Main Quest06_Project_Tableau 태블로 시각화 6-4

태블로에서 필요한 v_logistics_dashboard_4.csv 파일을 생성 후

1. 대시보드 목적 정의

목표: 배송 효율성과 고객 만족을 극대화하기 위해 주요 물류 KPI를 실시간으로 모니터링하고, 지역별/센터별 문제를 빠르게 식별

---

2. 주요 KPI 지표 선정

핵심 성과 지표(KPI):

1. 총 주문 수 (total_orders)
2. 지연 주문 수 (delayed_orders)
3. 반품 주문 수 (returned_orders)
4. 지연율 (delay_rate)
5. 반품율 (return_rate)
6. 정시배송률 (on_time_rate)
7. SPI (Service Performance Index, spi_score)
8. 평균 배송일 (delivery_days)

---

3. SPI 구상

• SPI 정의 예시 (데이터에 포함된 지수 기반):→ 이미 계산된 spi_score를 그대로 활용 가능
• SPI = (정시배송률 * 0.6) + (1 - 반품율 * 0.3) + (1 - 지연율 * 0.1)

---

4. 태블로 대시보드 구성 구상 (스케치)

대시보드 1: 물류 성과 개요

• KPI 카드
  • 총 주문 수
  • 정시배송률
  • 반품률
  • 평균 배송일
  • SPI 평균
• 시계열 그래프
  • 월별 주문 수 변화
  • 월별 지연율 및 반품율 트렌드
• 필터
  • 배송 상태 (status)
  • 기간 (created_at)
  • 물류센터 (distribution_center_name)
  • 지역 (city, state)

---

대시보드 2: 물류센터 성과 비교

• 막대 그래프
  • 센터별 평균 SPI 비교
  • 센터별 평균 배송일
• 맵 시각화
  • 위도/경도 기반 물류센터 위치
  • 마커 크기: 주문 수
  • 마커 색상: SPI Score
• 필터
  • 센터명
  • 국가/도시/주

---

대시보드 3: 지연 및 반품 분석

• 상관 분석
  • 지연률 vs 반품률 산점도
  • SPI vs 배송일 관계
• 테이블 뷰
  • 반품률/지연률이 높은 센터 Top 10
• 라인 차트
  • 월별 반품률, 지연률 추이 비교

---

5. 인터랙티브 기능 제안

1. 드릴다운: 지역 → 센터 → 주문 상세
2. 하이라이트 액션: 특정 센터 클릭 시 관련 그래프 동시 하이라이트
3. 동적 필터링: 월/센터별 비교 필터로 분석 범위 조절
4. 알람 시각화: SPI 점수가 특정 기준 이하일 경우 빨간색 강조

---

6. 활용 예시

• 배송 지연률 10% 이상인 센터 자동 식별
• SPI 기준 가장 낮은 상위 5개 센터에 대해 개선 요청
• 특정 기간에 배송 지연이 급증한 도시 추적

---

[물류팀 Tableau 대시보드 설계서]

1. 프로젝트 개요

• 목적: 전국 물류센터 및 배송 과정을 실시간으로 모니터링하여 배송 지연과 반품율을 최소화하고, 물류 효율성과 고객 만족도를 극대화한다.
• 대상 사용자: 물류팀, 운영관리자, 경영진
• 사용 도구: Tableau Desktop, Tableau Server

---

2. 데이터 개요

• 총 행 수: 약 180,000건
• 주요 컬럼:
  • 주문 정보: order_id, created_at, status
  • 고객 정보: user_id, city, state, country
  • 물류 정보: distribution_center_name, latitude, longitude
  • 성과 지표: total_orders, delayed_orders, returned_orders, delay_rate, return_rate, on_time_rate, spi_score, delivery_days

