[TIL#58 250526]

강민지·2025년 5월 26일

데이터분석_TIL

목록 보기

62/81

오랜만에 TIL,,
플젝하는 동안 TIL을 하나도 못썼다 ㅜ.ㅜ

Daily plan

🌞오전

- 9시 발제
- 최종 플젝 데이터 찾기 (주제 고민하기)
- SQLD 이론 공부

🔥 오후

- API 강의

🌝 저녁

- TIL 제출, 퇴실 확인!!

최종 프로젝트 주제 고민

카일분석_데이터 분석가 포트폴리오 주제 추천

캐글 같은 곳에서 좋은 데이터셋을 찾는 것도 좋지만,,
최종 플젝인만큼 '문제 정의'부터 시작해서 데이터도 직접 구해보고,
좀 더 일상에 가까운 데이터 분석을 해보고 싶다는 욕심이 생긴다.

(시카고 공공자전거, NBA, 뉴욕 에어비앤비, 어느 나라인지도 모를 이커머스 데이터... 이런 건 이제 그만......ㅎ)

이번 플젝은 두가지 중에 하나였으면 좋겠다는 개인적인 바람!

직접 문제를 정의하고, 데이터 수집도 하면서 문제를 해결한 프로젝트

회사에서 풀고 있는 문제와 유사한 프로젝트

현업의 프로젝트 라이프 사이클과 유사한 진행 방식으로, 필요시 발표 이후에도 긴 기간동안 점진적 개선하는 방식이면 더 좋을 듯!

이커머스로 한다면 캐글 데이터를 사용해야 할듯!
마케팅은?
- 캠페인 데이터도 괜찮을 거 같고
- 퍼널 분석이나 전환/이탈 분석, 고객생애주기 등등 마케팅에서 자주 사용하는 고객 분석이 들어가면 좋을 것 같다는 의견!
중요한건 컬럼 & 행 개수!

Product Data Science 1회차

프로덕트 데이터사이언스

어떤 제품 기능이 사용자들에게 가장 유용한가?
변화한 metric의 원인은 무엇인가?
A/B 테스트의 결과, 어떤 옵션을 선택해야 하는가?
기회가 큰 시장은 어디인가?

해당 직무의 중요성

데이터에 기반한 의사결정을 가능하게 함
비즈니스와 사용자 경험의 균형을 맞추는 역할 수행
회사의 성장 전략과 긴밀히 연결

Data analyst VS Data Scientist

Data Analyst
- 주요 업무: 데이터 시각화, 보고서 작성, 성과 측정
- 경영진이나 의사결정권자에게 과거 데이터의 의미를 전달
- 주요 도구: SQL, Tableau, Excel 등
Product Data Scientist
- 주요 업무: 문제 정의, 실험 설계 및 분석
- 실험 결과를 기반으로 미래 행동 예측
- 주요 도구: Python, SQL, 통계 기법 등

Data Scientist

Data Scientist
- 주로 머신러닝 모델 개발 및 연구에 초점
- 복잡한 데이터셋의 예측 모델 생성
- 엔지니어링 팀과 협업해 모델을 프로덕션에 배포
Product Data Scientist
- 제품 관련 메트릭 최적화와 실험 분석에 초점
- 모델 개발보다 문제 정의 및 데이터 해석에 더 큰 비중을 둠

주요 업무

기회 규모 추정

: 특정 기능, 제품 개선, 새로운 시장 진출이 가져올 가치와 영향을 수치로 추정하는 것

실무에서의 역할
- 데이터 분석 -> 시장 데이터와 사용자 행동 데이터를 기반으로 추정
- 가설 설정 -> 기회를 정량적으로 비교해 우선순위 결정

지표 설계

: 제품 및 비즈니스 성과를 측정하고 관리하기 위한 핵심 지표를 정의하고 체계적으로 설계하는 과정

지표 유형
- North Star Metric
- Guardrail Metric
- Input Metrics
실무에서의 역할
- 지표 설정 -> 세품/서비스 목표 달성을 위한 올바른 지표 정의
- 지표 상관관계 분석 -> North Star Metric과 Input Metrics의 상관관계를 분석해 지표 신뢰성 확보
- 모니터링 및 개선 -> Guardrail Metrics를 활용해 부정적 결과 조기 탐지 및 수정