예술의전당 콘서트홀 공연·예매 데이터 분석을 통한 공연 특성별 좌석 그룹화가 목표이며 다음과 같은 제약사항이 있었습니다.
- 장소는 ‘예술의전당 콘서트홀’로 한정
- ‘유료’ 티켓 예매 데이터를 활용
- 전체 좌석 등급은 ‘R석, S석, A석, B석, C석’ 5등급으로 지정
- 공연별 특성을 분석하여 군집화를 수행하고, 각 군집별 좌석 등급 분포 특성 파악
데이터는 크게 feature 가공, 파생변수 생성, 결측값 처리로 이루어 졌으며 다음과 같은 내용을 수행하였습니다.
- 날짜 데이터 형식/타입 통일 및 요일 추출
- 좌석과 할인 정보 구분 및 이진화가 가능한 Feature 가공
- 멤버십 등급 : 6개 column으로 나뉘어 결측이 매우 많았던 멤버십 정보를무료/유료의 2개 column으로 통합하여 결측을 제거
- 좌석 선호도 : 좌석 예매 시각에 따른 선호도를 나타내는 Feature 생성
- 공연ID : 기존 공연 id의 중복성을 해결하기 위해 공연 장소와 시간을 기준으로 새로운 index를 정의하여 id를 생성
- 티켓 원가, 좌석 등급 : 할인율, 최종판매가를 활용해 원가 산정 후, 공연별 좌석 등급 생성
나이 데이터의 결측치 처리를 위해 나이와 유료/무료 멤버십의 가설 수립 및 확인
- 각 셀의 기대빈도>5, 두 변수는 범주형 변수이므로 카이제곱검정으로 두 변수 간의 연관성 측정
K-means Clustering을 활용하여 유사한 공연들을 묶으려는 시도를 진행했습니다. 다음은 그 시도들을 정리한 내용입니다.
- vanilla : k = 2 ~ 13으로 변화시키며 실루엣 계수 측정
- PCA 적용 : 7개의 주성분으로 전체 분산의 89%를 설명
- OLS Regression Stepwise : 제거 결과 4개의 변수가 남았으나 R-squared = 0.21로 낮은 설명력
- 세 모델 모두 최적의 k=7이나, 모델 3의 설명력이 낮고, 모델 2의 경우 선택된 변수들만으로는 해석의 어려움이 존재
- 따라서 k=7로 군집화를 수행하되, 원래의 변수들을 포함하여 시각화를 통해 군집별 특성을 하나씩 직접 확인
군집으로 나눈 공연별로 좌석 분포를 시각화하였습니다.
- Pivot table, Heatmap 활용 : 전체 좌석 정보를 기반으로 7개의 군집별 좌석 등급(R석, S석, A석, B석, C석) 최종 시각화
- 필요 데이터, 방법과 해석이 명확히 이루어지기 위한 문제 정의의 중요성을 배웠습니다.
- 통계적 가설검정을 활용한 결측값 처리를 시도해보는 과정이 유의미했습니다.
- 좌석 분포 시각화를 Heatmap으로 접근해보는 과정이 흥미로웠습니다.
- 데이터 분석가 관점에서의 DB 설계에 대해 생각해볼 수 있었습니다.