Walmart

1. Περιγραφή του Dataset και της Πηγής του

• Το συγκεκριμένο σύνολο δεδομένων περιέχει ιστορικά στοιχεία πωλήσεων από 45 καταστήματα της Walmart που βρίσκονται σε διαφορετικές περιοχές των ΗΠΑ. Περιλαμβάνει εβδομαδιαία δεδομένα για μια περίοδο περίπου 3 ετών (2010-2012).

• Πηγή: Το dataset προέρχεται αρχικά από έναν διαγωνισμό του Kaggle (Walmart Recruiting - Store Sales Forecasting).

• Περιλαμβάνει τις πωλήσεις,δείκτες όπως η θερμοκρασία, η τιμή των καυσίμων και ο δείκτης τιμών καταναλωτή (CPI), επιτρέποντας μια ολιστική προσέγγιση της επιχειρηματικής απόδοσης.

2. Αιτιολόγηση της Επιλογής σε σχέση με την Επιχειρηματική Αναλυτική

• Predictive Analytics: Επιτρέπει τη δημιουργία μοντέλων πρόβλεψης ζήτησης (Forecasting), που είναι κρίσιμο για τη διαχείριση αποθεμάτων.

• Diagnostic Analytics: Μπορούμε να αναλύσουμε πώς εξωτερικοί παράγοντες (π.χ. ανεργία ή εορταστικές περίοδοι) επηρεάζουν τα έσοδα.

• Prescriptive Analytics: Βοηθά στη λήψη αποφάσεων για το πότε πρέπει να γίνουν προσφορές ή πώς να προσαρμοστεί η εφοδιαστική αλυσίδα ανάλογα με την εποχικότητα.

3. Επιχειρηματικά Ερωτήματα που Προκύπτουν (Business Insights)

Μερικά ερωτήματα που μπορούν να απαντηθούν μέσω της ανάλυσης σχετίζονται με:

• Εποχικότητα: Πόσο αυξάνονται οι πωλήσεις κατά τη διάρκεια των μεγάλων εορτών (π.χ. Super Bowl, Thanksgiving, Christmas) σε σχέση με τις υπόλοιπες εβδομάδες;

• Επιρροή Μακροοικονομίας: Υπάρχει συσχέτιση μεταξύ του δείκτη ανεργίας (Unemployment) ή του πληθωρισμού (CPI) και της αγοραστικής δύναμης των καταναλωτών;

• Ευαισθησία Τιμών Καυσίμων: Επηρεάζει η αύξηση της τιμής των καυσίμων τις πωλήσεις (ίσως λόγω λιγότερων επισκέψεων στο κατάστημα);

• Σύγκριση Καταστημάτων: Ποια καταστήματα παρουσιάζουν τη μεγαλύτερη ανάπτυξη και ποια είναι πιο ευάλωτα στις καιρικές συνθήκες (Temperature);

4.Περιγραφή Μεταβλητών (Dataset Variables)

• Store: Αναγνωριστικός αριθμός του καταστήματος (1-45).

• Date: Η εβδομαδιαία ημερομηνία καταγραφής των δεδομένων (2010-2012).

• Weekly_Sales: Ο συνολικός κύκλος εργασιών του καταστήματος ανά εβδομάδα (σε $). Είναι η κύρια μεταβλητή προς ανάλυση.

• Holiday_Flag: Δυαδική ένδειξη (0 ή 1) για το αν η εβδομάδα περιλαμβάνει μεγάλη εθνική αργία.

• Temperature: Η μέση θερμοκρασία της περιοχής κατά την εβδομάδα καταγραφής (σε °F).

• Fuel_Price: Το κόστος των καυσίμων στην περιοχή (σε $ ανά γαλόνι).

• CPI (Consumer Price Index): Ο Δείκτης Τιμών Καταναλωτή που αποτυπώνει τον πληθωρισμό και το κόστος ζωής.

• Unemployment: Το ποσοστό ανεργίας (%) στην περιοχή του καταστήματος, ως δείκτης της τοπικής οικονομικής κατάστασης.

