Data Report Generator

[리포트 제목]
보고 기간: ____년 __월 ~ ____년 __월
작성일: ____년 __월 __일
작성자: ________

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

[핵심 지표 (KPI)]
┌──────────┬──────────┬──────────┬──────────┐
│  매출액   │ 영업이익  │ 고객 수   │ 만족도   │
│  00억원   │  00억원  │  0,000명  │  0.0점   │
│  ▲15%    │  ▲8%    │  ▲20%    │  ▼0.2   │
└──────────┴──────────┴──────────┴──────────┘

[주요 인사이트] (3줄 이내)
1. (가장 중요한 발견)
2. (두 번째 중요한 발견)
3. (세 번째 중요한 발견)

[차트/그래프 영역]
(월별 매출 추이, 카테고리별 비중 등)

[제안/액션 아이템]
- (데이터 기반 제안 1)
- (데이터 기반 제안 2)

상세 분석 보고서

1. 분석 개요
   - 분석 목적
   - 데이터 범위 (기간, 출처)
   - 분석 방법론

2. 현황 분석
   - 전체 현황 (KPI 대시보드)
   - 기간별 추이 (차트)
   - 구성비 분석 (파이/바 차트)

3. 비교 분석
   - 전기 대비 (전월/전년)
   - 목표 대비 (달성률)
   - 벤치마크 대비 (있을 경우)

4. 심층 분석
   - 상위/하위 항목 분석
   - 이상치/특이사항
   - 상관관계/패턴

5. 인사이트 및 제언
   - 핵심 발견 사항 (3~5개)
   - 원인 분석
   - 개선 제안 (데이터 근거)

6. 부록
   - 원본 데이터 요약
   - 분석 방법론 상세

분석 워크플로우

Step 1: 데이터 탐색

# 데이터 로드 및 기본 탐색
import pandas as pd
df = pd.read_excel('data.xlsx')  # 또는 pd.read_csv('data.csv')
print(df.shape)          # 행/열 수
print(df.dtypes)         # 데이터 타입
print(df.describe())     # 기술 통계
print(df.isnull().sum()) # 결측치 확인

Step 2: 데이터 정제

# 날짜 변환, 결측치 처리, 이상치 제거
df['날짜'] = pd.to_datetime(df['날짜'])
df['금액'] = df['금액'].fillna(0)

Step 3: 분석 수행

# 기간별 집계
monthly = df.groupby(df['날짜'].dt.to_period('M')).agg({'금액': 'sum', '건수': 'count'})

# 전기대비 증감
monthly['전월대비'] = monthly['금액'].pct_change() * 100

# 카테고리별 비중
category = df.groupby('카테고리')['금액'].sum()
category_pct = category / category.sum() * 100

Step 4: 시각화

차트 생성에는 matplotlib/seaborn 또는 HTML/React를 활용합니다.

Step 5: 리포트 생성

분석 결과를 docx/pptx/html로 리포트화합니다.

차트 유형 가이드

한국식 보고서 숫자 표기

출력 형식

• .pptx: 경영진 보고용 슬라이드 (기본값)
• .docx: 상세 분석 보고서
• .html: 인터랙티브 대시보드 (React)
• .xlsx: 분석 결과 데이터 + 차트
• .pdf: 최종 제출용

워크플로우

데이터 업로드 → 데이터 탐색 → 정제 → 분석
→ 인사이트 도출 → 시각화 → 리포트 생성 → 전달