Anhand von POS-Daten für einen bestimmten Monat in einem Direktverkaufsgeschäft, das von einer JA in der Präfektur Hyōgo bereitgestellt wurde, analysierten wir die Verkaufssituation im Direktverkaufsgeschäft. Zu den bereitgestellten Daten gehörten Informationen wie das Datum des Verkaufs, das Alter und Geschlecht des Kunden, der Kaufpreis und die Menge jedes Artikels sowie die Produktkategorie. Anhand dieser Daten präsentieren wir die Ergebnisse von Zeitreihenanalysen, Attributanalysen, gleichzeitigen Verkaufsanalysen und der Messung der Wirksamkeit von Werbeveranstaltungen. Vor diesen Analysen haben wir die Tabellenfunktion von JMP verwendet, um eine Aggregation nach Käuferattributen durchzuführen. Außerdem stellen wir vor, wie die Vorverarbeitung der Analysearbeit durch überlegene GUI-Funktionen, die in häufig verwendeten Tools wie Python nicht zu finden sind, effizienter gestaltet wurde. Wir haben auch eine univariate Analyse durchgeführt und konnten die Eigenschaften der Daten visuell verstehen. Anschließend führten sie mithilfe von Python und anderen Tools eine Zeitreihenanalyse durch, um Trends bei der Anzahl der Ladenbesucher und Kaufbeträgen pro Wochentag zu verstehen, und analysierten Änderungen der Verkäufe nach Produktkategorie. Wir haben außerdem die Faktoren untersucht, die zu Umsatzschwankungen führen, indem wir sie mit externen Daten verknüpft haben. Anschließend ergab die Attributanalyse den Zusammenhang zwischen Alter und Geschlecht der Kunden und den gekauften Produkten. In der Co-Selling-Analyse haben wir mithilfe von Grafiken die Beziehungen zwischen Produkten visualisiert, die häufig zusammen gekauft werden. Schließlich haben wir die Wirksamkeit von Werbeveranstaltungen gemessen und die Auswirkungen bestimmter Werbeveranstaltungen auf den Umsatz bewertet. Durch diese Analysen erwägen wir, die Eigenschaften von Filialen zu verstehen und Informationen bereitzustellen, die als Referenz für den zukünftigen Filialbetrieb verwendet werden können.
