.functions import col, isnan, when, count as spark_count
from pyspark.sql.types import NumericType
# 数値型の列を特定
numeric_columns = [field.name for field in df.schema.fields if isinstance(field.dataType, NumericType)]
other_columns = [field.name for field in df.schema.fields if not isinstance(field.dataType, NumericType)]
# 数値型列の欠損値（NULL + NaN）
numeric_missing = [spark_count(when(col(c).isNull() | isnan(c), c)).alias(c) for c in numeric_columns]
# その他の列の欠損値（NULLのみ）
other_missing = [spark_count(when(col(c).isNull(), c)).alias(c) for c in other_columns]
# 全ての欠損値をカウント
all_missing = numeric_missing + other_missing
missing_data = df.select(all_missing)
display(missing_data)
# データの重複確認
print(f"\n重複レコード数: {df.count() - df.distinct().count()}")
# transactionIDの一意性確認
print(f"総transactionID数: {df.count()}")
print(f"ユニークなtransactionID数: {df.select('transactionID').distinct().count()}")
| transactionID | customerID | franchiseID | quantity | unitPrice | totalPrice | cardNumber | dateTime | product | paymentMethod |
|---|---|---|---|---|---|---|---|---|---|
| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
重複レコード数: 0
総transactionID数: 3333
ユニークなtransactionID数: 3333
必要なライブラリのインストールと時系列データの準備
上で指示した通りにPlotlyをインストールして使ってくれています。
# Plotlyのインストール
%pip install plotly
# 必要なライブラリのインポート
import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
from pyspark.sql.functions import date_format, hour, dayofweek, sum as spark_sum, avg, count
# 時系列分析用のデータ準備
print("=== 時系列データの準備 ===")
# 日付関連の列を追加
df_time = df.withColumn("date", date_format("dateTime", "yyyy-MM-dd")) \
.withColumn("hour", hour("dateTime")) \
.withColumn("dayOfWeek", dayofweek("dateTime"))
# 日別売上集計
daily_sales = df_time.groupBy("date") \
.agg(spark_sum("totalPrice").alias("daily_revenue"),
count("transactionID").alias("daily_transactions"),
avg("totalPrice").alias("avg_transaction_value")) \
.orderBy("date")
print("日別売上データ:")
display(daily_sales)
=== 時系列データの準備 ===
日別売上データ:
| date | daily_revenue | daily_transactions | avg_transaction_value |
|---|---|---|---|
| 2024-05-01 | 4128 | 207 | 19.942028985507246 |
| 2024-05-02 | 4074 | 190 | 21.442105263157895 |
| 2024-05-03 | 4278 | 204 | 20.970588235294116 |
| 2024-05-04 | 3822 | 190 | 20.11578947368421 |
| 2024-05-05 | 3945 | 181 | 21.795580110497237 |
| 2024-05-06 | 4500 | 195 | 23.076923076923077 |
| 2024-05-07 | 3894 | 191 | 20.387434554973822 |
| 2024-05-08 | 3921 | 219 | 17.904109589041095 |
| 2024-05-09 | 4320 | 219 | 19.726027397260275 |
| 2024-05-10 | 3729 | 181 | 20.60220994475138 |
| 2024-05-11 | 3747 | 206 | 18.189320388349515 |
| 2024-05-12 | 4398 | 202 | 21.77227722772277 |
| 2024-05-13 | 4044 | 229 | 17.65938864628821 |
| 2024-05-14 | 4221 | 218 | 19.362385321100916 |
| 2024-05-15 | 3804 | 192 | 19.8125 |
| 2024-05-16 | 3714 | 203 | 18.295566502463053 |
| 2024-05-17 | 1932 | 106 | 18.22641509433962 |
