KNIME_​project week 7

2a

Vraag 2b - Welke verschillen zijn er wanneer gekeken wordt vanuit de verschillende ProductLines ?

Road heeft de hoogste Sales, gevolgd door Mountain, Touring en Sport. Er is een duidelijk verband tussen Sales en Productkosten: hogere Sales gaan meestal samen met hogere kosten.

Bij Road en Touring zijn de Productkosten hoger zijn dan de Sales die kosten moeten worden verlaagd.

Advies: Verlaag de productkosten van Road en Touring en blijf investeren in Road en Mountain. 2018 en 2026 zijn halve jaren en dus niet direct vergelijkbaar met de andere jaren.

Vraag 2c - Hoeveel van de Reseller ‘Annual sales’ zijn specifiek door Pedalpeak gevuld? En hoeveel door andere partijen?

Ik heb in KNIME alleen de verkopen via de resellers van PedalPeak meegenomen. De internetverkopen heb ik buiten de berekening gelaten. Uit mijn berekening blijkt dat 8,17% (€59,96 miljoen) afkomstig is van PedalPeak. De overige 91,83% (€674,34 miljoen) valt onder SalesOthers.

Vraag 2d - Wat zijn de belangrijkste resellers voor Pedalpeak en welke resellers verdienen aandacht?

The Gear Store is een belangrijke reseller voor PedalPeak, met ongeveer €700.000 omzet. PedalPeak kan de samenwerking met deze reseller onderhouden en kijken of deze meer producten wil afnemen.

Requisite Part Supply heeft met ongeveer €90 de laagste omzet. PedalPeak kan contact opnemen om te onderzoeken waarom deze reseller zo weinig producten afneemt en kijken of productadvies of aanbiedingen kunnen helpen om de verkoop te verhogen.

2b

2c

2d

Eerst heb ik met de correlatieanalyse gekeken naar de verbanden tussen de verschillende gegevens. Hieruit blijkt dat het aantal werknemers een heel sterk verband heeft met de omzet (0,958). Het startjaar heeft maar een klein verband met de omzet (0,134). Dit betekent dat het aantal werknemers veel belangrijker is voor de omzet dan het startjaar.

Daarna heb ik de gegevens verdeeld in trainings- en testgegevens en het regressiemodel gemaakt. Uit de resultaten blijkt dat het aantal werknemers de grootste positieve invloed heeft op de voorspelde omzet. Ook het soort bedrijf heeft invloed: Warehouse positief en Value Added Reseller negatief. De productlijnen Road en Touring zijn niet significant.

Het model behaalt een R² van ongeveer 0,94. Dit betekent dat het model ongeveer 94% van de verschillen in omzet kan verklaren.

Met Linear Correlation heb ik de numerieke kenmerken onderzocht. Eigen huis (0,37) en jaarinkomen (0,36) hebben het sterkste verband met de omzet.

Voor tekstkenmerken heb ik GroupBy en Bar Charts gebruikt. Mannen hebben gemiddeld €36.600 omzet tegenover €20.000 bij vrouwen. Gehuwde klanten hebben gemiddeld €35.500 tegenover €19.900 bij singles.

Vanaf de Normalizer heb ik alleen de numerieke kenmerken gestandaardiseerd met Z-Score. Daarna heb ik de gegevens verdeeld in 70% trainingsgegevens en 30% testgegevens.

Met de Linear Regression Learner heb ik het regressiemodel gemaakt. Hierbij heb ik de numerieke kenmerken gebruikt.

Met de Regression Predictor en Numeric Scorer heb ik het model getest. De R² was 0,48. Dit betekent dat het model 48% van de verschillen in klantomzet kan verklaren.