구글트렌즈로 보는 드러커와 스티브잡스 분석[R 시계열분석]

## ---  오랜만에 R을 활용한 간단한 데이터 분석 샘플 -----------

# 이번엔 시계열 분석의 기초와 

# 비지니스의 아이콘 두사람에 대한 분석 ^^

# 피터 드러커와 스티브 잡스

## time series analysis sample

# data got from google trends

# [note] 구글트렌즈 (trends.google.com ) 에 접속해 키워드를 입력하고 CSV로 다운로드 실시

# 구글 로그인을 하지 않으면 할 수 없음을 유의!

# 아래는 구글 트렌즈 화면

# 여러개의 키워드에 대한 검색 추이를 비교해서 볼 수 있는 간편한 툴

# [1] read the first sheet in an excel file

# 다운로드한 엑셀시트를 임포트 (먼저 CSV로 저장된 파일을 엑셀로 변환한 후 import 

require(xlsx)  # 엑셀 파일을 읽어 들이기 위한 패키지 먼저 설치후 사용

s_ts1 <- read.xlsx("steve_jobs_1.xlsx", 1)  # 엑셀은 여러 시트가 있을 수 있으므로 첫번째 시트로 지정

plot(s_ts1, type="l")  # 먼저 스티브 잡스 (Steve Jobs) 에 대한 구글 검색 추이 분포를 확인 

# 왜 2012년이 잡스의 해였는지는 누구나 알겠지 ^^

s_ts2 <- read.xlsx("google_ts_smpl1.xlsx", 1) # 이번에는 여러 키워드를 비교한 추이 파일을 import

plot(s_ts2$peter.drucker, type="l") # 드러커에 대한 검색 추이를 확인

# 한번의 피크(spike 라고 보통 부르는) 는 있었지만 전체적으로 보면 관심이 줄어드는 추세

# 추세선을 넣는 부분은 조금 후에 설명!

plot(s_ts2$iphone, type="l")

# 이번에는 스티브잡스의 유품인 아이폰에 대한 검색 추이 확인

# 그리고 추세에 대한 확인

# 역시... 지금은 잡스와 아이폰의 시대... 드러커와는 비교가 안되네

# 드러커는 지는 해,  잡스는 뜨는 해~~ (TT)

내용을 입력하세요

피터 드러커는 오스트리아 빈 출신의 미국인이며, 작가이자 경영학자였으며 스스로는 “사회생태학자”라고 불렀다. 그의 저서들은 학문적으로나 대중적으로 널리 읽혔는데 주로 어떻게 인간이 사업과 정부기관과 비영리단체를 통하여 조직화되는가에 대한 탐구에 관한 내용이었다. 위키백과

피터 드러커

사업가, 작가

내용을 입력하세요

plot(s_ts2$apple, type="l") # 그렇다면 잡스의 본부 애플은??? 

# 아이폰도 잡스도 뜨는데 애플이 질리는 없지... 

# 여기까지 왔으니 이제는 좀 체계적인 부분에 대한 응용 개시

# 우선 plot을 사용한 분포에 대해 추세선을 추가하는 작업을 연습

# 먼저 추세선을 그리기 위해 필요한 참고 자료부터 마련

# 시계열 자료가 몇개의 data point로 구성된 것인지 부터 확인

length(s_ts2$iphone)

# 결과 ::  508  -- 상당히 많은 수의 포인트가 있을 수 밖에 없는 이유는

#  구글이 제공한 데이터가 주단위였기에

z <- lm(s_ts2$iphone~ c(1:508) ) # 이제 추세선을 그리기 위한 회귀분석

# 간단한 구문으로 단순선형회귀분석을 실시

# 문법은 lm :: linear model , y= s_ts2$iphone (즉, iphone 검색량)

# x=1~508  (즉, 주 week의 일련번호) -- 1,2,3,~~~ 508

#  summary(z)  # 회귀분석 결과에 대한 확인  --- 생략

abline(z) # 플롯에 회귀분석 결과로 생성된 추세선을 반영

# 여러개의 spike가 보이지만 사실 길게 보면 추세는 지속적인 증가라는 점을 깨닫게 됨

cor(s_ts2$iphone, s_ts2$apple)  # 이번에는 상관분석을 통해 애플과 아이폰간의 관계 확인

# 결과 상관계수 ::  0.8473507  # 매우 높은 상관관계를 가지고 있음을 확인

# 스티브 잡스는 뜨고, 아이폰도, 애플도... 역시 지금은 대세임을 확인

# 세 가지 키워드 모두가 진정 HOT 함에 차이가 없음

# 이번에는 시계열 자료를 STL (i.e. Seasonlity and Trend 분석) 을 통해 분해해서 확인

# 추세 이외에 혹시 계절성도 개입되는 것은 아닌지를 확인 시도

ts_stl_sjobs <- ts(s_ts1$steve.jobs, frequency=12 )

# stl() 사용을 위해 먼저 시계열자료형으로 vector를 변환

# 연간의 반복을 Seasonality로 생각하고 있으니 12개월 월단위 변동으로 지정 (frequency)

# 이제 준비된 자료를 stl함수에 대입. "per" 의 의미는 periodical 주기성

stl_sjobs <- stl(ts_stl_sjobs, "per")

summary(stl_sjobs)