---

3. 주요 KPI 정의

KPI 명칭                                                         정의

총 주문 수	센터별 처리된 전체 주문 건수 (total_orders)
지연 주문 수	지연된 주문 수 (delayed_orders)
반품 주문 수	반품된 주문 수 (returned_orders)
지연율	지연 주문 수 / 총 주문 수 (delay_rate)
반품율	반품 주문 수 / 총 주문 수 (return_rate)
정시배송률	정시배송 주문 수 / 총 주문 수 (on_time_rate)
평균 배송일	배송 소요 시간 평균 (delivery_days)
SPI 점수	종합 배송 성능 지표 (spi_score)

---

4. 대시보드 설계

[대시보드 1] 물류 성과 개요

• 요소 구성:
  • KPI 카드 (총 주문 수, 정시배송률, 반품율, 평균 배송일, SPI 평균)
  • 월별 주문 수 트렌드 (라인 그래프)
  • 월별 지연율/반품율 트렌드 (라인 그래프)
• 필터: 기간, 배송 상태, 센터명, 지역명

---

[대시보드 2] 센터별 성과 비교

• 요소 구성:
  • 센터별 SPI 점수 (막대그래프)
  • 센터별 평균 배송일 (막대그래프)
  • 센터 위치 지도 시각화 (맵):
    • 마커 크기: 총 주문 수
    • 마커 색상: SPI 점수
• 필터: 센터명, 도시/주/국가, 기간

---

[대시보드 3] 지연 및 반품 분석

• 요소 구성:
  • 반품율 vs 지연율 산점도
  • SPI vs 배송일 산점도
  • 지연율 및 반품율 상위 10개 센터 테이블
  • 월별 반품율/지연율 비교 그래프
• 필터: 기간, 지역, 센터명

---

5. 인터랙션 설계

• 드릴다운 기능: 지역 → 센터 → 주문 상세 내역
• 하이라이트 액션: 센터 클릭 시 관련 그래프 모두 강조
• 동적 필터링: 날짜/센터/도시 기준 슬라이서 제공
• 조건부 시각화: SPI 0.7 이하일 경우 붉은 계열 강조 표시

---

6. 기대 효과

• 배송 지연 원인 지역 및 센터의 신속한 파악
• 물류센터 성과 비교를 통한 개선 목표 설정
• SPI 기반 성과 평가 체계 확립

---

7. 차기 계획 (Optional)

• 실시간 데이터 연동
• 고객 클레임 데이터 통합 분석
• 예측 분석 기능 탑재 (예: 배송 지연 예측 모델 연동)

---

3일째 

1. 목표 재확인

대시보드 목적:

• 전국 물류센터 및 배송 과정 실시간 모니터링
• 배송 지연 및 반품율 최소화
• 물류 효율성과 고객 만족도 극대화

대상 사용자:

• 물류팀, 운영관리자, 경영진
  
  

2.  v_logistics_dashboard_4.csv 조인하여 통합한 데이터 확인

데이터 구조 요약

1. 구성 컬럼 (총 27개):

• 주문/사용자 관련: order_item_id, order_id, product_id, user_id, created_at
• 물류센터: product_distribution_center_id, distribution_center_name, latitude, longitude, city, state, country
• 제품: name
• 배송 상태/분석:
  • 상태: status, shipped_at, delivered_at, returned_at
  • 지표: delivery_days, delayed, delay_rate, return_rate, delay_to_return_rate, on_time_rate, spi_score
  • 개수: total_orders, delayed_orders, returned_orders

2. 결측치 주요 이슈

• city: 1,739건 결측
• shipped_at: 약 35% 결측
• delivered_at: 약 65% 결측
• returned_at: 약 90% 결측
• delivery_days, delayed: delivered_at 결측과 동일

