crosshyou

主にクロス表(分割表)分析をしようかなと思いはじめましたが、あまりクロス表の分析はできず。R言語の練習ブログになっています。

JFAコンビニエンスストア統計調査月報データの分析6 - R言語で1日当りの来客数と売上を算出する。1月は暇で7月は忙しい!?

 

www.crosshyou.info

 の続きです。

今回は1日当りの来客数と売上高を計算してみたいと思います。

いままでの分析で2月は売上高、来客数ともに少なかったですが、2月は28日までしかないですからね。当たり前といえば当り前です。なので1日当りの売上高と来客数を見てみましょう。

まずは、売上高と来客数のデータの確認をします。

f:id:cross_hyou:20190129143501j:plain

となります。2017年も2018年もうるう年ではありませんので、2月は28日間です。

なので、まず日数のベクトルを作りましょう。

f:id:cross_hyou:20190129144055j:plain

これで1日当りの売上高や来客数を計算できます。

まずは全店売上高から

f:id:cross_hyou:20190129144517j:plain

R言語のいいところは、全店売上高のデータ数が24個でdaycountのデータ数が12個の場合には、daycountのデータを繰り返して割り算してくれるところですね。

既存店売上高、全店来客数、既存店来客数も計算してしまいましょう。

f:id:cross_hyou:20190129145244j:plain

このように作成した4つのベクトルと年、月のベクトルを合わせて一つのデータフレームにしましょう。

f:id:cross_hyou:20190129145843j:plain

このようになりました。summary関数で平均値などを算出しましょう。

f:id:cross_hyou:20190129150024j:plain

全店売上高の平均は、296億63百万円です。既存店売上高の平均は262億88百万円です。全店来客数の平均は4755万9千人です。既存店来客数の平均は4272万4千人です。

plot関数でグラフにしてみましょう。その際にもともとのデータを下において変動の度合いを比較してみましょう。

まずは全店売上高からです。

f:id:cross_hyou:20190129150939j:plain

f:id:cross_hyou:20190129151017j:plain

上の1日当りの全店売上高のほうがトレンドがわかりやすいですね。1月は売上が少なく、2月から7月までは売上が上昇し、8月9月と減少していって、12月に売上が増えるというパターンです。

既存店売上高はどうでしょうか?

f:id:cross_hyou:20190129151717j:plain

f:id:cross_hyou:20190129151514j:plain

既存店売上高も同じ傾向です。

全店来客数はいかがでしょうか?

f:id:cross_hyou:20190129152012j:plain

f:id:cross_hyou:20190129152025j:plain

1日当りにすることでトレンドがはっきりしましたね。1月から7月にかけて来店客数が増えて、8月から1月までが減少するというパターンです。

どうして7月は来店客数が多いのでしょうね?

既存店の来客数も見てみましょう。

f:id:cross_hyou:20190129152506j:plain

f:id:cross_hyou:20190129152518j:plain

既存店来客数も同じです。

コンビニエンスストアは1月が1日当りの来店客数が一番少なく暇で、7月が一番多いので忙しい、ということがわかりました。

今回は以上です。