Analisis Penjualan Retail dengan SQL dan Python

Pratinjau Visual (Simulasi)

Pratinjau di atas adalah ilustrasi buatan sendiri (SVG) untuk demonstrasi, bukan tangkapan layar dari perangkat lunak komersial.

Ringkasan dan Pertanyaan Bisnis

Produk dan kategori mana yang menghasilkan revenue tertinggi? Bagaimana tren penjualan per bulan dan apakah ada pelanggan yang berkontribusi besar pada total penjualan?

Dataset yang Digunakan

Dataset sintetis berisi 1.000 baris transaksi penjualan retail: order_id, order_date, customer_id, product_id, quantity, unit_price, total_amount, category, region, dan payment_method.

Dataset sintetis untuk demonstrasi pembelajaran.

Tools

SQL Server / PostgreSQL untuk query, Python (pandas, matplotlib) untuk analisis dan visualisasi, Jupyter Notebook untuk dokumentasi proses.

Proses Pengerjaan

1. Mengambil data dari database menggunakan SQL (SELECT, WHERE, GROUP BY, JOIN).
2. Membersihkan data dengan Python dan pandas: menangani duplikat, nilai hilang, dan format tipe data.
3. Melakukan eksplorasi data (EDA): total penjualan per kategori, produk terlaris, dan tren bulanan.
4. Membuat ringkasan insight dan rekomendasi bisnis dari hasil analisis.

Temuan dari Data Contoh

• Kategori Elektronik menyumbang revenue terbesar (sekitar 35% dari total).
• Tren penjualan mengalami lonjakan pada bulan Desember dengan kenaikan 42% dibanding bulan sebelumnya.
• 20% pelanggan teratas menyumbang sekitar 55% total revenue (polanya sesuai prinsip Pareto).

Temuan di atas berasal dari data sintetis, bukan hasil bisnis nyata.

Keterbatasan dan Pelajaran

• Dataset sintetis, sehingga pola tidak mewakili perilaku pelanggan nyata.
• Tidak termasuk data stok dan biaya operasional lengkap, sehingga profit aktual tidak dapat dihitung dengan akurat.

Rencana Pengembangan

• Menambahkan analisis kohort pelanggan.
• Mengintegrasikan hasil analisis ke dashboard web interaktif.
• Membuat laporan otomatis yang dijadwalkan harian.