売上トレンドの可視化
# 日別売上トレンドの可視化
daily_sales_pd = daily_sales.toPandas()
daily_sales_pd['date'] = pd.to_datetime(daily_sales_pd['date'])
# サブプロットの作成
fig = make_subplots(
rows=3, cols=1,
subplot_titles=('日別売上高', '日別取引件数', '平均取引額'),
vertical_spacing=0.08
)
# 日別売上高
fig.add_trace(
go.Scatter(x=daily_sales_pd['date'], y=daily_sales_pd['daily_revenue'],
mode='lines+markers', name='売上高', line=dict(color='#1f77b4')),
row=1, col=1
)
# 日別取引件数
fig.add_trace(
go.Scatter(x=daily_sales_pd['date'], y=daily_sales_pd['daily_transactions'],
mode='lines+markers', name='取引件数', line=dict(color='#ff7f0e')),
row=2, col=1
)
# 平均取引額
fig.add_trace(
go.Scatter(x=daily_sales_pd['date'], y=daily_sales_pd['avg_transaction_value'],
mode='lines+markers', name='平均取引額', line=dict(color='#2ca02c')),
row=3, col=1
)
fig.update_layout(
height=800,
title_text="Bakehouse 売上トレンド分析",
showlegend=False
)
fig.update_xaxes(title_text="日付")
fig.update_yaxes(title_text="売上高 (円)", row=1, col=1)
fig.update_yaxes(title_text="取引件数", row=2, col=1)
fig.update_yaxes(title_text="平均取引額 (円)", row=3, col=1)
fig.show()
トレンドが一目瞭然です。
時間帯別・曜日別分析
# 時間帯別売上分析
hourly_sales = df_time.groupBy("hour") \
.agg(spark_sum("totalPrice").alias("hourly_revenue"),
count("transactionID").alias("hourly_transactions")) \
.orderBy("hour")
hourly_sales_pd = hourly_sales.toPandas()
# 曜日別売上分析（1=日曜日, 7=土曜日）
dow_sales = df_time.groupBy("dayOfWeek") \
.agg(spark_sum("totalPrice").alias("dow_revenue"),
count("transactionID").alias("dow_transactions")) \
.orderBy("dayOfWeek")
dow_sales_pd = dow_sales.toPandas()
# 曜日名を追加
dow_names = ['日', '月', '火', '水', '木', '金', '土']
dow_sales_pd['day_name'] = [dow_names[i-1] for i in dow_sales_pd['dayOfWeek']]
# 時間帯別・曜日別の可視化
fig = make_subplots(
rows=2, cols=2,
subplot_titles=('時間帯別売上高', '時間帯別取引件数', '曜日別売上高', '曜日別取引件数'),
specs=[[{"secondary_y": False}, {"secondary_y": False}],
[{"secondary_y": False}, {"secondary_y": False}]]
)
# 時間帯別売上高
fig.add_trace(
go.Bar(x=hourly_sales_pd['hour'], y=hourly_sales_pd['hourly_revenue'],
name='時間帯別売上', marker_color='lightblue'),
row=1, col=1
)
# 時間帯別取引件数
fig.add_trace(
go.Bar(x=hourly_sales_pd['hour'], y=hourly_sales_pd['hourly_transactions'],
name='時間帯別取引件数', marker_color='lightcoral'),
row=1, col=2
)
# 曜日別売上高
fig.add_trace(
go.Bar(x=dow_sales_pd['day_name'], y=dow_sales_pd['dow_revenue'],
name='曜日別売上', marker_color='lightgreen'),
row=2, col=1
)
# 曜日別取引件数
fig.add_trace(
go.Bar(x=dow_sales_pd['day_name'], y=dow_sales_pd['dow_transactions'],
name='曜日別取引件数', marker_color='lightyellow'),
row=2, col=2
)
fig.update_layout(
height=600,
title_text="時間帯別・曜日別売上分析",
showlegend=False
)
fig.update_xaxes(title_text="時間", row=1, col=1)
fig.update_xaxes(title_text="時間", row=1, col=2)
fig.update_xaxes(title_text="曜日", row=2, col=1)
fig.update_xaxes(title_text="曜日", row=2, col=2)
fig.show()
商品別売上分析と可視化