이는 배송이 아직 완료되지 않았거나, 배송 상태 데이터가 유실된 케이스로 추정

보완이 필요한 부분

1. 배송 정보 누락 보완

status	shipped_at	delivered_at	delivery_days	delayed	해석
Complete	0% null	0% null	0% null	0% null	정상적으로 배송 완료
Returned	0% null	0% null	0% null	0% null	배송 완료 후 반품 처리됨
Shipped	0% null	100% null	100% null	100% null	배송 중 (아직 도착 안함)
Processing	100% null	100% null	100% null	100% null	아직 출고 전 단계
Cancelled	100% null	100% null	100% null	100% null	주문 취소됨

Tableau에서 필터 또는 조건 계산 시 참고 포인트

• Processing, Cancelled → 출고 안 됨 → shipped_at null
• Shipped → 배송 중 → delivered_at, delivery_days, delayed null
• Returned → 배송 완료 후 반품 → 모든 날짜 컬럼 값 존재
• Complete → 정상 배송 완료 → 모든 날짜 컬럼 값 존재

2. 도시 정보 누락 보완

• city 결측치 1,739건 → latitude, longitude로 위치 역추적(Reverse Geocoding) 가능
• Tableau 지도 시각화 정확도를 위해 보완 추천

3. SPI Score 산출식 (점수 정확한지 검산완료 : 오차평균 0.0003으로 미비 신뢰할수 있음)

• SPI = (정시배송률 * 0.6) + (1 - 반품율 * 0.3) + (1 - 지연율 * 0.1)

대시보드 설계에 활용 가능한 핵심 지표

1. 배송 효율성: delay_rate, on_time_rate, delivery_days
2. 고객 만족 관련: return_rate, spi_score
3. 센터별 비교: distribution_center_name + 위 지표
4. 지도 시각화: latitude, longitude, city, state

다음 단계 

1. status별로 배송 진행 상태 확인해서 누락의 원인 파악
2. spi_score 계산식이 정의되어 있는지 확인
3. Tableau 연결 시 데이터 추이(시간) 분석 가능한 컬럼은 created_at, shipped_at, delivered_at
4. 필요시 reverse geocoding으로 city 보완 가능

추가로 :

• status별 배송 단계 분포
• 센터별 평균 배송일, 지연률, 반품률
• 반품 건에 대해 원인 추정 분석 (예: 브랜드, 지역, 사용자 특성)

---

v_logistics_dashboard_4_view 로 새로 데이터 컬럼 , city컬럼 내용 보완하여 생성함

목표: 전국 물류센터 및 배송 실시간 모니터링
핵심 지표:

1. 배송 지연률 최소화
2. 반품율 최소화
3. 물류 효율성 추적 (SPI Score, on-time rate 등)
4. 사용자 만족도 개선
   대상: 물류팀, 운영 관리자, 경영진
   뷰 크기: 1000x800, 1페이지, 추후 스토리 결합 예정

 

Tableau 시각화 가능 컬럼 분류

컬럼 유형	주요 컬럼	설명 및 활용 방안
날짜/시간	created_at, shipped_at, delivered_at, returned_at	기간별 추이 분석, KPI 트렌드, 리드타임 계산
카테고리	status, city, state, distribution_center_name, country	필터, 맵 시각화, 막대/비율 차트에 활용
지표 수치형	delay_rate, return_rate, spi_score, on_time_rate, delivery_days	KPI 카드, 색상 조건부 서식, 정렬 기준
위치	latitude, longitude	Tableau 지도 시각화 가능
상태 구분	delayed, status	배송지연 여부 및 프로세스 상태 분석
식별자 (비사용 추천)	order_item_id, user_id, product_id, order_id	상세 보기 or Drill-down에서만 사용

 

---

1. 지연 판단 기준 명확화 필요

• delayed 컬럼이 존재하지만 기준(delivery_days > X)이 명시되지 않음 → 문서화 추천
• Tableau 계산 필드에 직접 적용할 수 있도록 기준 정의 필요

2. 배송 현황 비율 분석을 위한 파생 컬럼 제안

• 배송 리드타임 = delivered_at - shipped_at (이미 delivery_days가 있으면 OK)
• 주문 상태 그룹화: Processing, Shipped, Complete, Returned 등을 하나로 묶은 필드 생성

