วิเคราะห์ยอดขายร้านค้าออนไลน์รายเดือน

จากคนสร้างคอร์ส — โปรเจคนี้ดูธรรมดา แต่จริงๆ แล้วเป็นโปรเจคที่บริษัทแทบทุกที่ต้องทำ ซ้ำๆ ทุกเดือน ถ้าเราทำโปรเจคนี้ได้ดี แปลว่าเรามีทักษะพื้นฐานที่ตำแหน่ง Data Analyst ต้องใช้จริง ครบแล้ว — อ่านข้อมูล, ทำความสะอาด, สรุปเป็นกราฟ, และเล่า insight ได้ ผมเจอโจทย์แบบนี้มาแล้วนับไม่ถ้วน ทั้งตอนทำงานประจำและตอนรับงานฟรีแลนซ์ และแทบทุกครั้งคนที่จ้างเราไม่ได้อยากเห็นสูตรซับซ้อนหรือกราฟสวยหรู เขาแค่อยากได้คำตอบสั้นๆ ที่เอาไปตัดสินใจต่อได้ทันที นั่นคือสิ่งที่โปรเจคนี้จะฝึกให้เราทำเป็น

โจทย์ของเรา

สมมติว่าเราเป็น Data Analyst ฟรีแลนซ์ ที่เพิ่งรับงานจาก "ร้านพิม แฮนด์เมด" ร้านขายของทำมือออนไลน์ขนาดเล็ก ที่ขายผ่าน Instagram, Shopee และแชท Line เป็นหลัก เจ้าของร้านชื่อพิม ทำร้านนี้คนเดียวมาเกือบ 2 ปี ตั้งแต่เริ่มขายเทียนหอมทำมือจนขยายมาขายกระเป๋าถัก เครื่องประดับ และสบู่แฮนด์เมด พิมไม่มีเวลานั่งไล่ดูไฟล์ Excel เอง เพราะต้องแพ็คของและตอบแชทลูกค้าทั้งวัน เธอเลยส่งไฟล์คำสั่งซื้อ 6 เดือนล่าสุดมาให้เรา พร้อมข้อความสั้นๆ ว่า

"ช่วยดูหน่อยว่าเดือนไหนขายดีสุด แล้วสินค้าตัวไหนที่เราควรผลิตเพิ่ม อยากรู้ก่อนจะสั่งวัตถุดิบรอบหน้า"

สังเกตว่าคำถามของพิมจริงๆ แล้วมี 2 ส่วนซ่อนอยู่ — ส่วนแรกคือ "เมื่อไหร่" (เดือนไหนขายดี) และส่วนที่สองคือ "อะไร" (สินค้าตัวไหนควรผลิตเพิ่ม) ถ้าเราตอบแค่ส่วนใดส่วนหนึ่ง งานของเราจะยังไม่ตอบโจทย์ที่แท้จริง นี่คือสิ่งที่มือใหม่มักพลาด — รีบตอบคำถามแรกที่เห็น แล้วลืมกลับไปเช็กว่าคำถามเดิมถามอะไรไว้บ้าง งานของเราในบทนี้คือเปลี่ยนไฟล์ที่มีแต่ตัวเลขเรียงกัน ให้กลายเป็นคำตอบทั้งสองส่วนที่พิมเอาไปใช้ตัดสินใจได้จริง

ทำไมโปรเจคนี้ควรอยู่ใน Portfolio

• เป็นงานที่ตรงกับสิ่งที่บริษัทจริงต้องการ — สรุปยอดขายรายเดือนให้ผู้บริหารดู
• แสดงให้เห็นว่าเราทำงานตั้งแต่ข้อมูลดิบ ไปจนถึงคำแนะนำเชิงธุรกิจได้ครบ ไม่ใช่แค่ทำกราฟสวยๆ
• ใช้เครื่องมือที่เกือบทุกบริษัทมีอยู่แล้ว (Excel/Sheets) — สัมภาษณ์งานแล้วอธิบายต่อได้ทันที