# 商品別売上分析
product_sales = df.groupBy("product") \
.agg(spark_sum("totalPrice").alias("total_revenue"),
count("transactionID").alias("total_transactions"),
avg("totalPrice").alias("avg_price"),
spark_sum("quantity").alias("total_quantity")) \
.orderBy("total_revenue", ascending=False)
product_sales_pd = product_sales.toPandas()
print("=== 商品別売上ランキング ===")
display(product_sales)
# 商品別売上の可視化
fig = make_subplots(
rows=2, cols=2,
subplot_titles=('商品別総売上高', '商品別取引件数', '商品別平均単価', '商品別総販売数量'),
specs=[[{"type": "bar"}, {"type": "bar"}],
[{"type": "bar"}, {"type": "bar"}]]
)
# 総売上高
fig.add_trace(
go.Bar(x=product_sales_pd['product'], y=product_sales_pd['total_revenue'],
name='総売上高', marker_color='steelblue'),
row=1, col=1
)
# 取引件数
fig.add_trace(
go.Bar(x=product_sales_pd['product'], y=product_sales_pd['total_transactions'],
name='取引件数', marker_color='orange'),
row=1, col=2
)
# 平均単価
fig.add_trace(
go.Bar(x=product_sales_pd['product'], y=product_sales_pd['avg_price'],
name='平均単価', marker_color='green'),
row=2, col=1
)
# 総販売数量
fig.add_trace(
go.Bar(x=product_sales_pd['product'], y=product_sales_pd['total_quantity'],
name='総販売数量', marker_color='red'),
row=2, col=2
)
fig.update_layout(
height=800,
title_text="商品別売上分析",
showlegend=False
)
# X軸のラベルを回転
fig.update_xaxes(tickangle=45)
fig.show()
| product | total_revenue | total_transactions | avg_price | total_quantity |
|---|---|---|---|---|
| Golden Gate Ginger | 11595 | 586 | 19.786689419795223 | 3865 |
| Outback Oatmeal | 11199 | 561 | 19.962566844919785 | 3733 |
| Austin Almond Biscotti | 11148 | 530 | 21.033962264150944 | 3716 |
| Tokyo Tidbits | 10986 | 583 | 18.843910806174957 | 3662 |
| Pearly Pies | 10785 | 550 | 19.60909090909091 | 3595 |
| Orchard Oasis | 10758 | 523 | 20.569789674952197 | 3586 |
=== 商品別売上ランキング ===
支払い方法別分析
# 支払い方法別分析
payment_analysis = df.groupBy("paymentMethod") \
.agg(spark_sum("totalPrice").alias("total_revenue"),
count("transactionID").alias("total_transactions"),
avg("totalPrice").alias("avg_transaction_value")) \
.orderBy("total_revenue", ascending=False)
payment_analysis_pd = payment_analysis.toPandas()
print("=== 支払い方法別分析 ===")
display(payment_analysis)
# 支払い方法の可視化
fig = make_subplots(
rows=1, cols=3,
subplot_titles=('支払い方法別売上高', '支払い方法別取引件数', '支払い方法別平均取引額'),
specs=[[{"type": "pie"}, {"type": "pie"}, {"type": "bar"}]]
)
# 売上高の円グラフ
fig.add_trace(
go.Pie(labels=payment_analysis_pd['paymentMethod'],
values=payment_analysis_pd['total_revenue'],
name="売上高"),
row=1, col=1
)
# 取引件数の円グラフ
fig.add_trace(
go.Pie(labels=payment_analysis_pd['paymentMethod'],
values=payment_analysis_pd['total_transactions'],
name="取引件数"),
row=1, col=2
)
# 平均取引額の棒グラフ
fig.add_trace(
go.Bar(x=payment_analysis_pd['paymentMethod'],
y=payment_analysis_pd['avg_transaction_value'],
name="平均取引額", marker_color='lightcoral'),
row=1, col=3
)
fig.update_layout(
height=400,
title_text="支払い方法別分析",
