💳 우리카드 데이터 분석 프로젝트

📌 프로젝트 개요

본 프로젝트는 우리카드 이용 데이터를 기반으로 사용자 소비 행태를 분석하는 것을 목표로 합니다.
SQL을 활용해 원본 데이터를 전처리 및 가공한 후 Elasticsearch에 적재하고,
Kibana를 통해 주요 소비 지표를 시각화하였습니다.

이를 통해 사용자 소비 패턴을 파악하고, 분석 결과를 토대로
잠재 고객군을 정의하여 고객 유치 전략에 활용 가능한 인사이트를 도출합니다.

---

👥 팀원 소개

서지혜	김종연	이동욱

---

🧰 기술 스택

• 🔍 분석 엔진: Elasticsearch v8.19.3
• 🧹 데이터 가공: SQL
• 📊 시각화: Kibana v8.19.3
• 🔗 버전 관리: Git / GitHub
• 📝 협업 도구: GitKraken / Notion

---

🎯 프로젝트 목표

1. SQL 기반 데이터 전처리를 통해 분석에 적합한 데이터 구조 설계
2. 잠재 고객군 정의 및 소비 패턴 가설 수립
3. Kibana 대시보드를 활용한 소비 패턴 시각화
4. 고객 세분화 및 마케팅 전략 수립에 활용 가능한 인사이트 도출

---

🧹 데이터 전처리

1️⃣ 결측 행 제거 (cleaned_data.csv 생성)

분석에 필수적인 핵심 컬럼의 결측 행을 제거하여 데이터 품질을 확보했습니다.
해당 컬럼은 개수가 적고 수치형 데이터가 아니므로 행 제거 방식이 적절하다고 판단했습니다.

• read_csv_auto()를 활용한 CSV 자동 스키마 인식
• WHERE 절을 통해 결측값이 없는 행만 필터링
• COPY TO 구문으로 cleaned_data.csv 생성
• 이후 SQL 가공 및 Elasticsearch 적재에 활용

---

2️⃣ 결측값 0 치환 (final_data.csv 생성)

수치 연산 안정성을 위해 잔여 결측값을 0으로 치환했습니다.

• COALESCE() 함수로 NULL → 0 변환
• EXCLUDE()를 사용해 기존 컬럼 제외 후 재정의
• 모든 결측값이 제거된 최종 데이터셋 생성

---

🤔 문제 정의 & 가설 수립

❓ 문제 정의

본 프로젝트의 핵심 과제는
우리카드 이용 데이터를 분석하여 잠재 고객을 정의하고 소비 패턴을 도출하는 것입니다.

잠재 고객은 다음 두 유형으로 정의했습니다.

• 🚫 우리카드를 사용하지 않는 고객
• ⬇️ 우리카드를 사용하지만 회원 등급이 낮은 고객

---

✅ 가설

• 가설 1
  체크카드 중심 고객의 소비 패턴을 분석하면, 전자제품·여행 등 할부가 적합한 카테고리를 중심으로 신용카드 전환을 유도할 수 있을 것이다.

• 가설 2
  디지털 앱 사용 고객이 비사용 고객보다 카드 이용량이 높을 것이며, 앱 기반 마케팅을 통해 고객 전환 및 등급 상향이 가능할 것이다.

• 가설 3
  하위 등급(해당없음/일반) 고객의 결제 수단을 체크카드에서 신용카드로 전환 유도한다면, 이용 금액 증대와 함께 은행의 가맹점 수수료 수익이 극대화될 것이다.

---

🔍 검증 계획

Kibana 대시보드를 활용하여 다음 지표를 시각화하고 가설을 검증합니다.

