[SQL 강의] 러닝스푼즈 | SQL과 구글 시트로 배우는 데이터 리터러시 첫 걸음 (5) 보고서 작성

종합 보고서의 내용 및 순서

개요

1) 배경 및 이유 정리

- 만든 사람과 보는 사람의 얼라인을 먼저 정확히 맞추기 위함

- 보고서를 만들기 전에 보고를 받아볼 사람에게 '난 이렇게 이해하고 이런 내용을 정리하려고 하는데, 원하는게 이게 맞아?' 하고 반드시 방향이 맞는지 확인 후 보고서를 만들 것.

 

2) 참고사항

- 보고서를 작성하며 있었던 특이사항, 변수, 이슈 등에 대해 어떻게 정의하고 시작했는지 등을 사전에 안내

- 화이트데이, 발렌타인데이 등 평소와 다른 요일에 주문수가 많이 나왔을 경우처럼, 특별한 예외사항에 대해 사전 안내 (제외하고 진행하였다 등)

- 데이터 집계 기간, 주요항목 (EX. 주문수 중에서도 어떤 조건을 충족한 주문수인지 명확히 정의)

- 상황을 모두 알고있는 우리팀원들이 아니라, 타팀원이나 상위자에게까지 보고가 필요한 내용이라면 그 외 공유사항을 더 상세히 작성

 

3) 결론

- 분석 내용 요약 및 의견 요약하기

- 보는 사람이 가장 궁금해하는 부분이기 때문에 상단에 먼저 요약정리해주는 것

- 위의 배경과 참고사항을 알고 결론을 봐야 더 정확한 의미 전달이 가능해짐

(이력서에서도... 성과와 회고를 먼저 적어야 하는 이유일까?)

 

현황 파악

1) 데이터 통계 자료

- 분석의 근거가 되는 자료, 결론의 힌트가 되는 자료

- 어떤 부분에 문제가 있는지, 어떤 부분이 눈에 띄는 차이가 있는지 한 눈에 확인할 수 있도록.

- 사실상 가장 시간이 오래 걸리는 부분이지만, 보고서에는 그 중에서도 의미있는 자료(핵심 근거)만 싣는다.

 

분석

1) 가설 및 분석

- 어떻게 가설을 세웠는지, 그걸 증명하기 위해 어떤 데이터를 보았는지

- 그냥 자료(표, 차트 등)만 던질 경우 보는 사람이 다시 한 번 그 자료를 분석하기 위해 시간과 에너지를 써야 함. 자료를 붙일 때는 반드시 나의 해석을 함께 공유할 것

 

보고서 작성 시 주의해야 할 점

1. 목적을 달성할 수 있는 결론을 도출

- 성과분석이 목적이면, 성공했는지 여부를 작성

- 이슈파악이 목적이면, 원인이 무엇이었는지, 어떻게 개선할 수 있을지 작성

 

2. 애매한 표현보다는 객관적으로 전달

- ~인 것 같습니다 (X) ~인 것으로 확인하였습니다 (O)

 

3. 데이터 기반으로 가설을 증명

- 뽑은 데이터를 시각화해 자료로 활용

 

4. 보고서의 흐름과 생각의 흐름 일치

- A > B > C 의 순서에서 중간을 생략하지 말 것. 처음 보는 사람도 매끄럽게 전 과정을 이해할 수 있도록

 

5. 쉬운 단어 / 표현 사용

- 한 용어에 대해서도 다른 팀에서는 다른 용어를 사용할 수 있음. (배달비/배달팁...) 어떤 의미의 용어인지 명확히 할 것

- 용어 대신 문장 형태로 풀어서 써주는 것도 좋음 (길어지더라도 이해가 안되는 단어가 등장하는 것보다 나음)

 

보고서 예시

 

- 더 좋은 작성방법이 얼마든지 있을 수 있음. 나만의 보고서 작성법을 앞으로 디벨롭해나갈 것

 

