Analisis Penjualan Skincare

Deskripsi

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

Skenario Data

Membangkitkan Data Penjualan: Anda 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.

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

Identifikasi Produk Terlaris: Anda 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.

Analisis Harga Produk: Anda 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

set.seed(123) # Untuk membuat hasil acak konsisten
produk <- c("sabun muka", "toner", "serum", "masker", "komputer")
tanggal <- seq(as.Date("2024-01-01"), as.Date("2024-03-31"), by = "day")
penjualan <- data.frame(
  Tanggal = sample(tanggal, 200, replace = TRUE),
  Produk = sample(produk, 200, replace = TRUE),
  Jumlah = sample(1:20, 200, replace = TRUE),
  Harga = round(runif(20, min = 30, max = 200), 3)
)
head(penjualan)
##      Tanggal     Produk Jumlah   Harga
## 1 2024-01-31 sabun muka      4 143.833
## 2 2024-03-19     masker     15 122.909
## 3 2024-02-20      toner     20 167.949
## 4 2024-01-14 sabun muka     17 159.058
## 5 2024-03-07      toner      7  33.412
## 6 2024-02-11     masker     15  94.754

#Analisis Data

library(ggplot2)

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

#Analisis 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$Produk == top_produk, ]
summary(top_produk_penjualan)
##     Tanggal              Produk              Jumlah          Harga       
##  Min.   :2024-01-01   Length:47          Min.   : 1.00   Min.   : 30.66  
##  1st Qu.:2024-01-26   Class :character   1st Qu.: 7.00   1st Qu.: 40.51  
##  Median :2024-02-11   Mode  :character   Median :12.00   Median :129.21  
##  Mean   :2024-02-16                      Mean   :11.89   Mean   :117.59  
##  3rd Qu.:2024-03-10                      3rd Qu.:16.50   3rd Qu.:166.80  
##  Max.   :2024-03-31                      Max.   :20.00   Max.   :187.03
summary(penjualan$Harga)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   30.66   81.60  136.41  121.23  166.22  187.03

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 Masker . 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 121.230 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.