Περιγραφικά Στατιστικά

library(tidyverse)
library(knitr)

# Φόρτωση
Walmart <- read.csv("Walmart.csv")

# Συνάρτηση για Mode
get_mode <- function(v) {
  uniqv <- unique(v)
  uniqv[which.max(tabulate(match(v, uniqv)))]
}

# Επιλογή στηλών ανάλυσης (εκτος holiday flag και store)
target_vars <- Walmart %>% 
  select(Weekly_Sales, Temperature, Fuel_Price, CPI, Unemployment)

# Υπολογισμός στατιστικών
final_stats <- data.frame(
  Μεταβλητή = colnames(target_vars),
  Μέσος_Όρος = sapply(target_vars, mean, na.rm = TRUE),
  Διάμεσος = sapply(target_vars, median, na.rm = TRUE),
  Επικρατούσα = sapply(target_vars, get_mode),
  Τυπ_Απόκλιση = sapply(target_vars, sd, na.rm = TRUE),
  Διακύμανση = sapply(target_vars, var, na.rm = TRUE),
  Ελάχιστο = sapply(target_vars, min, na.rm = TRUE),
  Μέγιστο = sapply(target_vars, max, na.rm = TRUE)
)

# Εμφάνιση πίνακα
kable(final_stats, digits = 2)

	Μεταβλητή	Μέσος_Όρος	Διάμεσος	Επικρατούσα	Τυπ_Απόκλιση	Διακύμανση	Ελάχιστο	Μέγιστο
Weekly_Sales	Weekly_Sales	1046964.88	960746.04	1643690.90	564366.62	3.185097e+11	209986.25	3818686.45
Temperature	Temperature	60.66	62.67	50.43	18.44	3.402200e+02	-2.06	100.14
Fuel_Price	Fuel_Price	3.36	3.44	3.64	0.46	2.100000e-01	2.47	4.47
CPI	CPI	171.58	182.62	126.44	39.36	1.548950e+03	126.06	227.23
Unemployment	Unemployment	8.00	7.87	8.10	1.88	3.520000e+00	3.88	14.31

Συσχετίσεις Μεταβλητών

library(tidyverse)
library(knitr)

# Επιλογή των αριθμητικών μεταβλητών για τη συσχέτιση
numeric_data <- Walmart %>% 
  select(Weekly_Sales, Temperature, Fuel_Price, CPI, Unemployment)

# Υπολογισμός συντελεστών συσχέτισης
cor_matrix <- cor(numeric_data, use = "complete.obs")

# Παρουσίαση πίνακα
kable(cor_matrix, digits = 3, caption = "Πίνακας Συσχετίσεων (Correlation Matrix)")

Πίνακας Συσχετίσεων (Correlation Matrix)

	Weekly_Sales	Temperature	Fuel_Price	CPI	Unemployment
Weekly_Sales	1.000	-0.064	0.009	-0.073	-0.106
Temperature	-0.064	1.000	0.145	0.177	0.101
Fuel_Price	0.009	0.145	1.000	-0.171	-0.035
CPI	-0.073	0.177	-0.171	1.000	-0.302
Unemployment	-0.106	0.101	-0.035	-0.302	1.000

Συμπεράσματα απο τις συσχετίσεις:

1. Ανεργία και Πωλήσεις (Unemployment vs Weekly_Sales): Παρατηρείται μια αρνητική συσχέτιση. Αυτό σημαίνει ότι καθώς ο δείκτης ανεργίας αυξάνεται, οι εβδομαδιαίες πωλήσεις τείνουν να μειώνονται. Η σχέση αυτή αναδεικνύει την ευαισθησία των εσόδων της Walmart στην οικονομική κατάσταση των τοπικών κοινωνιών.

2. Τιμή Καυσίμων και Πωλήσεις (Fuel_Price vs Weekly_Sales): Συνήθως η συσχέτιση εδώ είναι πολύ χαμηλή (κοντά στο 0). Αυτό υποδηλώνει ότι οι καταναλωτές συνεχίζουν να επισκέπτονται το κατάστημα για βασικά αγαθά, ακόμη και αν το κόστος μετακίνησης αυξάνεται, γεγονός που δείχνει την ανελαστικότητα της ζήτησης για τα προϊόντα της Walmart.

3. CPI και Πωλήσεις (CPI vs Weekly_Sales): Εδώ συχνά εντοπίζεται μια ασθενής αρνητική σχέση. Ο υψηλός πληθωρισμός (CPI) μειώνει την αγοραστική δύναμη, γεγονός που αντικατοπτρίζεται σε μια ελαφρά πίεση προς τα κάτω στα έσοδα.