3. 지도 시각화 정밀도 확보

• 일부 city, state 값 누락 시 → latitude, longitude 기반 reverse mapping 필요 (기 처리되었는지 확인 필요)

4. SPI Score 계산 공식 고정

• Tableau 내에서 SPI 재계산 공식이 필요한 경우 → 고정된 수식 제공 필요
  예: SPI = (정시배송률 * 0.6) + (1 - 반품율 * 0.3) + (1 - 지연율 * 0.1)

---

추천 시각화 구성 예 (한 페이지)

1. KPI Summary (상단 카드)
   • 평균 배송일, 반품율, 지연율, SPI Score
2. 전국 물류센터 지도 (Geo Map)
   • 색상: SPI Score
   • 크기: 주문 건수 또는 지연 건수
3. 시간별 추이 그래프
   • 월별/주별: 지연율, 반품율, on-time rate
4. 막대 차트
   • 센터별 비교: 반품율, 지연율, SPI Score
5. 필터 패널
   • 기간, 센터, 상태(status), 지역(city/state)

---

1. BigQuery 전처리 SQL

목표:

• delivery_days 자동 계산
• delayed 여부 논리값으로 명확화
• SPI Score 재계산 필드 포함
• 날짜 필드에서 year, month 추출
• 상태 그룹 (예: 배송완료/지연/반품) 구분
  CREATE OR REPLACE TABLE `your-project.your_dataset.v_logistics_dashboard_preprocessed` AS
  SELECT
    *,
    
    -- 배송일수 계산 (전처리 안돼 있으면)
    SAFE_DIFF(DATE(delivered_at), DATE(shipped_at)) AS delivery_days_calc,
  
    -- 배송지연 여부 (예: 7일 초과 시 지연)
    CASE
      WHEN SAFE_DIFF(DATE(delivered_at), DATE(shipped_at)) > 7 THEN '지연'
      WHEN SAFE_DIFF(DATE(delivered_at), DATE(shipped_at)) IS NULL THEN '미도착'
      ELSE '정시'
    END AS delivery_status,
  
    -- SPI Score 재계산
    (on_time_rate * 0.6) + ((1 - return_rate) * 0.3) + ((1 - delay_rate) * 0.1) AS spi_score_calc,
  
    -- 연도 / 월 필드
    EXTRACT(YEAR FROM TIMESTAMP(created_at)) AS order_year,
    EXTRACT(MONTH FROM TIMESTAMP(created_at)) AS order_month
  
  FROM
    `your-project.your_dataset.v_logistics_dashboard_4_view`;
  
  
• 필드명과 기준(지연 기준일수 7일)은 팀 정책에 맞게 조정.

---

2. Tableau 계산 필드

1. 배송 리드타임 (일)

DATEDIFF('day', [shipped_at], [delivered_at])

2. 배송 상태 그룹화

IF ISNULL([delivered_at]) THEN "미도착" ELSEIF DATEDIFF('day', [shipped_at], [delivered_at]) > 7 THEN "지연" ELSE "정시" END

3. SPI Score 계산

([on_time_rate] * 0.6) + ((1 - [return_rate]) * 0.3) + ((1 - [delay_rate]) * 0.1)

4. 주문년월 (YYYY-MM)

STR(DATEPART('year', [created_at])) + "-" + RIGHT("00" + STR(DATEPART('month', [created_at])), 2)

---

전처리 후 기대효과

필드                                                                                                   Tableau 용도      

delivery_status	색상 조건부 서식, 배송 상태 필터
spi_score_calc	물류 KPI 분석, 지도 색상
order_year, order_month	기간별 트렌드 시각화
delivery_days_calc	배송리드타임 추이 분석

---

Tableau 지도 시각화: 구성 목표

목적:

• 전국 물류센터의 위치와 상태를 직관적으로 보여주기
• 각 센터별 성과 (SPI Score, 지연률, 반품률 등) 시각화
• 클릭 시 상세 정보 또는 KPI 연결 가능

Tableau 지도 시각화: 구성 목표

목적:

• 전국 물류센터의 위치와 상태를 직관적으로 보여주기
• 각 센터별 성과 (SPI Score, 지연률, 반품률 등) 시각화
• 클릭 시 상세 정보 또는 KPI 연결 가능

1. 지도 기본 설정

항목	설정 내용
데이터 유형	latitude, longitude (지리 필드로 변환 필요)
마크 유형	원(circle)
세부정보 (Detail)	distribution_center_name, city, state 등
도구 설명 (Tooltip)	SPI Score, 지연률, 반품률, 배송건수 등 KPI 표시

2. 추천 마크 속성 설정 

속성	사용 컬럼	목적
크기(Size)	total_orders 또는 delayed_orders	많은 주문/지연 센터 강조
색상(Color)	spi_score or delay_rate	성과 좋은/나쁜 센터 색으로 구분
레이블(Label)	distribution_center_name	필요 시 지도에 직접 센터명 표시
도구 설명	아래 예시 참조	Hover 시 KPI 정보 제공

예시
물류센터: <distribution_center_name>
지역: <city>, <state>
총 주문건수: <total_orders>
지연 주문건수: <delayed_orders>
반품 주문건수: <returned_orders>
SPI Score: <spi_score>
배송지연률: <delay_rate>
반품률: <return_rate>

---

3. 필터 또는 상호작용 요소 (필수)

필터 대상	예시 값
기간 필터	주문일, 배송일 (월별)
센터 필터	distribution_center_name
배송 상태	delayed (지연 여부), status
성과 기준	SPI Score 범위 슬라이더

4. 사용자 경험 UX 팁

항목	설명
마크 크기 제한	크기가 너무 커지지 않게 조정 (비례적 크기 → 사용자 피로도 감소)
색상 스케일	SPI Score → 녹색~빨강 / delay_rate → 반대로
강조 액션	다른 시트(막대 차트 등)와 드릴다운/하이라이트 액션 연결 추천
클러스터링	지도 공간이 좁을 경우, 클러스터 또는 줌 기능 활용

+----------------------------+
|   [전국 물류센터 지도]    |
|  - 원 크기: 주문 수       |
|  - 원 색상: SPI Score     |
|  - Tooltip: 센터 KPI      |
+----------------------------+

+--------+   +--------+   +--------+
| 필터:  |   | 필터:  |   | 필터:  |
| 날짜   |   | 센터명 |   | 상태   |
+--------+   +--------+   +--------+

---

KPI별 지도 레이어 구성 전략: 개요

전략	설명
1. KPI 단일 선택 레이어	하나의 지도에 KPI 선택 필터를 추가하여 동적으로 시각화 대상 변경
2. KPI별 독립 지도	각 KPI를 시각화하는 별도 지도 시트 구성 (탭 또는 스토리로 구성 가능)
3. 액션/매개변수 기반 전환	사용자가 선택한 KPI에 따라 자동으로 시각화 전환 (매개변수 기반)

1. KPI 단일 선택 레이어 (추천)

구성 방식:

• KPI 선택용 매개변수(Parameter): KPI 선택 → [‘SPI Score’, ‘지연률’, ‘반품률’]
• 계산 필드:
  CASE [KPI 선택]
  WHEN "SPI Score" THEN [spi_score]
  WHEN "지연률" THEN [delay_rate]
  WHEN "반품률" THEN [return_rate]
  END
  
  • 이 계산 필드를 색상(Color)에 연결하여 KPI별로 컬러맵이 바뀌도록 구성
  장점:
  • 한 지도에서 다양한 KPI를 동적으로 시각화
  • 공간 절약, UX 간결
  추가 구성:
  • 도구 설명(Tooltip)에 KPI 이름 및 수치도 함께 동적으로 출력
    