ขั้นตอนที่เราจะทำ

1. สำรวจข้อมูลก่อน (Data Exploration) — เปิดไฟล์ดู มีคอลัมน์อะไรบ้าง ข้อมูลครบไหม
2. ทำความสะอาดข้อมูล (Data Cleaning) — เช็กช่องว่าง ตัวเลขผิดปกติ ชื่อสินค้าพิมพ์ไม่ตรงกัน
3. สรุปยอดด้วย Pivot Table — รวมยอดขายแยกตามเดือนและตามหมวดสินค้า
4. ทำกราฟ — แปลงตารางตัวเลขเป็นกราฟแท่งที่มองปุ๊บเข้าใจปั๊บ
5. สรุป Insight — เขียนคำตอบให้เจ้าของร้าน 3-4 บรรทัด ไม่ใช้ศัพท์เทคนิค

ทำความรู้จักข้อมูลก่อนเริ่ม

ก่อนจะกระโดดไปทำ Pivot Table เลย ให้ใช้เวลา 5 นาทีทำความเข้าใจว่าแต่ละคอลัมน์ในไฟล์คืออะไร ขั้นตอนนี้มือใหม่มักข้าม แต่จริงๆ แล้วสำคัญมาก เพราะถ้าเข้าใจข้อมูลผิดตั้งแต่ต้น ต่อให้สูตรถูกยังไงคำตอบก็จะผิดตามไปด้วย

ขั้นที่ 1-2: สำรวจ + ทำความสะอาดข้อมูล

เปิดไฟล์ dataset (ดาวน์โหลดได้ด้านล่าง) แล้วเช็ก 3 อย่างนี้ก่อนเสมอ:

• มีแถวไหนที่ข้อมูลหายไปบ้างไหม (เช่น ไม่มีราคา ไม่มีวันที่)
• คอลัมน์ตัวเลข (quantity, unit_price_thb) เป็นตัวเลขจริงๆ ไม่ใช่ข้อความไหม
• ชื่อหมวดสินค้าเขียนสะกดตรงกันทุกแถวไหม (บางทีคนกรอกพิมพ์ผิดจนกลายเป็นคนละหมวด)

ในไฟล์ตัวอย่างที่ให้ดาวน์โหลด เราตั้งใจทำให้สะอาดพร้อมใช้แล้ว แต่ในงานจริง ไฟล์ที่ได้จากลูกค้ามักไม่สวยขนาดนี้ ลองดูตัวอย่างปัญหาที่เจอบ่อยๆ และวิธีแก้กัน:

order_id, product_category, total_price_thb
1041,     เครื่องประดับ,       580
1042,     เครื่องประดับ ,      -
1043,     เครื่องประดัย,       420   ← สะกดผิด กลายเป็นคนละหมวด
1044,     Accessories,        650   ← ใช้ภาษาอังกฤษปนกับภาษาไทย

order_id, product_category, total_price_thb
1041,     เครื่องประดับ,       580
1042,     เครื่องประดับ,       0     ← เติมค่าที่หายไปด้วย 0 หรือสอบถามที่มาก่อน
1043,     เครื่องประดับ,       420   ← แก้คำสะกดให้ตรงกับหมวดหลัก
1044,     เครื่องประดับ,       650   ← รวมชื่อหมวดให้เป็นมาตรฐานเดียวกัน

ขั้นที่ 3: สรุปยอดด้วย Pivot Table

ใน Google Sheets เลือกช่วงข้อมูลทั้งหมด แล้วไปที่ Insert → Pivot table จากนั้นตั้งค่าแบบนี้:

Rows:    order_date (จัดกลุ่มเป็นรายเดือน)
Values:  total_price_thb (Summarize by: SUM)

# ถ้าอยากดูแยกตามหมวดสินค้าด้วย ให้เพิ่ม
Columns: product_category

ขั้นที่ 4: ทำกราฟให้เล่าเรื่องได้

เมื่อได้ตัวเลขยอดขายรวมรายเดือนแล้ว ให้ทำเป็นกราฟแท่ง เพราะเหมาะกับการเทียบตัวเลขระหว่างเดือนที่สุด ตัวอย่างผลลัพธ์ที่ควรได้ประมาณนี้:

เจาะลึกอีกชั้น: แยกยอดขายตามหมวดสินค้า

เรารู้แล้วว่า "เมื่อไหร่" ขายดี แต่ยังไม่ตอบคำถามที่สองของพิม — "สินค้าตัวไหนควรผลิตเพิ่ม" ให้กลับไปที่ Pivot Table เดิม แล้วเปลี่ยน Rows จาก order_date เป็น product_category แทน

Rows:    product_category
Values:  total_price_thb (Summarize by: SUM)
Sort:    มาก → น้อย (คลิกหัวคอลัมน์ผลรวม แล้วเลือก Sort Z→A)