• 체크카드 vs 신용카드 이용 패턴
• 디지털 앱 사용자 vs 비사용자 이용량 비교
• 회원 등급별 소비 클러스터링

---

🚨 트러블슈팅

⚠️ 문제 상황

1. 연령 정보가 존재했으나 연령대별 소비 패턴 분석을 수행하지 못함
2. 프로젝트 초기 단계에서 작업 중복 및 분석 방향성 불일치 발생

---

🧩 원인

문제 1 관련

• 연령 정보를 Kibana에서 활용 가능한 연령대 그룹 컬럼으로 전처리하지 않음
• 데이터 컬럼 의미 및 활용 가능성에 대한 사전 이해 부족

문제 2 관련

• 분석 목표 및 역할 분담 없이 프로젝트 시작
• 데이터 탐색(EDA) 없이 병렬 분석 진행

---

🛠 해결 방법

문제 1 해결

• 초기 1~2일을 데이터 탐색(EDA) 단계로 필수 확보
• 컬럼 정의 및 전처리 체크리스트 사전 작성
• 본 프로젝트에서는 회원 등급을 대체 변수로 활용

문제 2 해결

• 분석 주제 및 지표 재정의 후 역할 재분배
• 중간 점검 회의를 통한 방향성 통합
• 결과 공유 중심 협업으로 중복 작업 최소화

---

⚙️ 실행 결과

• 📊 Kibana 대시보드를 활용한 소비 패턴 시각화

가설 2

[인사이트 1] 디지털 채널 가입 여부에 따른 이용 금액 격차

• 발견
  데이터 분석 결과, 디지털 채널(모바일 앱) 가입 고객의 월 평균 총 이용 금액이 비가입 고객 대비 월등히 높게 나타났다. 특히 디지털 채널 가입 고객 중에서도 라이프스타일이 자녀가 있거나 신혼인 고객군은 타 고객군 대비 카드 사용 빈도와 이용 금액 모두 높은 수준을 보였다.

• 활용
  디지털 채널 미가입 고객을 대상으로 앱 가입 유도 캠페인을 강화할 필요가 있으며, 그중에서도 자녀가 있거나 신혼인 고객을 핵심 타겟으로 설정할 경우 마케팅 효율을 극대화할 수 있다.

가설 3

[인사이트 1] 등급 상승과 신용카드 이용률의 정비례 관계 (가설 3 시각화 2 참고)

• 발견
  데이터 분석 결과, 등급이 높아질수록 전체 이용액에서 신용카드 이용액 / 체크카드 이용액 비중이 가파르게 상승하는 패턴을 보인다. 또한 해당없음 등급이 신용카드 대비 체크카드 이용 비중이 가장 높음을 알 수 있다.
• 활용
  해당없음 고객이 신용카드를 발급할 경우, 고객 등급 상승의 직접적인 동인이 될 수 있으며(사용 총액 증가), 이는 곧 충성 고객 확보로 이어진다. 즉, 해당없음 등급 고객이 신용카드로 결제 수단을 전환하도록 유도한다면, 고객 등급 상승과 카드사 수익성 개선이라는 두 가지 효과를 동시에 기대할 수 있다.

[인사이트 2] 소비 데이터 기반 업셀링 시점 포착 (가설 3 시각화 2 참고)

• 발견
  해당없음 고객 중에서도 체크카드 이용 금액이 특정 수준(ex 월 30만 원 이상)을 넘는 우량 고객들이 존재한다. 30만 원 이상 고액을 쓰는 사람의 '비율' 자체는 등급중 가장 낮지만 절대적인 고객 수는 가장 많기에 잠재고객을 유치할 수 있다.

• 활용
  이들에게 실질적 혜택 수치(Benefit Value) 를 시각화하여 앱 푸시 알림을 발송할 경우, 충성 고객 증대 효과를 기대할 수 있다.

[인사이트 3] 결제 수단 전환의 심리적 허들 제거

• 발견
  하위 등급 고객은 연회비나 과소비에 대한 우려로 체크카드를 선호하는 경향이 있다.
• 활용
  첫 신용카드 발급 시 연회비 캐시백 제공, 또는 기존 체크카드 사용 패턴을 분석하여 가장 자주 사용하는 영역(예: 대중교통, 편의점 등)에 파격적인 혜택을 제공하는 맞춤형 진입 상품 추천이 필요하다.