    

---

구성 시 주의사항

항목	팁
색상 스케일	KPI별 색상 범위 자동 조정 OFF, 범위 고정 권장
범례	KPI 단일 선택형이면 동적 범례 필요
KPI 필드명	영어/한글 혼용 시 Tooltip 및 필터에 명확하게 표기
성능	지도에 너무 많은 마크가 표시되면 성능 저하 가능, Top N 필터 고려

 

• Tableau 매개변수 구성법
• 대시보드 전체 와이어프레임 구성 예시
• 실제 KPI 시각화 예제(.twbx 샘플 안내)

1. Tableau 매개변수(Parameter) 구성법 (KPI 선택용)

1-1. 매개변수 생성 (KPI 선택)

• Tableau 좌측 패널 > 매개변수 > 우클릭 → 새 매개변수 생성
• 이름: KPI 선택
• 데이터 유형: 문자열
• 허용 값:
  • 목록에서
    • "SPI Score"
    • "지연률"
    • "반품률"

1-2. 계산 필드 생성 (KPI 값)

• 계산 필드 > 새로 만들기
• 이름: 선택된 KPI 값
  CASE [KPI 선택]
  WHEN "SPI Score" THEN [spi_score]
  WHEN "지연률" THEN [delay_rate]
  WHEN "반품률" THEN [return_rate]
  END
  
  

1-3. 사용 방법

• 지도 시트 또는 막대 차트에서:
  • 색상, 크기, 레이블 등에 선택된 KPI 값 사용
• 매개변수 컨트롤을 시트에 끌어다 놓아 KPI 변경 기능 제공
  
  

2. Tableau 대시보드 와이어프레임 구성 예시 (1000x800 기준)

https://www.tableau.com/solutions/workbook/visualize-historic-data-estimate-cost-impact

전체 대시보드 구조 (1000x800 고정 크기 기준)

 

===================== [ 상단 영역: KPI 지표 ] (400px) =====================

| SPI Score, 배송 지연률, 반품률, 배송 리드타임, 이번주/전주 비교 카드 등 |

| KPI 추이 그래프(선택적) | ============================================================================ ===================== [ 하단 영역: 위치 + 날씨 + 경로 ] (400px) ============

| 왼쪽: 센터 위치 지도 | 가운데: 날씨 카드 | 오른쪽: 구글 지도 경로 | ============================================================================

상세 구성 순서

1. 상단 KPI 카드/지표 영역 (상위 400px)

목적: 물류 성과를 요약해서 경영진·운영자에게 실시간 제공

주요 구성

구성요소                                           예시 지표                                                                  구현 방식 

KPI 카드	평균 SPI, 평균 배송일, 반품률, 지연률	Sheet - KPI SPI 등
비교 분석	이번주 vs. 전주 SPI, 반품률	주차 비교 계산 필드로 구현
KPI 변화 추이 (선택)	월별 지표 그래프	선형 그래프 시트 추가 가능

구현 팁

• 각 KPI마다 이전 주와 비교한 증감 % 계산 필드 생성
• 색상 조건부 포맷 사용 (예: 증가 시 빨강/녹색)

---

2. 하단 영역: 지도 + 날씨 + 경로 (하위 400px, 가로 3분할)

위치                              구성                                  설명                                         구현 방법

왼쪽 (33%)	물류센터 지도	센터 위치 시각화	latitude, longitude 이용한 지도 시트
가운데 (33%)	날씨 카드	선택된 도시의 실시간 날씨	Google Sheets or API 연결 시트
오른쪽 (33%)	Google 지도 경로	센터 → 고객 도시까지 거리, 시간	계산 필드로 Google Maps URL 생성, 웹 오브젝트 삽입

