드디어, ‘Enterprise Guide를 이용한 Market Analysis’ 주제 마지막 시간이 되었습니다. 이번 주제의 하이라이트는 JOIN이었습니다. 실제 업무에서도 많이 쓰이는 작업이고, 기준을 어떻게 잡느냐에 따라 매우 다른 결과를 불러 오기 때문에 신중한 계획도 필요합니다. 예를 들면, 기준에 중복이 되는 부분이 생긴다면 결과 데이터는 뻥튀기가 되어 서버나 PC에 어마어마한 과부하를 줄 수도 있습니다. 익숙해 지시려면.. 역시.. 시행착오보다 좋은 것은 없겠죠? ^^ 데이터 수가 상대적으로 적은 샘플 데이터들로 많은 시도 해보시기 바랍니다.
우리는 출판사 전체와 DMR출판사를 비교하여 어떤 층에 더 집중하여 마케팅을 해야 할지 알아보기 위해 두 데이터를 합쳐 아래와 같은 결과를 얻었습니다.
[그림 5-1]
전체 출판시장에서 우리 DMR출판사가 차지하는 비율이 어느 정도 인지 알기 위해서 “DMR ÷ 출판업계” 식의 계산을 해보겠습니다.
Calculate the Share of Wallet
기준이 되는 레벨이 성별과 연령대가 있으므로 이를 분리하여 비율을 구해보도록 하겠습니다.
먼저, 질의빌더를 통해 성별 데이터의 비율을 구하겠습니다. 그러면, 연령대별 작업은 반복이니 더 쉽게 하실 수 있습니다.
작업공간에서 “MERGE_D”를 선택하신 후 우클릭 하여, [질의빌더]를 열겠습니다.
[그림 5-2]
위 [그림 5-2] 과 같이 모양을 만드시는 것은 이제 익숙하게 하실 수 있을 겁니다.
① 왼쪽 패널에서 “연령대”를 뺀 모든 칼럼을 선택하신 후 [데이터 선택] 창에 끌어다 놓습니다.
② 오른쪽 [데이터 선택]창의 “구독자수”부터 “DMR_수익”까지 수치 데이터 칼럼의 [요약] 부분을 모두 [SUM]으로 바꿔 줍니다.
③ [질의 이름]은 “GENDER_SUM”으로, [출력 이름]은 “WORK.MERGE_GENDER”으로 설정합니다.
④ [실행] 버튼을 클릭합니다.
[그림 5-3]
위 [그림 5-3] 과 같은 결과가 나왔나요? 이제 성별로 DMR이 전체 출판시장에서 차지하는 비중을 구해보도록 하겠습니다.
위 “WORK.MERGE_GENDER” data set을 연 상태에서 툴바에 있는 [질의 빌더]를 클릭하시면 바로 이어서 작업하실 수 있습니다.
[그림 5-4]
① 위 [그림 5-4]과 같이 [질의 이름]은 “PCT_GENDER”로 [출력 이름]은 “WORK.PCR_GENDER”로 설정합니다.
② “성별”칼럼만 데이터 선택 창으로 끌어다 놓습니다.
③ “PCT_구독자수”, “PCT_구독부수”, “PCT_수익” 칼럼을 [새로운 계산 칼럼 추가]를 이용하여 생성합니다.
나머지 작업들은 반복적이니 “PCT_구독자수”만 그림으로 설명 드리도록 하겠습니다. (혹시나 막히시면, 꼭 메일 주세요!)
[그림 5-5]
[질의 빌더] 창에서 파란 계산기 모양의 [새로운 계산 칼럼 추가]를 클릭 하신 후, [고급 표현식]을 선택합니다.
[그림 5-6]
표현식 창에 “t1.'SUM_of_DMR_구독자수'n/t1.SUM_of_SUBSCRIBERS”를 입력합니다.
[그림 5-7]
[칼럼 이름]에는 “PCT_구독자수”, [출력형식]에는 “PERCNETN.”(점까지 꼭 입력!)을 입력합니다.