ตัวเลขนี้อาจทำให้แปลกใจถ้าเราคิดไปเองก่อนหน้านี้ว่าเทียนหอมน่าจะขายดีที่สุด เพราะเป็นสินค้าแรกที่ร้านเริ่มขาย แต่ข้อมูลบอกว่ากระเป๋าถักโครเชต์ต่างหากที่ทำเงินให้ร้านมากที่สุด ทั้งที่ราคาต่อชิ้นแพงกว่าและขายจำนวนชิ้นน้อยกว่า นี่คือเหตุผลที่เราต้องดูข้อมูลจริงเสมอ แทนที่จะเดาจากความรู้สึก

ขั้นที่ 5: สรุป Insight ให้เจ้าของร้าน

ตอนนี้เรามีคำตอบครบทั้ง 2 ส่วนที่พิมถามแล้ว — ให้เขียนสรุปรวมทั้งสองมิติเข้าด้วยกัน อย่าแยกเป็นสองคำตอบคนละที่ เพราะพิมต้องเอาไปใช้ตัดสินใจพร้อมกัน (จะสั่งวัตถุดิบตัวไหน สั่งช่วงไหน)

ยอดขาย 6 เดือนที่ผ่านมา เดือนมีนาคมและมิถุนายนขายดีที่สุด (สูงกว่าเดือนอื่น ~40-50%)
ส่วนเดือนมกราคมขายน้อยที่สุด

ถ้าดูแยกตามสินค้า กระเป๋าถักโครเชต์ทำเงินให้ร้านมากที่สุด (12,350 บาท)
ทั้งที่ราคาต่อชิ้นแพงกว่าสินค้าอื่น รองลงมาคือเทียนหอมและเครื่องประดับ
ส่วนสบู่แฮนด์เมดทำเงินได้น้อยที่สุด

แนะนำ: เตรียมวัตถุดิบกระเป๋าถักเพิ่มก่อนเข้าเดือนมีนาคมและมิถุนายน
และอาจลองทำโปรโมชันกระตุ้นยอดขายช่วงมกราคมซึ่งเป็นเดือนที่ซบเซาที่สุด

นำเสนอผลลัพธ์ให้ประทับใจ

ขั้นตอนนี้หลายคนมองข้าม แต่จริงๆ แล้วเป็นสิ่งที่ทำให้โปรเจคของเราดูเป็นมืออาชีพ หรือดูเหมือนการบ้านธรรมดา ก่อนส่งงานให้พิม (หรือใส่ลง Portfolio) ให้เช็กเช็กลิสต์นี้:

• กราฟมีชื่อเรื่องชัดเจนไหม ว่าเป็นกราฟอะไร หน่วยเป็นอะไร
• ตัวเลขบนกราฟอ่านง่ายไหม ไม่ต้องให้คนดูมานั่งกะระยะเทียบเส้นกริดเอง
• สรุป insight เขียนเป็นประโยคที่คนไม่รู้เรื่องข้อมูลอ่านแล้วเข้าใจทันที ไม่ใช้ศัพท์เทคนิคโดยไม่อธิบาย
• มีคำแนะนำต่อ (recommendation) ไม่ใช่แค่บอกตัวเลขเฉยๆ — นี่คือสิ่งที่แยก Data Analyst ออกจากคนทำรายงาน

เวลาเอาโปรเจคนี้ไปใส่ Portfolio หรือพูดตอนสัมภาษณ์งาน ให้เล่าเป็นลำดับแบบนี้: โจทย์คืออะไร → เราทำอะไรบ้าง (สั้นๆ ไม่ต้องลงรายละเอียดทุกคลิก) → เจอ insight อะไร → แนะนำอะไรไป การเล่าแบบนี้แสดงให้เห็นว่าเราคิดแบบนักวิเคราะห์ ไม่ใช่แค่คนที่ทำตามขั้นตอนเป็น

=SUMIFS(F:F, E:E, ">="&DATE(2025,3,1), E:E, "<"&DATE(2025,4,1))
// F:F = คอลัมน์ total_price_thb
// E:E = คอลัมน์ order_date
// สูตรนี้รวมยอดขายเฉพาะเดือนมีนาคม 2025
// เปลี่ยนตัวเลขใน DATE(...) เพื่อดูเดือนอื่น