Как я использовал Qlik Sense для анализа финансовых данных: реальный проект из Kaggle

О данных:

Я взял набор данных с Kaggle, содержащий информацию о транзакциях пользователей за последние 10 лет, включая такие данные, как тип карты, возраст, пол и прочее.

Ключевые результаты анализа

Динамика транзакций С помощью линейного графика можно оценить объемы транзакций по сумме и по количеству, где видно что в феврале наблюдается снижение количества операций, что может быть связано с сезонными факторами.

Популярность способов оплаты Круговая диаграмма показывает предпочтения пользователей в выборе способов оплаты. Примерно 50% клиентов предпочитают бесконтактные платежи, а еще тут же можно поменять разрез на пол пользователей и заметить , что среди клиентов большинство (51%) составляют женщины.

Возрастные группы и расходы Комбинированная диаграмма демонстрирует распределение пользователей по возрастным группам и их расходы. Например:

Наибольшее количество пользователей — в возрасте от 18 до 30 лет. Самая активная возрастная группа по объему расходов — от 40 до 60 лет. Активность пользователей Таблица с агрегированными данными показывает: Суммы и количества транзакций по пользователям, а также даты первой и последней транзакции, что можно было бы использовать для оценки поведения пользователей и их лояльности.

Популярность брендов карт Bubble chart показал, что карты Mastercard имеют наибольшую популярность среди пользователей, обеспечивая самый большой объем транзакций.

Почему это важно? Создание такого дашборда помогает не только в анализе пользовательского поведения, но и в принятии решений для бизнеса. Например:

Банки могут лучше понимать, какие клиенты приносят больше дохода. Компании могут оптимизировать маркетинговые кампании, ориентируясь на возрастные и гендерные группы. Анализ MCC-кодов помогает выявить, какие категории покупок наиболее популярны. 🙂