그리고 [마침] 버튼을 클릭합니다.
같은 방법으로 “PCT_구독부수”, “PCT_수익” 칼럼도 생성합니다.
모두 생성한 후 [질의 빌더]를 실행하시면, 아래 [그림 5-8] 같은 결과를 보실 수 있습니다.
[그림 5-8]
결과 데이터를 보시면, 수치를 비교해도 어떤 인사이트를 얻어내기는 쉽지 않습니다.
그러면, 이번에는 연령대별 데이터를 보도록 하겠습니다.
성별 데이터처럼 “WORK.MERGE_D”에서 [질의 빌더] 작업을 하겠습니다.
[그림 5-9]
[그림 5-9]과 같이 [질의 이름]은 “AGE_SUM”, [출력 이름]은 “WORK.MERGE_AGE”로 설정합니다.
“WORK.MERGE_GENDER” data set을 만드는 과정과 똑같지요?
결과는 아래와 같습니다.
[그림 5-10]
이 data set을 “DMR ÷ 출판업계” 작업을 통해 “WORK.AGE_PCT” data set을 만들겠습니다.
[그림 5-11]
결과는 [그림 5-12]와 같습니다.
[그림 5-12]
이제야 유의미한 결과가 나왔습니다.
“18세 이상 21세 이하” 연령대를 보시면, 전체 시장에서의 구독자수 비중은 5% 밖에 안되지만, 그 수익은 14%를 차지 하고 있습니다. 연령대가 높아질수록 구독자수 대비 수익성은 떨어집니다. 그렇다면, 우리 DMR출판사는 “18세 이상 21세 이하”에 마케팅을 더 집중함으로써 더 큰 수익 증대를 예상할 수 있습니다.
반대로 22세 이상의 수익 비중이 적으므로, 새로운 책을 그 이상의 연령대에 맞춰서 발매하여 영역을 확대하는 의사결정을 할 수도 있습니다.
이 간단한 분석을 통해 DMR 출판사의 잠재적 기회와 인사이트들을 얻을 수 있었습니다. 현재 구독자 중 어느 계층에 마케팅 투자를 할 것 인지, 미래에는 어떤 계층을 타겟팅한 책을 출판 할 것인지 고려할 근거를 마련했습니다. [Business Analytics Using SAS Enterprise Guide and SAS Enterprise Miner: A Beginner's Guide] 저자는 이 두 인사이트를 융합한 방법을 추천하고 있습니다.
오늘까지 “EG를 이용한 시장분석”을 마무리하도록 하겠습니다.
참조한 책 [Business Analytics Using SAS Enterprise Guide and SAS Enterprise Miner: A Beginner's Guide]에서 다룬 것보다 처음 사용하시는 분들이 잘 따라 하실 수 있도록 더 자세한 과정을 보여드리기 위해 노력했는데, 어떠셨을 지 모르겠습니다.
다음에는 Enterprise Miner를 이용한 분석을 소개하도록 하겠습니다.
감사합니다.
오늘까지 작업한 EGP를 다운로드 하실 수 있습니다.
저는 SAS Enterprise Guide 7.1, Local 환경에서 작업했습니다.
하위 버전이거나, 서버환경 일 경우 실행이 되지 않으실 수 있으니 참고 바랍니다.
물론 같은 버전, 같은 환경이어도, 라이브러리 디렉토리(D:\TEMP\DMR_전략팀)가 다르거나 불러오기 파일 위치(D:\Trea_SYSOP\Enterprise Guide를 이용한 Business Analytics)가 다르면 실행되지 않습니다.
참조 : [Business Analytics Using SAS Enterprise Guide and SAS Enterprise Miner: A Beginner's Guide]
Join us for SAS Innovate 2025, our biggest and most exciting global event of the year, in Orlando, FL, from May 6-9. Sign up by March 14 for just $795.