showlegend=False
)
fig.show()
=== 支払い方法別分析 ===
| paymentMethod | total_revenue | total_transactions | avg_transaction_value |
|---|---|---|---|
| amex | 22434 | 1106 | 20.28390596745027 |
| mastercard | 22263 | 1144 | 19.460664335664337 |
| visa | 21774 | 1083 | 20.105263157894736 |
数量分布と価格分析
# 数量と価格の分布分析
quantity_dist = df.groupBy("quantity").count().orderBy("quantity").toPandas()
price_dist = df.groupBy("totalPrice").count().orderBy("totalPrice").toPandas()
# 数量と価格の分布可視化
fig = make_subplots(
rows=2, cols=2,
subplot_titles=('数量分布', '価格分布', '数量ボックスプロット', '価格ボックスプロット'),
specs=[[{"secondary_y": False}, {"secondary_y": False}],
[{"secondary_y": False}, {"secondary_y": False}]]
)
# 数量分布ヒストグラム
fig.add_trace(
go.Bar(x=quantity_dist['quantity'], y=quantity_dist['count'],
name='数量分布', marker_color='lightblue'),
row=1, col=1
)
# 価格分布ヒストグラム（上位20位のみ表示）
top_prices = price_dist.nlargest(20, 'count')
fig.add_trace(
go.Bar(x=top_prices['totalPrice'], y=top_prices['count'],
name='価格分布', marker_color='lightcoral'),
row=1, col=2
)
# 数量ボックスプロット
quantity_data = df.select("quantity").toPandas()
fig.add_trace(
go.Box(y=quantity_data['quantity'], name='数量', marker_color='lightgreen'),
row=2, col=1
)
# 価格ボックスプロット
price_data = df.select("totalPrice").toPandas()
fig.add_trace(
go.Box(y=price_data['totalPrice'], name='価格', marker_color='lightyellow'),
row=2, col=2
)
fig.update_layout(
height=800,
title_text="数量と価格の分布分析",
showlegend=False
)
fig.update_xaxes(title_text="数量", row=1, col=1)
fig.update_xaxes(title_text="価格", row=1, col=2)
fig.update_yaxes(title_text="频度", row=1, col=1)
fig.update_yaxes(title_text="频度", row=1, col=2)
fig.update_yaxes(title_text="数量", row=2, col=1)
fig.update_yaxes(title_text="価格", row=2, col=2)
fig.show()
# 基本統計の表示
print("\n=== 数量と価格の基本統計 ===")
print(f"数量の範囲: {quantity_data['quantity'].min()} - {quantity_data['quantity'].max()}")
print(f"価格の範囲: {price_data['totalPrice'].min()} - {price_data['totalPrice'].max()}円")
print(f"数量の中央値: {quantity_data['quantity'].median()}")
print(f"価格の中央値: {price_data['totalPrice'].median()}円")
=== 数量と価格の基本統計 ===
数量の範囲: 1 - 60
価格の範囲: 3 - 180円
数量の中央値: 6.0
価格の中央値: 18.0円
相関分析とヒートマップ
# 相関分析用のデータ準備
import numpy as np
from pyspark.sql.functions import when
# 数値列のみを選択してPandas DataFrameに変換
corr_data = df.select("quantity", "unitPrice", "totalPrice", "customerID", "franchiseID").toPandas()
# 相関行列の計算
correlation_matrix = corr_data.corr()
print("=== 相関行列 ===")
display(correlation_matrix)
# 相関ヒートマップの作成
fig = go.Figure(data=go.Heatmap(
z=correlation_matrix.values,
x=correlation_matrix.columns,
y=correlation_matrix.columns,
colorscale='RdBu',
zmid=0,
text=np.round(correlation_matrix.values, 3),
texttemplate="%{text}",
textfont={"size": 12},
hoverongaps=False
))
fig.update_layout(
title="変数間の相関ヒートマップ",
width=600,
height=500
)
fig.show()