---

필요한 데이터 필드 및 계산 필드 요약

필드 준비

필드명                                                                                                                                       용도

spi_score, delay_rate, return_rate, delivery_days	KPI 지표
created_at	이번주/전주 구분용
latitude, longitude (센터/고객)	지도/경로용
city, state	날씨 매핑용
distribution_center_name	센터 구분
center_lat, center_lon	Google Maps origin
customer_lat, customer_lon	Google Maps destination

---

계산 필드 예시

1. Google 지도 경로 링크

 

"https://www.google.com/maps/dir/?api=1&origin=" +
STR([center_lat]) + "," + STR([center_lon]) +
"&destination=" +
STR([customer_lat]) + "," + STR([customer_lon]) +
"&travelmode=driving"

2. 주차 비교용 필드

IF DATEDIFF('week', [created_at], TODAY()) = 0 THEN "이번주"
ELSEIF DATEDIFF('week', [created_at], TODAY()) = 1 THEN "전주"
ELSE "기타"
END

3. KPI 증감 계산

WINDOW_AVG(
  IF [주차구분] = "이번주" THEN [spi_score] END
)
-
WINDOW_AVG(
  IF [주차구분] = "전주" THEN [spi_score] END
)

---

요약: 구성 순서

단계                                설명                    

1	KPI 카드 시트: SPI, 지연률 등 (주차 비교 포함)
2	지도 시트: 센터 위치 (Detail: 센터명)
3	날씨 카드 시트: 도시별 날씨 표시 (Google Sheets 연결)
4	Google Maps 링크 필드 생성
5	대시보드 구성: 상단 KPI, 하단 3분할 배치
6	상호작용 설정: 센터 선택 → 날씨/경로 동기화

---

다음 단계로:
Google Sheets로 날씨 자동 업데이트 세팅 (1시간 또는 12시간마다 업데이트)
KPI 카드용 템플릿 스타일
상호작용 필터 설정 (태블로에서 인터랙티브한 동적 시각화 효과위한 방법)

---

Google Sheets로 날씨 자동 업데이트 세팅

Google Sheets 날씨 자동 업데이트 구성 순서

1단계. OpenWeather API 키 발급

1. https://openweathermap.org/api 에 접속
2. 무료 회원 가입 후 대시보드 이동
3. API Keys 메뉴에서 새로운 키 생성 (예: abcd1234yourapikey)
4. 이 키를 메모해두기

---

2단계. Google Sheets 생성

1. Google Drive에서 새 Google 스프레드시트 생성
2. 시트 이름을 weather_data로 지정
3. 1행에 다음과 같은 헤더 입력

city | temperature | condition | updated_at

---

3단계. Apps Script 작성 (날씨 자동 입력)

1. Google Sheets 상단 메뉴 > 확장 프로그램 > Apps Script 클릭
2. 아래 스크립트 코드 붙여넣기

function updateWeather() {
  const sheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName("weather_data");
  const cities = ["Seoul", "Busan", "Incheon"]; //  본인의 데이터는 미국으로 Looker 데이터의 물류센터 명으로 세팅
  const apiKey = "여기에_발급받은_API_키_입력"; // 예: abcd1234yourapikey
  const now = new Date();

  sheet.clearContents();
  sheet.appendRow(["city", "temperature", "condition", "updated_at"]);

  cities.forEach(city => {
    const url = `https://api.openweathermap.org/data/2.5/weather?q=${city}&appid=${apiKey}&units=metric`;
    const response = UrlFetchApp.fetch(url);
    const data = JSON.parse(response.getContentText());
    const temp = data.main.temp;
    const condition = data.weather[0].main;

    sheet.appendRow([city, temp, condition, now]);
  });
}

1. 저장 아이콘 클릭
2. 상단 실행 버튼(▶) 클릭 → 시트에 날씨 데이터가 들어가는지 확인

---

4단계. 자동 실행 트리거 설정

1. 스크립트 편집기 왼쪽 시계 아이콘(트리거) 클릭
2. 새 트리거 추가
   • 함수: updateWeather
   • 이벤트 소스: 시간 기반
   • 주기: 매시간 또는 매일 선택 가능

