Analisis Penjualan Toko Online

Deskripsi

Saya adalah seorang Data Analyst yang bekerja untuk sebuah perusahaan e-commerce yang menjual berbagai jenis produk secara online. Manajemen perusahaan meminta saya untuk melakukan analisis penjualan untuk mendapatkan wawasan yang lebih baik tentang kinerja penjualan produk mereka selama tiga bulan terakhir.

Skenario Data

  1. Membangkitkan Data Penjualan: Saya akan membuat dataset penjualan yang mencakup informasi seperti tanggal penjualan, jenis produk, jumlah penjualan, dan harga produk. Data ini akan menampilkan penjualan selama periode tiga bulan terakhir dengan jumlah entri sebanyak 100 transaksi.

  2. Analisis Grafik Penjualan Harian: Saya akan membuat grafik untuk menampilkan tren penjualan harian selama periode tiga bulan terakhir. Grafik ini akan memberikan gambaran visual tentang bagaimana penjualan berfluktuasi dari hari ke hari.

  3. Identifikasi Penjualan Produk Terlaris: Saya akan mengidentifikasi produk terlaris berdasarkan total penjualan selama periode tiga bulan terakhir. Ini akan membantu manajemen untuk memahami produk mana yang paling diminati oleh pelanggan.

  4. Analisis Harga Produk: Saya akan melakukan analisis statistik terhadap harga produk untuk memahami distribusi harga dan harga rata-rata produk. Ini akan memberikan wawasan tentang kisaran harga produk yang ditawarkan oleh perusahaan.

Membangkitkan Data Penjualan

set.seed(123) # Untuk membuat hasil acak konsisten
produk <- c("Baju", "Celana", "Sepatu", "Topi", "Tas")
tanggal <- seq(as.Date("2024-01-01"), as.Date("2024-03-31"), by = "day")
penjualan <- data.frame(
  Tanggal = sample(tanggal, 100, replace = TRUE),
  Produk = sample(produk, 100, replace = TRUE),
  Jumlah = sample(1:10, 100, replace = TRUE),
  Harga = round(runif(100, min = 20, max = 100), 2)
)
head(penjualan)
##      Tanggal Produk Jumlah Harga
## 1 2024-01-31   Baju      5 66.79
## 2 2024-03-19 Sepatu     10 41.66
## 3 2024-02-20 Sepatu      9 38.41
## 4 2024-01-14   Baju      4 75.30
## 5 2024-03-07 Sepatu      6 42.63
## 6 2024-02-11    Tas      2 84.83

Analisis Grafik Penjualan Harian

library(ggplot2)

ggplot(penjualan, aes(x = Tanggal, y = Jumlah)) +
  geom_line() +
  labs(title = "Grafik Penjualan Harian",
       x = "Tanggal",
       y = "Jumlah Penjualan")

# Identefikasi Penjualan Produk Terlaris

produk_terlaris <- aggregate(Jumlah ~ Produk, penjualan, sum)
produk_terlaris <- produk_terlaris[order(produk_terlaris$Jumlah, decreasing = TRUE), ]

top_produk <- head(produk_terlaris, 1)$Produk

top_produk_penjualan <- penjualan[penjualan$Produk == top_produk, ]
summary(top_produk_penjualan)
##     Tanggal              Produk              Jumlah           Harga      
##  Min.   :2024-01-06   Length:24          Min.   : 2.000   Min.   :21.29  
##  1st Qu.:2024-01-24   Class :character   1st Qu.: 3.000   1st Qu.:35.86  
##  Median :2024-02-10   Mode  :character   Median : 6.500   Median :67.94  
##  Mean   :2024-02-18                      Mean   : 6.167   Mean   :61.83  
##  3rd Qu.:2024-03-16                      3rd Qu.: 9.000   3rd Qu.:82.42  
##  Max.   :2024-03-30                      Max.   :10.000   Max.   :99.44

Analisis Harga Produk

summary(penjualan$Harga)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   20.04   41.31   58.75   59.45   80.74   99.44

Kesimpulan

  1. Tren Penjualan Harian: Grafik penjualan harian menunjukkan adanya fluktuasi dalam jumlah penjualan sepanjang periode tiga bulan terakhir. Terdapat pola naik turun yang mungkin terkait dengan faktor-faktor seperti hari-hari libur, promosi, atau peristiwa khusus lainnya.

  2. Produk Terlaris: Berdasarkan analisis, produk terlaris selama periode tiga bulan terakhir adalah Sepatu. Ini menunjukkan bahwa produk ini memiliki permintaan yang tinggi di antara pelanggan, dan manajemen perusahaan dapat mempertimbangkan untuk meningkatkan stok atau memperkuat strategi pemasaran untuk produk ini.

  3. Analisis Harga: Analisis harga menunjukkan bahwa harga produk bervariasi dalam kisaran tertentu, dengan harga rata-rata sebesar 59.45. Distribusi harga juga menunjukkan bahwa sebagian besar produk memiliki harga di kisaran yang wajar, namun ada juga beberapa produk dengan harga di atas kisaran ini yang mungkin memerlukan evaluasi lebih lanjut.

Dengan demikian, analisis ini memberikan wawasan yang berharga kepada manajemen perusahaan e-commerce untuk memahami tren penjualan, mengidentifikasi produk terlaris, dan menganalisis kisaran harga produk. Langkah selanjutnya bagi perusahaan adalah menggunakan informasi ini untuk mengoptimalkan strategi penjualan dan pemasaran guna meningkatkan kinerja bisnis mereka.