| quantity | unitPrice | totalPrice | customerID | franchiseID |
|---|---|---|---|---|
| 1 | null | 1.0000000000000038 | 0.00849567171417982 | 0.16959025262916513 |
| null | null | null | null | null |
| 1.0000000000000038 | null | 1 | 0.008495671714179767 | 0.1695902526291665 |
| 0.00849567171417982 | null | 0.008495671714179767 | 1 | -0.0002185150008554756 |
| 0.16959025262916513 | null | 0.1695902526291665 | -0.0002185150008554756 | 1 |
顧客とフランチャイズ分析
# 顧客別分析
customer_analysis = df.groupBy("customerID") \
.agg(spark_sum("totalPrice").alias("customer_total_spent"),
count("transactionID").alias("customer_transactions"),
avg("totalPrice").alias("customer_avg_spent")) \
.orderBy("customer_total_spent", ascending=False)
# フランチャイズ別分析
franchise_analysis = df.groupBy("franchiseID") \
.agg(spark_sum("totalPrice").alias("franchise_total_revenue"),
count("transactionID").alias("franchise_transactions"),
avg("totalPrice").alias("franchise_avg_transaction")) \
.orderBy("franchise_total_revenue", ascending=False)
print("=== 顧客分析（上位10名） ===")
display(customer_analysis.limit(10))
print("\n=== フランチャイズ分析 ===")
display(franchise_analysis)
# 顧客とフランチャイズの基本統計
print(f"\n=== 基本統計 ===")
print(f"ユニーク顧客数: {df.select('customerID').distinct().count():,}")
print(f"ユニークフランチャイズ数: {df.select('franchiseID').distinct().count():,}")
=== 顧客分析（上位10名） ===
|customerID|customer_total_spent|customer_transactions|customer_avg_spent|
|---|---|---|---|
|1000112|672|20|33.6|
|1000134|519|12|43.25|
|1000248|498|13|38.30769230769231|
|1000006|480|18|26.666666666666668|
|1000275|465|19|24.473684210526315|
|1000229|450|16|28.125|
|1000179|450|11|40.90909090909091|
|1000173|438|16|27.375|
|1000082|423|14|30.214285714285715|
|1000237|417|10|41.7|
=== フランチャイズ分析 ===
| franchiseID | franchise_total_revenue | franchise_transactions | franchise_avg_transaction |
|---|---|---|---|
| 3000046 | 6642 | 63 | 105.42857142857143 |
| 3000047 | 4512 | 60 | 75.2 |
| 3000000 | 2790 | 83 | 33.6144578313253 |
| 3000021 | 2514 | 64 | 39.28125 |
| 3000002 | 2502 | 76 | 32.921052631578945 |
| 3000033 | 1482 | 90 | 16.466666666666665 |
| 3000010 | 1479 | 82 | 18.036585365853657 |
| 3000011 | 1404 | 86 | 16.325581395348838 |
| 3000045 | 1392 | 82 | 16.975609756097562 |
| 3000030 | 1371 | 77 | 17.805194805194805 |
| 3000032 | 1368 | 83 | 16.481927710843372 |
| 3000017 | 1356 | 76 | 17.842105263157894 |
| 3000027 | 1353 | 77 | 17.571428571428573 |
| 3000042 | 1350 | 77 | 17.532467532467532 |
| 3000043 | 1338 | 78 | 17.153846153846153 |
| 3000036 | 1329 | 69 | 19.26086956521739 |
| 3000004 | 1281 | 77 | 16.636363636363637 |
| 3000006 | 1275 | 84 | 15.178571428571429 |
| 3000005 | 1272 | 74 | 17.18918918918919 |
| 3000040 | 1239 | 70 | 17.7 |
| 3000044 | 1239 | 75 | 16.52 |
| 3000018 | 1212 | 77 | 15.74025974025974 |
| 3000007 | 1212 | 74 | 16.37837837837838 |
| 3000028 | 1188 | 64 | 18.5625 |
