🔎 프로젝트 개요

• Kaggle의 Rossmann Store Sales 데이터셋을 활용하여, 매출에 영향을 미치는 핵심 요인을 도출하고 예측 모델을 구축하는 데이터 기반 매출 예측 및 시나리오 분석 캡스톤 프로젝트를 수행함

• 단순 예측 정확도 비교를 넘어, 변수 해석·가상 시나리오·운영 전략 도출까지 이어지는 분석 프로세스를 경험하는 것을 목표로 함

🚩 프로젝트 수행과정 요약

• (데이터 이해 및 전처리) store.csv와 train.csv를 병합하고, 결측치·이상치 처리 기준을 팀 내 합의로 정의함

  • Open=0, Sales=0 데이터 제거, Promo2 관련 결측치는 ‘프로모션 없음’이라는 정보로 유지

• (파생 변수 생성) 날짜 기반 파생 변수(월, 분기, 주차, 월말 여부 등)와 경쟁사·프로모션 기간 관련 파생 컬럼을 생성함

• (역할 분담 분석) 최종 데이터셋을 운영 데이터 / 매장 고정 속성 / 프로모션 / 날짜·기간 변수 테마로 분리하여 팀원별 분석을 진행함

• (Insight 도출) 고객 수 외에도 요일, 시즌, 프로모션 여부, StoreType–Assortment 조합 등 다차원적 요인이 매출에 영향을 미친다는 점을 데이터로 검증함

• (모델 학습 및 비교) Random Forest, XGBoost, LightGBM, CatBoost, MLP, LSTM 등 다수 모델을 동일 데이터셋 기준으로 학습·평가함

• (가상 시나리오 분석) 최적 모델을 중심으로 경쟁사 거리, 프로모션 방식, 매장 유형 변경 시 매출 변화를 시뮬레이션함

🪄 활용된 기술(모델)

• 데이터 처리 및 분석

  • Python(pandas, numpy, scipy), Tableau, matplotlib, seaborn

• 머신러닝 / 딥러닝 모델

  • Tree 기반 회귀 모델: Random Forest, XGBoost, LightGBM, CatBoost

  • 신경망 모델: MLP, LSTM

• 모델 해석 및 분석

  • Feature Importance, Permutation Importance

  • SHAP 기반 변수 영향도 분석

  • What-if 분석 및 Dummy Data 기반 매출 예측

⚠️ 프로젝트 과정 중 발생한 문제-해결 과정

• 대용량·다변수 데이터셋으로 인해 초기 분석 파이프라인 구성과 변수 관리가 복잡했음

  → 컬럼 테마 분리 및 역할 기반 분석으로 병렬 처리 구조를 구성함

• 고객 수(Customers)가 매출과 높은 상관관계를 보여 모델 해석을 왜곡할 가능성이 존재했음

  → 시간상 완전 배제는 하지 못했으나, 이후 분석 개선 포인트로써는 명확히 인식함

• 일반적으로 많이 쓰이는 모델이 항상 최선이 아님을 확인함

  → 데이터 특성에 따라 Tree 기반 앙상블이 가장 안정적인 성능을 보였음을 실증적으로 확인함

📊 회고 혹은 반성

• 소규모 데이터로 혼자 실습하던 방식과 달리, 다양한 관점의 분석을 통합하는 팀 기반 데이터 분석의 장점을 체감할 수 있었음

• 경쟁사와 근접해있어도 매출이 높은 매장 등 일반적인 상식과 다른 결과를 통해 데이터 기반 의사결정의 중요성을 확인하였음

• 강사님께 피드백으로 받았던 RFP와 요구사항을 초기에 충분히 점검하지 못한 점은 명확한 실수였음

  → 이후 프로젝트에서는 스토리라인·Process 체크·산출물 구조화를 선행하는 방식으로 개선할 계획임

• 모델 학습 이후 가중치와 모델을 저장·관리하는 습관의 필요성을 절감함

• ‘혼자 이끌고 가려는 습관’이 프로젝트 효율을 저하시킬 수 있기 때문에, 적절한 역할 분담과 협업 마인드에 대한 중요성을 깨달았음

---

📎 산출물