Data Driven vs Informed Decision
데이터에서 인사이트를 찾는 방법
-
중요 지표를 데이터 기반으로 정의하고 시각화하기
-
가설을 바탕으로 실제 데이터를 보고 확인하기
중요 지표 대시보드
- 코호트 분석을 통해 고객 이탈률 분석, 고객 잔존률 분석
- 데이터 분석가의 역할
- 중요 지표를 정의하고 이를 대시보드 형태로 시각화
- 대시보드로는 태블로와 룩커 등의 툴이 흔히 사용
- 오픈소스로는 수퍼셋이 많이 사용됨
- 회사 내 다른 팀들의 데이터 관련 질문 대답
- 팀 리드들이 데이터 기반 결정 내릴 수 있도록 도와줌
- 셀프 서비스를 어떻게 만드는지 관건
- 스킬 셋
- sql
- python
- 데이터 모델링과 ELT
- 통계적 지식
- A/B 테스트 지식과 경험
- 지표 정의와 대시보드(Tableau, Looker)
코호트 분석 Cohort Analysis
코호트 분석은 사용자 행동을 그룹으로 나눠 지표별로 수치화한 뒤 시간의 흐름에 따라 분석하는 것을 말한다. 즉, 사용자 그룹이 시간이 지나면서 어떻게 행동하는지 분석하는 거다. 사실 넓게 이야기 하는 사람들은 위의 고객 세분화와 코호트 분석을 따로 구분하지 않는다.
예를 들어, 온라인 쇼핑몰의 분석가라고 생각해보자. 이 쇼핑몰에는 매달 천 명이 신규로 가입한다. 사업을 시작한 후 첫 5개월 동안의 고객 당 평균 매출액을 표로 그렸을 때 아래와 같다고 가정한다.
이 표를 보고 상황이 좋아지고 있는지, 나빠지고 있는지 알기는 어렵다.
위 표를 같이 읽어보자. 일단 매월 1,000명의 신규 가입자가 들어오고 있는 것을 알 수 있다. 그리고 매월 신규로 가입한 고객의 첫 달 평균 구매액이 1월 가입자는 $5에서 5월 가입자는 $9로 거의 두 배 가까이 증가하고 있다. 그리고 1월 가입자들의 평균 구매액이 $5에서 $3로 가입 이후 시간이 지날수록 가파르게 하락하고 있는데 반해 3월 가입자들은 첫 달 평균 구매액은 $7에서 다음달은 $6으로 그리고 그 다음달에는 $5로 완만하게 하락하고 있다.
고객들의 첫 달 구매액은 크게 증가하고 있고 구매액의 감소폭도 개선되고 있는 것을 알 수 있다. 이렇게 사용자들을 시간의 흐름에 따라 그룹으로 나누어 분석하는 방법은 매출을 분석할 때 뿐만 아니라 리텐션, 바이럴 효과, 이탈 등 분석하고 싶은 어떤 지표에도 적용해볼 수 있다.
Data Mesh
- 데이터 메시는 중앙 관리 와 표준을 염두에 둔 데이터 분산 데이터 아키텍쳐
- 분산 시스템
- 웹 서비스를 다수 작은 서비스들로 구현
- 서비스 레지스트리: 서비스들이 뭐가 있는지
출처
https://datarian.io/blog/sql-cheat-sheet-for-practical-data-analysis
https://www.beusable.net/blog/?p=4355