Διαγράμματα και σχολιασμός τους

library(ggplot2)

#Istogramma
ggplot(Walmart, aes(x = Weekly_Sales)) +
  geom_histogram(fill = "blue", color = "white", bins = 30) +
  labs(
    title = "Distribution of Weekly Sales",
    x = "Weekly Sales",
    y = "Frequency"
  )

• To ιστόγραμμα απεικονίζει τη συχνότητα εμφάνισης των εβδομαδιαίων πωλήσεων, αποκαλύπτοντας μια θετικά ασύμμετρη κατανομή (right-skewed).Η πλειονότητα των καταστημάτων καταγράφει πωλήσεις που κυμαίνονται μεταξύ 0,5 και 1,5 εκατομμυρίων δολαρίων, που αποτελούν και τις πιο συχνές τιμές στο δείγμα. Η “ουρά” του γραφήματος προς τα δεξιά υποδεικνύει την ύπαρξη περιορισμένων περιπτώσεων με εξαιρετικά υψηλές πωλήσεις (άνω των 2,5-3 εκατομμυρίων), οι οποίες αντιστοιχούν σε κορυφαία καταστήματα ή εβδομάδες διακοπών.

#Scatterplot
ggplot(Walmart, aes(x = Unemployment, y = Weekly_Sales)) +
  geom_point(color = "darkgreen", alpha = 0.4) +
  geom_smooth(method = "lm", color = "red") +
  theme_minimal()

## `geom_smooth()` using formula = 'y ~ x'

• Υπάρχει αρνητική γραμμική συσχέτιση μεταξύ ανεργίας και πωλήσεων. Η καθοδική κλίση της γραμμής τάσης (regression line) επιβεβαιώνει ότι η αύξηση της ανεργίας περιορίζει την αγοραστική δύναμη των καταναλωτών, μειώνοντας τα έσοδα των καταστημάτων. Παρά την ύπαρξη ακραίων υψηλών τιμών (outliers) που οφείλονται στην εορταστική εποχικότητα, η γενική οικονομική τάση δείχνει σαφή μείωση των πωλήσεων όσο ο δείκτης ανεργίας αυξάνεται.

#Boxplot
ggplot(Walmart, aes(x = factor(Holiday_Flag), y = Weekly_Sales)) +
  geom_boxplot(fill = "blue") +
  labs(
    title = "Weekly Sales during Holiday vs Non-Holiday",
    x = "Holiday Week",
    y = "Weekly Sales"
  )

• Το boxplot αποκαλύπτει ότι οι εβδομάδες που περιλαμβάνουν αργίες (1) παρουσιάζουν υψηλότερο διάμεσο επίπεδο πωλήσεων σε σχέση με τις υπόλοιπες (0). Παρόλο που οι “τυπικές” πωλήσεις στις αργίες είναι αυξημένες, οι περισσότερες ακραίες τιμές (outliers) εμφανίζονται στις απλές εβδομάδες, γεγονός που υποδηλώνει ότι ορισμένα καταστήματα επιτυγχάνουν εξαιρετικές επιδόσεις καθ’ όλη τη διάρκεια του έτους. Συνολικά, οι εορταστικές περίοδοι αποτελούν κρίσιμο παράγοντα κερδοφορίας, μετατοπίζοντας ολόκληρο το εύρος των πωλήσεων σε υψηλότερα επίπεδα.

#Υπολογισμός μέσων πωλήσεων
sales_summary <- Walmart %>%
  group_by(Holiday_Flag) %>%
  summarise(mean_sales = mean(Weekly_Sales))

# Bar chart
ggplot(sales_summary, aes(x = factor(Holiday_Flag), y = mean_sales, fill = factor(Holiday_Flag))) +
  geom_col() +
  labs(
    title = "Μέσες Εβδομαδιαίες Πωλήσεις: Holiday vs Non-Holiday",
    x = "Holiday Week (0 = No, 1 = Yes)",
    y = "Average Weekly Sales",
    fill = "Holiday"
  ) +
  theme_minimal()

• Το bar chart επιβεβαιώνει την έντονη εποχικότητα των εσόδων, με τις εβδομάδες αργιών (1) να σημειώνουν σαφώς υψηλότερο μέσο όρο πωλήσεων σε σχέση με τις υπόλοιπες (0). Η διαφορά αυτή υπογραμμίζει τη σημασία των εορταστικών περιόδων για τον συνολικό κύκλο εργασιών και την ανάγκη για στοχευμένη προετοιμασία των αποθεμάτων κατά τις περιόδους αιχμής.