📈 활용 도구: Python Pandas · Prophet / ARIMA · Power BI · Tableau
계절성·트렌드·프로모션 효과가 반영된 제품별 판매량 시계열 데이터를 생성합니다. 수요 예측 모델 학습에 바로 활용하세요.
계절성·트렌드·프로모션 효과가 반영된 제품별 판매량 시계열 데이터를 생성합니다. 수요 예측 모델 학습에 바로 활용하세요.
생성 설정
컬럼 설정
분석 난이도 (ML Difficulty)
출력 포맷
// 생성 버튼을 눌러 시작...
-
총 행수
-
평균 판매량
-
최댓값
-
프로모션 이벤트
데이터 미리보기
💰 활용 도구: Python Pandas · Excel · Power BI · Tableau
월별 손익(P&L) 데이터를 생성합니다. 매출·비용·영업이익 분석, 재무 대시보드, 예측 모델 실습에 활용하세요.
월별 손익(P&L) 데이터를 생성합니다. 매출·비용·영업이익 분석, 재무 대시보드, 예측 모델 실습에 활용하세요.
생성 설정
포함 항목
출력 포맷
// 생성 버튼을 눌러 시작...
-
총 행수
-
평균 월 매출
-
평균 영업이익률
-
적자 월수
데이터 미리보기
👥 활용 도구: Python Pandas · Scikit-learn · CRM 분석 도구
RFM 분석, 고객 이탈(Churn) 예측, CLV 계산에 활용할 수 있는 고객 거래 데이터를 생성합니다.
RFM 분석, 고객 이탈(Churn) 예측, CLV 계산에 활용할 수 있는 고객 거래 데이터를 생성합니다.
생성 설정
세그먼트 설정
분석 난이도
출력 포맷
// 생성 버튼을 눌러 시작...
-
총 고객수
-
이탈 고객
-
평균 CLV
-
VIP 고객 (상위 10%)
데이터 미리보기
🚚 활용 도구: Python · OR-Tools · Power BI · Tableau
발주, 재고, 납기 지연, 리드타임 데이터를 생성합니다. 재고 최적화, 공급망 리스크 분석, 납기 예측 모델 실습에 활용하세요.
발주, 재고, 납기 지연, 리드타임 데이터를 생성합니다. 재고 최적화, 공급망 리스크 분석, 납기 예측 모델 실습에 활용하세요.
생성 설정
분석 난이도
출력 포맷
// 생성 버튼을 눌러 시작...
-
총 행수
-
납기 지연
-
재고 부족
-
평균 리드타임
데이터 미리보기
🧑💼 활용 도구: Python Pandas · HRIS 시스템 · Power BI
직원 성과, 이직률, 급여, 조직 구조 데이터를 생성합니다. HR 분석 대시보드, 이직 예측 모델, 성과 평가 실습에 활용하세요.
직원 성과, 이직률, 급여, 조직 구조 데이터를 생성합니다. HR 분석 대시보드, 이직 예측 모델, 성과 평가 실습에 활용하세요.
생성 설정
분석 난이도
출력 포맷
// 생성 버튼을 눌러 시작...
-
총 직원수
-
이직 예측 인원
-
평균 연봉
-
평균 근속연수
데이터 미리보기
📋 데이터 스키마 가이드: 각 탭에서 생성되는 데이터의 컬럼 정의, 타입, 범위를 확인하세요.