# 결과를 보면 ...  (아래는 결과. 명령 구문이 아님)

 Call:

 stl(x = ts_stl_sjobs, s.window = "per")

 Time.series components:

    seasonal             trend             remainder        

 Min.   :-1.438384   Min.   : 0.838174   Min.   :-10.02683  

 1st Qu.:-1.279834   1st Qu.: 1.104721   1st Qu.: -0.16094  

 Median :-0.870194   Median : 1.347969   Median :  0.62984  

 Mean   :-0.071241   Mean   : 2.905023   Mean   : -0.02182  

 3rd Qu.:-0.512825   3rd Qu.: 3.048345   3rd Qu.:  1.02355  

 Max.   : 9.718203   Max.   :14.435134   Max.   : 75.93012  

 IQR:

     STL.seasonal STL.trend STL.remainder data 

     0.767        1.944     1.184         1.000

   %  76.7        194.4     118.4         100.0

 Weights: all == 1

 Other components: List of 5

 $ win  : Named num [1:3] 1171 19 13

 $ deg  : Named int [1:3] 0 1 1

 $ jump : Named num [1:3] 118 2 2

 $ inner: int 2

 $ outer: int 0

# STL.seasonal STL.trend STL.remainder data  이 부분을 눈여겨 보기

# STL.seasonal 의 비중이 상대적으로 (trend와 비교) 상당히 높으며,  

# STL.remainder 의 비중도 매우 높음

# 계절적인 변동이 크게 있는 듯 보이지만, 사실 추세와 계절성 합하더라도

# 전체의 변동을 설명하는 것은 얼마되지 않아 믿기 곤란하다는 것

acf(ts_stl_sjobs ) ; pacf(ts_stl_sjobs )

# 불안감을 해소하기 위해서 이번에는 autocorrelation을 확인

# ACF, PACF 모두에서 선을 넘지 못하고 있는 패턴을 확인

# 결국 스티브잡스가 특정 계절에만 인기를 끄는 패턴은 없어 보인다는 것

# 그렇다면 드러커는 ???

ts_stl_pdrucker <- ts(s_ts2$peter.drucker, frequency=12 )

stl_pdrucker <- stl(ts_stl_pdrucker, "per")

summary(stl_pdrucker )

 Call:

 stl(x = ts_stl_pdrucker, s.window = "per")

 Time.series components:

    seasonal              trend            remainder        

 Min.   :-0.4539913   Min.   : 6.16092   Min.   :-16.77015  

 1st Qu.:-0.2699583   1st Qu.: 8.85038   1st Qu.: -0.95320  

 Median :-0.1375737   Median :10.88711   Median :  0.11877  

 Mean   : 0.0037220   Mean   :12.53593   Mean   : -0.01012  

 3rd Qu.: 0.1906390   3rd Qu.:15.59400   3rd Qu.:  0.86870  

 Max.   : 1.5830914   Max.   :34.21196   Max.   : 64.54827  

 IQR:

     STL.seasonal STL.trend STL.remainder data  

     0.4606       6.7436    1.8219        6.0000

   %   7.7        112.4      30.4         100.0 

 Weights: all == 1

 Other components: List of 5

 $ win  : Named num [1:3] 5081 19 13

 $ deg  : Named int [1:3] 0 1 1

 $ jump : Named num [1:3] 509 2 2

 $ inner: int 2

 $ outer: int 0

# 약간은 다른 결과

# 드러커는 진정 계절과 무관하게 꾸준한 인기를 누리고 있었음

# 그리고 매우 일정하게 추세를 따르고 있었음 ( 스티브 잡스에 비해서)

# 잡스의 인기는 애플과 아이폰의 핫 뉴스가 뜨는 시점,

# 그리고 고인의 건강과 유고라는 spike에 따라 흔들릴 수 밖에 없었던 것... ^^;

acf(ts_stl_pdrucker ) ; pacf(ts_stl_pdrucker ) # 다시 계절성을 한번 더 확인

# 드러커의 추이에 대해서도 선형 추세선 삽입하는 과정은 마찬가지였음

plot(s_ts2$peter.drucker, type="l")

z <- lm(s_ts2$peter.drucker ~ c(1:508) )

abline(z)

# 연습용 분석의 주제 자체에 대한 해설 종합:: 

# [1] 드러커는 진정한 Guru이며 많이 사람들이 오랜동안 관심을 가졌음

# [2] 그러나 그 인기도 시간이 지나고 유행이 바뀌면서 조금은 퇴색이 될 수 밖에 없음이 세상 이치

# [3] 요즈음의 세상은 미디어를 통해 이벤트를 만들어 내고 새로운 자극을 계속 던저야 주목 유지가 가능함

# 이 원리는 모든 마케팅과 비지니스에서 변하지 않는 Fundamental Principle 일 듯

------------ [전용준, 2013: 리비젼, 빅 데이터, 데이터 분석, 단순하고 간단한 통계]