讀取資料

pacman::p_load("sas7bdat")
dta <- read.sas7bdat("C:/Users/PARENTCARECHILDREN/Desktop/2020-04-13-Homework-3-Trellis/sales.sas7bdat")
dta$region <- as.factor(dta$region)
dta$quarter <- as.factor(dta$quarter)
dta$income <- dta$sales - dta$expense #收入
head(dta)
##    product category customer year month quarter market sales expense region
## 1    Shoes    Shoes     Acme 2001     1       1      1   300     240      1
## 2    Boots    Shoes     Acme 2001     1       1      1  2200    1540      1
## 3 Slippers Slippers     Acme 2001     1       1      1   900     540      1
## 4    Shoes    Shoes     Acme 2001     2       1      1   100      80      1
## 5    Boots    Shoes     Acme 2001     2       1      1  1400     980      1
## 6 Slippers Slippers     Acme 2001     2       1      1     0       0      1
##   district return constantv quantity income
## 1        1      0         1       30     60
## 2        1      0         1      275    660
## 3        1      0         1      180    360
## 4        1      0         1       10     20
## 5        1      0         1      175    420
## 6        1      0         1        0      0

Eastern地區並沒有銷售量

library(lattice)
histogram(~ quantity | region, data=dta, layout=c(2, 2))

總銷售量隨著「季」升高

xyplot(quantity ~ quarter, data=dta, xlab="quarter", type=c('p', 'g',"r"))

三種產品銷售量都隨著季節升高，Slippers>Boots>Shoes

dta$quantity <- round((dta$quantity/100),0)
dotplot(quantity ~ month, groups=product, data=dta, xlab="Month", ylab="Quantity(per hundred)", type=c('p', 'g',"r"), auto.key=list(space="top", columns=3))

三種產品收入都隨著月份升高，Slippers>Boots>Shoes

dta$income <- round((dta$income/100),0)
dotplot(income ~ month, groups=product, data=dta, xlab="Month", ylab="Income(per hundred)", type=c('p', 'g',"r"), auto.key=list(space="top", columns=3))

2001年和2002年的營收，都是隨著月份而上升

dotplot(income ~ month, groups=year, data=dta, xlab="Month", ylab="Income(per hundred)", type=c('p', 'g',"r"), auto.key=list(space="top", columns=3))
## Warning in draw.key(simpleKey(...), draw = FALSE): not enough rows for columns

顧客群大部分來自Nothern地區

stripplot(income ~ region | product, data=dta, type=c('g','p'), xlab="Region", ylab="Income(per hundred)")

不同地區，有不同的廠商購買

stripplot(income ~ region | product, groups=customer, data=dta, type=c('g','p'), xlab="Region", ylab="Income(per hundred)", auto.key=list(space="top", columns=4),)
## Warning in draw.key(simpleKey(...), draw = FALSE): not enough rows for columns

由以上可知，收入隨著月份而升高，其中賣最好的是Slippers(拖鞋)。目前Eastern地區的市場尚未開發，其他地區都已有市場，只是市場主要在Nothern地區，該地區主要的顧客是Acme。至於其他地區，Southern地區的顧客是TwoFeet、Western地區的顧客是BigX，但兩者的購入量遠比Acme還要少。

因此1. 開發Eastern地區的市場。 2. 提高Southern地區、Western地區，或是TwoFeet、BigX的購入量。3. 了解銷售量隨著月份而升高的原因，開發淡季市場。4. 維持拖鞋的高銷售，同時提升靴子(Boots)、步鞋(Shoes)的銷售。5. 維持Acme的市場。