Welkom bij mijn R visualisaties deze visualisaties heb ik gebaseerd op mijn KPI’s

Beargumentatie: Bij deze eerst grafiek kun je duidelijk zien in welke plaats het meeste wordt besteedt aan ons systeem dit kan erg profijt vol zijn als je het juist gebruikt

Uitleg: De data wordt opgehaald uit de dataset vervolgens worden de juiste colommen geselecteerd en wordt de grafiek gegroeppeerd op de woonplaatsen. De summarise functie zorgte erin dit geval voor dat de prijs van alle producten bij elkaar wordt opgeteld en dit kun je dus reken als omzet. Vervolgens maak je de ggplot aan zet je de colommen op de juiste assen en gebruik je de command geom_col om er een colom van te maken. Verder heb ik nog tekst bijgevoegd en een fill ook heb ik ervoor gezorgd dat de woonplaatsen zijn gedraaid zodat ze leesbaar zijn.

#tidyverse
data <- DRG %>%
  select (Woonplaats, Prijs) %>%
  group_by(Woonplaats) %>%
  summarise_all(sum)  


#ggplot
Scheme <- ggplot(data, aes(x=Woonplaats, y=Prijs, fill=Woonplaats)) +
  geom_col() +
  labs(
    title = "Omzet per Woonplaats",
    x = "Woonplaats",
    y = "Omzet"
  )

Scheme + theme(axis.text.x = element_text(angle = 45))

Beargumentatie: Bij deze grafiek is het belang om te zien wel type nou het beste in de smaak valt want degene die het beste in de smaak valt ga je natuurlijk meer update of meer aandacht geven.

Uitleg: Bij deze chunck moest ik een iets andere aanpak nemen, omdat hij in eerste in stantie niet werkte zoals ik wilde. Hij pakte de kolommen niet dus heb ik uiteindelijk aparte variabelen geaakt om dit probleem op te lossen deze heb ik vervolgens geselecteerd en gesummarized. Hier door krijg je mooi de juiste aantallen bij de producten.

#tidyverse
data <- data.frame(
  id = DRG$ProductID,
  value = DRG$ProductID
)
data <- data %>%
  select(id, value) %>%
  group_by(id) %>%
  summarise_all(sum)
data
## # A tibble: 2 x 2
##      id value
##   <dbl> <dbl>
## 1     1    65
## 2     2    94
#ggplot
ggplot(data, aes(x=id, y=value, fill=id)) +
  geom_col() +
  labs(
    title = "Verkoop per type",
    x = "Hoeveelheid",
    y = "Product type"
  )

Beargumentatie: Bij deze grafiek is zeer handig omdat je letterlijk de omzet per jaar ziet zo zie je dus in 1 oog omslag of je bedrijf groeit en hoe je er voor een bepaald jaar al voor staat.

Uitleg: Eigenlijk is deze chunck redelijk hetzelfde als de eerst selecteer de goede kolommen zorg ervoor dat je ze hebt gegroepeerd en gesummarized en zet vervolgens de goede dingen in het ggplot.

#tidyverse
data <- DRG %>% 
  select(Aanschafjaar, Prijs) %>%
  group_by(Aanschafjaar) %>%
  summarise_all(sum)

#ggplot
Scheme <- ggplot(data, aes(x=Aanschafjaar, y=Prijs, fill=Aanschafjaar)) +
  geom_col() +
  labs(
    title = "omzet per merk",
    x = "Aanschafjaar",
    y = "Omzet"
  )

Scheme + theme(axis.text.x = element_text(angle = 45))

Beargumentatie: Bij deze grafiek is het weer essentieel dat je kunt zien welk merk er nou het best het product verkoopt wat hier moet je op in spelen. De grafiek geeft goed weer waar je nou precies op moet inzetten.

Uitleg: Eigenlijk is deze chunck redelijk hetzelfde als de eerst selecteer de goede kolommen zorg ervoor dat je ze hebt gegroepeerd en gesummarized en zet vervolgens de goede dingen in het ggplot

#tidyverse
data <- DRG %>% 
  select(Merk, Prijs) %>%
  group_by(Merk) %>%
  summarise_all(sum)

#ggplot
Scheme <- ggplot(data, aes(x=Merk, y=Prijs, fill=Merk)) +
  geom_col() +
  labs(
    title = "omzet per jaar",
    x = "Merk",
    y = "Omzet"
  )

Scheme + theme(axis.text.x = element_text(angle = 45))

Beargumentatie: Bij deze grafiek is marketing de achterliggende gedachte. Je ziet welke leeftijds groep je wel aanspreekt en welke wat minder hier kun je vervolgens op inspelen en meer reclame maken voor die specifieke doelgroep denk bijvoorbeeld aan tv reclames bij 50-70 jarige en meer internet reclames bij 20-30 jarige.

Uitleg: Eigenlijk is deze chunck redelijk hetzelfde als de eerst selecteer de goede kolommen zorg ervoor dat je ze hebt gegroepeerd en gesummarized en zet vervolgens de goede dingen in het ggplot

#tidyverse
data <- DRG %>% 
  select(Leeftijd, Prijs) %>%
  group_by(Leeftijd) %>%
  summarise_all(sum)

#ggplot
Scheme <- ggplot(data, aes(x=Leeftijd, y=Prijs, fill=Leeftijd)) +
  geom_col() +
  labs(
    title = "Omzet per Leeftijdsgroep",
    x = "Leeftijd",
    y = "Omzet"
  )

Scheme + theme(axis.text.x = element_text(angle = 45))