위에서 이용된 표를 뽑는 쿼리

1. 월별 매출 비교하기

 

with sales_raw as
(SELECT
substr(cast(a.reserv_date as string),1,6) as part_month,
c.item_id,
c.product_name,
count(a.reserv_no) as cnt,
sum(b.sales) as sales
-- sum(sum(b.sales)) over (partition by substr(cast(a.reserv_date as string),1,6)) as dense_sum,
-- round( sum(b.sales) /sum(sum(b.sales)) over (partition by substr(cast(a.reserv_date as string),1,6)) *100,0) as portion
FROM `ls-data-literacy-301513.practice.reservation`a
left join `ls-data-literacy-301513.practice.order_info` b on a.reserv_no = b.reserv_no
left join `ls-data-literacy-301513.practice.item` c on c.item_id = b.item_id

where cast(cancel as string) = 'false'
group by 1,2,3
)

select
part_month,
item_id,
product_name,
cnt,
sales,
sum(sales) over (partition by part_month) as dense_sum,
round(sales/ sum(sales) over (partition by part_month)*100,0) as yearly_portion
from sales_raw
group by 1,2,3,4,5

 

<출력값>

part_month	item_id	product_name	cnt	sales	dense_sum	yearly_portion
201706	M0002	PASTA	1	24000	613000	4
201706	M0007	SALAD	1	30000	613000	5
201706	M0009	WINE	1	8000	613000	1
201706	M0001	SPECIAL_SET	3	144000	613000	23
201706	M0008	SANDWICH	1	10000	613000	2
201706	M0005	STEAK	3	385000	613000	63
201706	M0010	JUICE	1	12000	613000	2
201707	M0001	SPECIAL_SET	6	408000	1744000	23
201707	M0010	JUICE	3	36000	1744000	2
201707	M0002	PASTA	6	228000	1744000	13
201707	M0008	SANDWICH	4	70000	1744000	4
201707	M0003	PIZZA	4	102000	1744000	6
201707	M0005	STEAK	5	525000	1744000	30
201707	M0004	SEA_FOOD	3	175000	1744000	10
201707	M0006	SALAD_BAR	4	200000	1744000	11
201708	M0001	SPECIAL_SET	6	336000	1622000	21
201708	M0010	JUICE	2	42000	1622000	3
201708	M0005	STEAK	5	455000	1622000	28
201708	M0008	SANDWICH	5	90000	1622000	6
201708	M0006	SALAD_BAR	3	175000	1622000	11
201708	M0004	SEA_FOOD	4	225000	1622000	14
201708	M0002	PASTA	5	108000	1622000	7
201708	M0003	PIZZA	5	136000	1622000	8
201708	M0009	WINE	3	40000	1622000	2
201708	M0007	SALAD	1	15000	1622000	1
201709	M0005	STEAK	4	280000	1586000	18
201709	M0004	SEA_FOOD	4	300000	1586000	19
201709	M0003	PIZZA	8	238000	1586000	15
201709	M0002	PASTA	5	120000	1586000	8
201709	M0001	SPECIAL_SET	4	264000	1586000	17
201709	M0008	SANDWICH	2	30000	1586000	2
201709	M0010	JUICE	2	48000	1586000	3
201709	M0009	WINE	1	16000	1586000	1
201709	M0007	SALAD	2	90000	1586000	6
201709	M0006	SALAD_BAR	4	200000	1586000	13
201710	M0006	SALAD_BAR	6	425000	3333000	13
201710	M0005	STEAK	10	1120000	3333000	34
201710	M0004	SEA_FOOD	3	200000	3333000	6
201710	M0002	PASTA	9	336000	3333000	10
201710	M0007	SALAD	3	135000	3333000	4
201710	M0003	PIZZA	8	391000	3333000	12
201710	M0001	SPECIAL_SET	6	552000	3333000	17
201710	M0010	JUICE	4	102000	3333000	3
201710	M0009	WINE	1	32000	3333000	1
201710	M0008	SANDWICH	3	40000	3333000	1
201711	M0006	SALAD_BAR	5	400000	5197000	8
201711	M0008	SANDWICH	7	150000	5197000	3
201711	M0009	WINE	6	304000	5197000	6
201711	M0010	JUICE	5	174000	5197000	3
201711	M0005	STEAK	12	1715000	5197000	33
201711	M0004	SEA_FOOD	5	425000	5197000	8
201711	M0001	SPECIAL_SET	13	888000	5197000	17
201711	M0007	SALAD	4	105000	5197000	2
201711	M0002	PASTA	10	492000	5197000	9
201711	M0003	PIZZA	15	544000	5197000	10
201712	M0005	STEAK	42	4900000	10862000	45
201712	M0009	WINE	13	456000	10862000	4
201712	M0001	SPECIAL_SET	21	3216000	10862000	30
201712	M0008	SANDWICH	13	220000	10862000	2
201712	M0006	SALAD_BAR	9	675000	10862000	6
201712	M0003	PIZZA	8	255000	10862000	2
201712	M0004	SEA_FOOD	5	300000	10862000	3
201712	M0007	SALAD	3	150000	10862000	1
201712	M0002	PASTA	19	660000	10862000	6
201712	M0010	JUICE	2	30000	10862000	0