---

5단계. Tableau에서 Google Sheets 연결

1. Tableau에서 데이터 > 새 데이터 원본 > Google Sheets 선택
2. 방금 만든 weather_data 스프레드시트 연결
3. Tableau 시트에서 도시별 날씨 정보를 차트 또는 KPI 카드로 구성

---

• 도시명은 고객/센터 데이터와 동일한 이름이어야 Tableau에서 연결하기 쉬움
• 시트의 데이터는 자동으로 덮어쓰기 되며, 원하는 경우 이전 데이터를 저장하는 방식으로 확장 가능
• 습도, 풍속 등 다른 날씨 정보도 API에서 추가 가능

---

Google Sheets 날씨 데이터를 Tableau에서 물류 데이터와 조인하거나,
날씨 상태별로 배송 지연 여부를 분석하는 방법을 순서대로

1. Tableau에서 Google Sheets(날씨 데이터)와 BigQuery(물류 데이터) 연결 방법

1단계: 두 데이터 원본 연결

1. Tableau에서 데이터 > 새 데이터 원본 클릭
2. 첫 번째 데이터 원본: BigQuery 물류 데이터 연결 (v_logistics_dashboard_final_view)
3. 두 번째 데이터 원본: Google Sheets 연결 (weather_data 시트 선택)

---

2단계: 두 데이터 원본 연결 방식 선택

방식 A: 데이터 블렌딩 (추천)

• 두 데이터 모두 연결 후, Tableau 시트에 BigQuery 데이터를 주 데이터로 사용
• 도시(city) 필드를 공통 키로 사용하여 날씨 데이터를 보조 데이터로 자동 연결됨
• temperature, condition, updated_at를 시각화에 사용 가능

방식 B: 내부 조인 (데이터 원본 수준)

• Tableau 데이터 원본에서 두 테이블을 city 기준으로 left join 처리
• weather_data.city = logistics_data.city로 직접 연결 설정

---

2. Tableau에서 날씨 상태별 배송 지연 분석 방법

1단계: 시트 생성 - 배송 상태와 날씨 조건 비교

1. delivery_status (정시, 지연, 미도착) → 행(Row)
2. condition (맑음, 흐림, 비 등) → 열(Column)
3. COUNTD(order_id) 또는 COUNT(order_item_id) → 텍스트로

→ 날씨 조건별 배송 상태 분포 교차표 생성 가능

---

2단계: 지연율 분석 (막대 그래프 등)

1. 날씨별로 배송 건수 대비 지연 건수 비율 계산

계산 필드 예시:

IF [delivery_status] = "지연" THEN 1 ELSE 0 END

→ 이 필드를 AVG() 또는 SUM()/COUNT() 방식으로 요약
→ condition별 평균 지연률 시각화

---

3단계: 날씨별 KPI 비교 카드

• condition을 필터 또는 색상 기준으로 사용
• KPI 카드: SPI Score, 반품률, 지연률 → 날씨별로 비교
• 예: 흐림/비/맑음일 때 SPI Score 차이

---

3. 분석 활용 예시

분석 질문                                                                                                시각화 방식

비 오는 날 배송 지연률은 높은가?	condition vs. 지연률 막대그래프
날씨별 평균 SPI는 어떻게 다른가?	조건별 KPI 카드
센터별 날씨 영향은 어디가 큰가?	distribution_center_name + condition 교차표
날씨 악화 시 반품률도 높아지는가?	return_rate vs. condition 비교

---

• 날씨를 시간대별(updated_at)로도 분류하면 날씨 변화 → 지연 추세 분석 가능
• 도시명이 정확히 일치해야 데이터 연결이 되므로 정규화(표준화) 추천
• 지도 시각화 시, 날씨를 마크 색상으로 표시하면 시각적 효과 극대화