수요 예측 데이터 스키마
| 컬럼명 | 타입 | 설명 | 범위/예시 |
|---|---|---|---|
| date | DATE | 날짜 | 2022-01-01 ~ |
| product_id | VARCHAR | 제품 ID | P001~P020 |
| product_name | VARCHAR | 제품명 | 상품A~ |
| category | VARCHAR | 카테고리 | A/B/C |
| sales_qty | INT | 판매 수량 | 0 ~ 5,000 |
| sales_amount | FLOAT | 판매 금액 (원) | 0 ~ 5,000,000 |
| promo_flag | INT | 프로모션 여부 | 0 / 1 |
| promo_type | VARCHAR | 프로모션 유형 | SALE/COUPON/EVENT/null |
| stock_qty | INT | 재고 수량 | 0 ~ 10,000 |
재무 P&L 스키마
| 컬럼명 | 타입 | 설명 | 범위/예시 |
|---|---|---|---|
| year_month | VARCHAR | 연월 | 2022-01~ |
| division | VARCHAR | 사업 부문 | DIV_A~ |
| revenue | BIGINT | 매출 (원) | 0 ~ |
| cogs | BIGINT | 매출원가 | 0 ~ |
| gross_profit | BIGINT | 매출총이익 | 0 ~ |
| opex | BIGINT | 판관비 | 0 ~ |
| ebit | BIGINT | 영업이익 | - ~ + |
| ebit_margin | FLOAT | 영업이익률 (%) | -30 ~ 40 |
| headcount | INT | 임직원 수 | 0 ~ |
고객 분석 스키마 (RFM)
| 컬럼명 | 타입 | 설명 | 범위/예시 |
|---|---|---|---|
| customer_id | VARCHAR | 고객 ID | CUS-000001~ |
| recency_days | INT | 최근 구매일 (일) | 1 ~ 365 |
| frequency | INT | 구매 횟수 | 1 ~ |
| monetary | FLOAT | 총 구매 금액 | 0 ~ |
| rfm_score | INT | RFM 점수 (1~5) | 3 ~ 15 |
| segment | VARCHAR | 고객 세그먼트 | Champions/Loyal/At Risk/... |
| churn_prob | FLOAT | 이탈 확률 (0~1) | 0.0 ~ 1.0 |
| clv_estimate | FLOAT | 예상 CLV | 0 ~ |
공급망 재고 스키마
| 컬럼명 | 타입 | 설명 | 범위/예시 |
|---|---|---|---|
| date | DATE | 날짜 | 2022-01-01 ~ |
| sku_id | VARCHAR | SKU ID | SKU-0001~ |
| warehouse | VARCHAR | 창고 코드 | WH-A~ |
| stock_qty | INT | 현재 재고 수량 | 0 ~ |
| reorder_point | INT | 발주점 | 0 ~ |
| lead_time_days | INT | 리드타임 (일) | 1 ~ 60 |
| stockout_flag | INT | 재고 부족 여부 | 0 / 1 |
| delay_days | INT | 납기 지연 일수 | 0 ~ 30 |
HR 데이터 스키마
| 컬럼명 | 타입 | 설명 | 범위/예시 |
|---|---|---|---|
| employee_id | VARCHAR | 직원 ID | EMP-0001~ |
| department | VARCHAR | 부서 | 영업/개발/생산/... |
| position | VARCHAR | 직급 | 사원/대리/과장/... |
| tenure_years | FLOAT | 근속연수 | 0 ~ 30 |
| annual_salary | INT | 연봉 (만원) | 2,400 ~ |
| performance_score | FLOAT | 성과 점수 (1~5) | 1.0 ~ 5.0 |
| satisfaction | FLOAT | 만족도 (1~5) | 1.0 ~ 5.0 |
| turnover_risk | FLOAT | 이직 위험도 (0~1) | 0.0 ~ 1.0 |
| turnover_label | INT | 이직 여부 (ML타겟) | 0 / 1 |
활용 도구 매핑
| 도구 | 추천 데이터 |
|---|---|
| 🐍 Python / Prophet | 수요예측 CSV → 시계열 예측 모델 (ARIMA, LSTM) |
| 📊 Power BI / Tableau | 재무 P&L → KPI 대시보드, Waterfall 차트 |
| 🤖 Scikit-learn | 고객 RFM + churn_label → 이탈 예측 분류 모델 |
| 📦 OR-Tools / Linear | 공급망 CSV → 재고 최적화, EOQ 모델 |
| 🧑💼 HR Analytics | HR CSV → 이직 예측 모델, 성과 분석 |
| 📈 Excel / Google Sheets | 재무 P&L → 피벗, 재무비율 계산 실습 |