| 3000041 | 1179 | 70 | 16.84285714285714 |
| 3000015 | 1176 | 74 | 15.891891891891891 |
| 3000023 | 1164 | 67 | 17.37313432835821 |
| 3000037 | 1161 | 67 | 17.328358208955223 |
| 3000034 | 1155 | 76 | 15.197368421052632 |
| 3000016 | 1131 | 74 | 15.283783783783784 |
| 3000009 | 1122 | 67 | 16.746268656716417 |
| 3000029 | 1104 | 64 | 17.25 |
| 3000008 | 1101 | 69 | 15.956521739130435 |
| 3000019 | 1083 | 63 | 17.19047619047619 |
| 3000031 | 1083 | 65 | 16.661538461538463 |
| 3000025 | 1020 | 60 | 17 |
| 3000003 | 1008 | 63 | 16 |
| 3000024 | 999 | 59 | 16.93220338983051 |
| 3000022 | 951 | 58 | 16.396551724137932 |
| 3000038 | 942 | 54 | 17.444444444444443 |
| 3000026 | 927 | 59 | 15.711864406779661 |
| 3000035 | 915 | 54 | 16.944444444444443 |
| 3000001 | 879 | 51 | 17.235294117647058 |
| 3000012 | 840 | 48 | 17.5 |
| 3000013 | 834 | 54 | 15.444444444444445 |
| 3000014 | 225 | 75 | 3 |
| 3000039 | 195 | 65 | 3 |
| 3000020 | 177 | 59 | 3 |
=== 基本統計 ===
ユニーク顧客数: 300
ユニークフランチャイズ数: 48
EDA結果のまとめと洞察
print("""=== Bakehouse Sales Transactions EDA 結果まとめ ===
📊 データセット概要:
- 総レコード数: 3,333件
- 期間: 2024年5月1日～17日（17日間）
- 商品数: 6種類
- 支払い方法: 3種類（Mastercard, Amex, Visa）
- 欠損値: なし（データ品質良好）
💰 売上分析:
- 総売上高: 66,471円
- 平均取引額: 19.94円
- 日平均取引件数: 196件
🍰 商品分析:
1. Golden Gate Ginger: 11,595円 (586件)
2. Outback Oatmeal: 11,199円 (561件)
3. Austin Almond Biscotti: 11,148円 (530件)
4. Tokyo Tidbits: 10,986円 (583件)
5. Pearly Pies: 10,785円 (550件)
6. Orchard Oasis: 10,758円 (523件)
💳 支払い方法分析:
- Amex: 22,434円 (1,106件) - 平均取引額最高
- Mastercard: 22,263円 (1,144件) - 取引件数最多
- Visa: 21,774円 (1,083件)
🕢 時間帯分析:
- ピーク時間帯や曜日のパターンが確認できました
📈 数量・価格分析:
- 数量範囲: 1-60個 (中央値: 6個)
- 価格範囲: 3-180円 (中央値: 18円)
- 単価は一定 (3円) - 総額 = 数量 × 3
🔍 主要な洞察:
1. 全商品がほぼ同等の売上を上げており、バランスの取れた商品ラインナップ
2. 支払い方法はほぼ均等に分散している
3. 単価が固定であるため、売上は数量に比例
4. データ品質が高く、分析に適したデータセット
🚀 推奨される次のステップ:
- 時系列予測モデルの構築
- 顧客セグメンテーション分析
- 商品推薦システムの開発
- A/Bテストの設計
""")
=== Bakehouse Sales Transactions EDA 結果まとめ ===
📊 データセット概要:
- 総レコード数: 3,333件
- 期間: 2024年5月1日～17日（17日間）
- 商品数: 6種類
- 支払い方法: 3種類（Mastercard, Amex, Visa）
- 欠損値: なし（データ品質良好）
💰 売上分析:
- 総売上高: 66,471円
- 平均取引額: 19.94円
- 日平均取引件数: 196件
🍰 商品分析:
1. Golden Gate Ginger: 11,595円 (586件)
2. Outback Oatmeal: 11,199円 (561件)
3. Austin Almond Biscotti: 11,148円 (530件)
4. Tokyo Tidbits: 10,986円 (583件)
5. Pearly Pies: 10,785円 (550件)
6. Orchard Oasis: 10,758円 (523件)
💳 支払い方法分析:
- Amex: 22,434円 (1,106件) - 平均取引額最高
- Mastercard: 22,263円 (1,144件) - 取引件数最多
- Visa: 21,774円 (1,083件)
🕢 時間帯分析:
- ピーク時間帯や曜日のパターンが確認できました
📈 数量・価格分析:
- 数量範囲: 1-60個 (中央値: 6個)
- 価格範囲: 3-180円 (中央値: 18円)
- 単価は一定 (3円) - 総額 = 数量 × 3
🔍 主要な洞察:
1. 全商品がほぼ同等の売上を上げており、バランスの取れた商品ラインナップ
2. 支払い方法はほぼ均等に分散している
3. 単価が固定であるため、売上は数量に比例
4. データ品質が高く、分析に適したデータセット
🚀 推奨される次のステップ:
- 時系列予測モデルの構築
- 顧客セグメンテーション分析
- 商品推薦システムの開発
- A/Bテストの設計
エージェントの画面にも結果が表示されます。
いやー、本当にAIにデータ分析してもらう時代になったんですね。ただ、ここからアクションに繋がる洞察を得るのは(今のところ)人間ですが。