[Olist 이커머스 분석 #4] Tableau로 데이터 시각화하기

 

🎯 이번 포스팅 목표

SQL로 만든 데이터마트 3개를 Tableau Public에 연결하고, 막대 차트 · 히스토그램 · 리뷰 분석 차트 3가지를 직접 만들어봤습니다.

🛠️ 사용 도구: Tableau Public (무료) 📁 데이터: mart_rfm.csv / mart_delivery.csv / mart_review.csv

---

📤 STEP 0. MySQL → CSV 추출

Tableau Public은 MySQL 직접 연결이 불가하므로 Workbench에서 CSV로 내보냅니다.

SELECT * FROM mart_rfm;      -- mart_rfm.csv
SELECT * FROM mart_delivery; -- mart_delivery.csv
SELECT * FROM mart_review;   -- mart_review.csv

Export 방법: Result Grid 우측 상단 📊 아이콘 → Export as CSV

---

🔗 STEP 1. Tableau 데이터 연결

주의: 3개 파일을 하나의 소스에 JOIN하면 안 됩니다. 분석 단위가 다르기 때문에 각각 별도 데이터 소스로 연결해야 합니다.

첫 번째: Connect → Text file → mart_rfm.csv
두 번째: 데이터 메뉴 → 새 데이터 원본 → mart_delivery.csv
세 번째: 데이터 메뉴 → 새 데이터 원본 → mart_review.csv

연결 후 워크시트 좌측 상단에서 3개 소스를 전환하며 사용합니다.

---

🧠 STEP 2. 핵심 개념 — 차원 vs 측정값

Tableau에서 반드시 이해해야 할 개념 2가지:

구분 의미 색상 예시

차원 (Dimension)	분류·그룹 기준	🔵 파란색	Customer State, Review Sentiment
측정값 (Measure)	집계할 숫자	🟢 초록색	Delay Days, Review Score, Monetary

💡 차원은 열/행에, 측정값은 **마크(색상·크기·레이블)**에 올린다

---

📊 시각화 1. 고객 주(State)별 주문 건수 — 막대 차트

사용 데이터: mart_delivery

1. Customer State → 열
2. Order Id (COUNT) → 행
3. Is Delayed → 색상
4. Show Me → 수평 막대
5. 내림차순 정렬

인사이트: SP(상파울루)가 압도적 1위 — 브라질 전체 주문의 약 40% 집중

---

📊 시각화 2. 배송 소요일 분포 — 히스토그램

사용 데이터: mart_delivery

Bin(구간) 만들기:

데이터 패널 → Actual Delivery Days 우클릭
→ 만들기 → 구간차원
→ Bin Size: 3 입력

💡 한국어 Tableau는 "버킷" 대신 "구간차원" 으로 표시됩니다

1. Actual Delivery Days (구간차원) → 열
2. Order Id (COUNT) → 행
3. Show Me → 히스토그램

인사이트: 10~20일 구간에 주문이 집중 — 브라질 평균 배송 현실

---

📊 시각화 3. 리뷰 점수별 평균 지연 일수 — 막대 차트

사용 데이터: mart_review

1. Review Score → 열
2. Review Score 우클릭 → 불연속형으로 변환
3. Delay Days (평균) → 행
4. 마크 패널 → 막대로 변경

결과 차트:

Review Score 평균 Delay Days

1점	-5일
2점	-10일
3점	-10일
4점	-12일
5점	-14일

인사이트 해석:

Y축이 음수 = 예정일보다 일찍 도착했다는 의미 5점 리뷰는 평균 14일 일찍 도착 → 빠른 배송 = 높은 만족도 데이터로 증명

추가 인사이트: 1점 리뷰도 평균 5일 일찍 도착했음에도 낮은 점수 → 배송 외 요인(상품 불량, 설명과 다름 등)이 불만족 원인일 가능성 ↑

---

🚨 시행착오 & 트러블슈팅

❌ 실수 1. 3개 CSV를 하나의 소스에 JOIN

상황: mart_rfm에 mart_delivery, mart_review를 관계(Relationship)로 연결 시도 문제: 공통 키가 없어 이 관계를 만들 일치하는 필드를 선택하십시오 경고 발생 해결: 관계 제거 후 각 파일을 새 데이터 원본으로 별도 연결

교훈: 마트 3개는 분석 단위가 달라 JOIN 불가. 워크시트마다 소스를 전환해서 사용

---

❌ 실수 2. Bin Size 메뉴를 찾지 못함

상황: 열 선반의 필드 우클릭 → 메뉴에서 Bin Size 없음 해결: 열 선반이 아닌 좌측 데이터 패널에서 우클릭 → 만들기 → 구간차원

교훈: Tableau 설정은 **선반(위)**이 아닌 **데이터 패널(왼쪽)**에서 하는 것이 많다

---

⚠️ 주의. 꺾은선 vs 막대 차트 선택

상황: Review Score vs Delay Days를 꺾은선으로 표현 문제: Review Score가 연속형으로 인식되어 0점 구간까지 표시됨 해결:

1. Review Score 우클릭 → 불연속형으로 변환
2. 마크 패널 → 막대로 변경

교훈: 점수·등급처럼 카테고리 성격의 숫자는 불연속형으로 변환해야 올바른 차트가 나온다

---

💡 회고

잘한 점

• 3개 데이터 소스를 JOIN 없이 각각 연결하는 올바른 방법을 익힘
• 음수 Delay Days의 의미를 정확히 해석 (일찍 도착 = 음수)
• 차트에서 즉시 비즈니스 인사이트를 도출한 것

아쉬운 점

• 차원/측정값 개념이 처음엔 헷갈려 잘못된 필드 배치로 차트가 의도와 다르게 나온 것
• 한국어 UI라 버킷 대신 구간차원을 찾는 데 시간이 걸린 것

배운 것

"숫자보다 차트가 먼저 설득한다." 배송이 빠를수록 리뷰가 높다는 사실은 SQL에서도 볼 수 있었지만, Tableau 차트 하나로 누구든 5초 안에 이해할 수 있게 됐습니다.

---

🔜 다음 포스팅

[Olist 이커머스 분석 #5] Tableau LOD 계산식으로 RFM 세그먼트 대시보드 만들기

---

본 시리즈는 Kaggle의 Olist Brazilian E-Commerce 데이터셋을 활용한 포트폴리오 프로젝트입니다.