내용정리
학습목표
데이터 분석가가 되려면 어떤 역량을 길러야 하는지 알아보자!
이 아티클에서는 필요한 역량을 하드스킬 5개, 소프트스킬 4개로 정리하였다.
하드스킬
하드스킬을 다시 3종류로 나눠봤고 대충 중요한 것만 적어봤다
1. 툴
1-1. 데이터를 처리하는 언어
당연하게도 데이터를 처리하기 위한 언어들을 사용할 줄 알아야 한다.
보통은 SQL, 파이썬이고 일부는 엑셀을 사용하기도 한다.
1-2. 기타 여러가지 툴
SaaS(Software as a Service)나 BI 같은 툴도 활용할 줄 알아야 한다
이게 있으면 데이터 기반의 의사결정을 빠르게 할 수 있다!
그리고 툴과 더불어 데이터 마트를 직접 설계하고 자동화하는 방법까지
SaaS의 에로는 구글 드라이브, 슬랙, 노션 등이 있다
(전부 지금 쓰고 있는 거!!)
-
데이터 마트?
분석하기 쉽게 정리해 놓은 ‘주제별 데이터 저장소’
특정 팀/목적에 맞게 가공된 작은 저장소 -
데이터 웨어하우스(DWH)?
회사 전체 저장소
.
2. 지식
2-1. 통계학
EDA 단계와 연관성 큼 - 상관관계, 회귀분석, 인과관계
통계학에는 기술 통계, 추론 통계이 있음
기초 통계학 - 가설검정 - A/B 테스트 - 귀무가설, 대립가설, 검정력
-
가설검정?
내가 생각한 게 진짜로 맞는지, 우연이 아닌지”를 통계적으로 판단하는 절차 -
A/B 테스트?
두 가지 버전(A와 B)을 고객에게 나누어 보여주고, 어떤 게 더 좋은 성과를 내는지 비교하는 실험
2-2. 도메인 지식
도메인에 따라 문제와 액션도 달라짐
3. 업무 자동화&데이터 엔지니어링⭐️
이 부분이 좀 낯설었다...!
업무 자동화
일회성 분석의 경우에는 BI, 대시보드, 데이터 플랫폼 등을 활용해서 자동화로 해결이 가능하다~ => 업무 효율 상승한다~
데이터 엔지니어링이란?
데이터 마트, 데이터 파이프라인을 만드는 것!
데이터를 수집 → 정제 → 저장하는 과정 전부를 만드는 기술로,
기초공사를 하는 역할이라고 생각하면 될 듯
효과적인 데이터 엔지니어링 X --> 데이터 구도의 복잡성 관리가 어려움 --> 기회 손실과 비효율성이 발생할 수 있음ㅠㅜ
요새는 데이터 분석가에게도 엔지니어링 언어&툴 활용 능력도 중요해지는 추세
예) airflow,SQL, ....
- Airflow?
데이터 작업을 자동으로 실행‧관리하는 워크플로우 스케줄러
.
소프트스킬
1. 소통
데이터를 다양한 직무의 관점에서 바라보고, 모두가 이해할 수 있도록 설명해야 함!
- 데이터 드리븐?
구성원의 데이터 능력치를 올려주는 교육, 스터디
2. 협업
업무 특성 상 다양한 직무와 협업을 하게 됨
-> 다른 직무 사람들이 잘 이해할 수 있도록 말하기
3. 문제 정의와 해결
데이터 분석 프로세스는 아래와 같이 진행됨
정의>가설수립>데이터분석>문제해결
그래서 첫 단계인 문제 정의도 꽤나 중요한 단계다~
-> 문제를 논리적으로 정의, 현상에 대한 파악을 토대로 다양한 분석 방법론을 시도하는 것이 중요하다~
4. 보고서
누구나 이해할 수 있게 작성하는 것이 중요
분석 결과를 바탕으로 액션 아이템까지 구상할 수 있어야 함
보고서를 비지니스 관점에서 작성하기
.
실무사례
실무 사례를 어떤 걸 찾아야 할까 고민을 많이 해보다가, 계속해서 강조하던 시각화! 보고서! 소통!에 대해 좀 더 잘 이해해보고자 잘 쓴 보고서 예시에 대해서 살펴봤고, 어떻게 해야 잘 쓸 수 있는지 알아보았다!
일단 사진들을 보자면 공통적으로 페이지가 꽉 차있다.
그리고 한페이지 내에서도 이미지가 다양하다
왜 그럴까 살짝 생각해봤는데, KPI(핵심성과지표)의 각 요소마다 나타내기 적합한 그래프가 달라서 이미지가 다양한 것 같고, 페이지를 꽉꽉 채운 건 크게 볼 수록 눈에 잘 들어와서 그런 걸까.....?
+) 위에 티라노가 제법 귀엽다.
.
분석 보고서에 대한 이해: 탬플릿 및 샘플
데이터 분석 리포트 작성방법
위 링크들에서는 분석 보고서 작성 프로세스 뿐만 아니라
효과적인 레이아웃 구성, 논리구조 등에 대해서도 설명해주고 있다.
보고서를 작성하기 전 한번 더 슥- 훑어보면 좋을 듯 하다~
마무리
데이터 분석가가 되려면 도메인 지식이랑 분석 툴을 다루는 것 뿐만 아니라,
좋은 소통을 위한 시각화 툴도 다룰 줄 알아야 하고,
좋은 분석을 위해서 통계적 지식과 문제 정의에 대한 통찰력이 필요하다는 것을 알 수 있었다.
캠프를 진행하면서 내가 이 부분들이 계속 발전하고 있는지
주기적으로 점검시간을 갖 것도 좋을 것 같다~