 

2. 총 상품의 주문취소율 대비 스페셜 세트의 주문취소율

with sales_raw as
(SELECT
substr(cast(a.reserv_date as string),1,6) as part_month,
case when c.item_id = 'M0001' then 'specail' else 'etc' end as item_type,
c.product_name,
count(a.reserv_no) as cnt,
count(case when cast(cancel as string) = 'true' then a.reserv_no end) as canceled_reserv_cnt,
count(case when cast(cancel as string) = 'false' then a.reserv_no end) as completed_reserv_cnt,
sum(b.sales) as sales
FROM `ls-data-literacy-301513.practice.reservation`a
left join `ls-data-literacy-301513.practice.order_info` b on a.reserv_no = b.reserv_no
left join `ls-data-literacy-301513.practice.item` c on c.item_id = b.item_id

--where cast(cancel as string) = 'false'
group by 1,2,3
)
select
part_month,
sum(cnt) as cnt,
sum(sales) as total_sales,
sum(case when item_type = 'specail' then sales end) as special_sales,
round(sum(case when item_type = 'specail' then sales end) / sum(sales) *100,0) as special_portion,
sum(case when item_type = 'specail' then canceled_reserv_cnt end) as special_canceled_reserv_cnt,
round(sum(case when item_type = 'specail' then canceled_reserv_cnt end) /sum(cnt)*100,1) as specail_cancel_rate,
sum(canceled_reserv_cnt) as canceled_cnt,
sum(completed_reserv_cnt) as completed_cnt,
round(sum(canceled_reserv_cnt)/sum(cnt)*100,1) as cancel_rate
from sales_raw
group by 1
order by 1

part_month	cnt	total_sales	special_sales	special_portion	special_canceled_reserv_cnt	specail_cancel_rate	canceled_cnt	completed_cnt	cancel_rate
201706	13	613000	144000	23	0	0	2	11	15.4
201707	41	1744000	408000	23	0	0	6	35	14.6
201708	45	1622000	336000	21	0	0	6	39	13.3
201709	41	1586000	264000	17	0	0	5	36	12.2
201710	61	3333000	552000	17	0	0	8	53	13.1
201711	94	5197000	888000	17	0	0	12	82	12.8
201712	155	10862000	3216000	30	0	0	20	135	12.9

 

---

지난 번 wau 감소 분석 프로젝트에서도 느꼈지만...

 

실제로 실무에서 활용하게 될 sql은 문제풀이에서 보는 것보다

1) 훨씬 길고

2) 그렇지만 단순한 함수의 조합으로 (count, sum, avg, 곱셈 나눗셈 비율표현 등)

3) 각 지표를 정확한 데이터를 이용해 정의하고 (Z라는 목적을 위해, A를 B로 나누어 C의 의미를 가진 D 지표를 뽑겠다)

4) 오류가 없도록 정확하게 짜야 한다.

 

그렇게 뽑은 sql은 이후로 진행할 데이터 분석의 재료가 될 뿐이고.

 

지금은 이렇게 보고서 하나 쓰는 것도 시간이 얼마나 걸릴지 계산하게 되고 까마득하고 아득해보이지만...

실무에서 활용하기 시작하면 6개월에서 1년이면 충분히 능숙하고 자신있게 쓸 수 있게 되지 않을까 싶다.

 

이렇게 번갯불에 콩 볶듯 완강한 강의!

sql이나 구글시트 활용 부분은 예상보다도 훨씬 더 쉬워 아쉬웠지만, 마지막의 보고서 작성 챕터는 좋았다.

배민의 사업개발 팀에서 일하시는 분도 이 정도의 분석 스킬, 보고서 작성 능력으로 비즈니스 업무를 진행하는 데에 크게 무리가 없구나. 를 알게 되어 조금은 자신감이 생겼다. 

 

이 정도는 기본으로 치고, 이외에 더 엣지를 더하고 싶다면

1) 추가로 더 고도의 데이터 분석 스킬을 익히거나

2) 나만의 강점이 될 수 있는 다른 역량을 더 갈고닦아야 할 것이다.

 

화이팅!