[TIL]데이터 분석 부트캠프(4기) 11일차

Data_Student·2024년 10월 23일
1

TIL

목록 보기
11/34

[TIL]데이터 분석 부트캠프(4기) 11일차


0. 들어가며

  • 파이썬은 계속 익숙해질 때까지 코드카타와 메커니즘에 익숙해지자!
  • 블로그 시리즈로 작성한 내용 정리 중~
  • 배웠던 내용들을 어느 정도까지 잘라서 모아둘지 고민중!

1. 오전 일과

1-1 코드카타

내용 정리 링크
1. https://velog.io/@dav74/%EC%BD%94%EB%93%9C%EC%B9%B4%ED%83%80-SQL-01
2. https://velog.io/@dav74/%EC%BD%94%EB%93%9C%EC%B9%B4%ED%83%80-SQL-02-%EC%9E%90%EB%8F%99%EC%B0%A8-%ED%8F%89%EA%B7%A0-%EB%8C%80%EC%97%AC-%EA%B8%B0%EA%B0%84-%EA%B5%AC%ED%95%98%EA%B8%B0
3. https://velog.io/@dav74/%EC%BD%94%EB%93%9C%EC%B9%B4%ED%83%80-SQL-03-%ED%97%A4%EB%B9%84-%EC%9C%A0%EC%A0%80%EA%B0%80-%EC%86%8C%EC%9C%A0%ED%95%9C-%EC%9E%A5%EC%86%8C

  • 코드카타 3문제 풀이 완료

    1. 자동차 대여 기록에서 장기/단기 대여 구분하기
    2. 자동차 평균 대여 기간 구하기
    3. 헤비 유저가 소유한 장소
    • 1, 2번 문제는 연속된 느낌으로, 대여 기간에 대한 고민이 필요!

1-2 과제 제출

  • 1번부터 6번까지는 풀이 완료
  • 7, 8번 문제는 개인적으로 풀기 어려운 난이도..!

2. 오후 일과

2-1 파이썬 라이브 세션 - 과제 해설

  • 1~8번 문제 모두 시간이 지난 후 다시 풀어보기!
    • 파이썬 문제는 코드카타로 익숙해지고 특정 메커니즘에 익숙해지기!

2-2 파이썬 라이브 세션 - 1, 2회차 복습 및 내용 정리

1회차 내용 정리 -
https://velog.io/@dav74/Python-%EC%98%88%EC%A0%9C%EB%A1%9C-%EC%9D%B5%ED%9E%88%EB%8A%94-Python-01
2회차 내용 정리 -
https://velog.io/@dav74/Python-%EC%98%88%EC%A0%9C%EB%A1%9C-%EC%9D%B5%ED%9E%88%EB%8A%94-Python-02

2-3 ADsP 4강 내용 정리

  • ADsP 4강 내용 정리(추후 링크로 정리 후 수정 예정)

    02 과목 데이터 분석 기획
    02장 분석 마스터플랜
    01 마스터플랜 수립

    1. 마스터플랜 수립
      1) 분석 마스터플랜의 개념

      • 분석 마스터플랜이란 어떤 하나의 분석 프로젝트를 위한 전체 설계도와 같으며, 분석 방법론과 과제발굴 수행과정을 모두 아우르는 광의의 개념
        2) 분석 마스터플랜 수립 프레임워크 ★★
      • 우선순위 고려요소
        • 전략적 중요도
        • 비즈니스 성과 및 ROI
        • 분석 과제의 실행 용이성
      • 적용 범위 / 방식 고려요소
        • 업무 내재화 적용 수준
        • 분석 데이터 적용 수준
        • 기술의 적용 수준
    2. 수행 과제 도출 및 우선순위 평가
      1) 일반적인 IT 프로젝트 우선순위 평가 ★★

      • 전략적 중요도
        • 전략적 필요성
        • 시급성
      • 실행 용이성
        투자 용이성
        기술 용이성
        2) 빅데이터의 특징을 고려한 분석 ROI 요소 ★★
      • 3V(Volume, Variety, Velocity), 투자비용 요소
      • 1V(Value), 비즈니스 효과
        3) ROI를 활용한 우선순위 평가 기준 ★★
      • 시급성 : 중요도 - Value
      • 난이도 : 적합성 - Volume, Variety, Velocity
        4) 포트폴리오 사분면 분석을 활용한 우선순위 평가 기준 ★★
      • 우선순위 : 시급성 - 3 → 1 → 4 → 2
      • 우선순위 : 난이도 - 3 → 4 → 1 → 2
        참고 : 마스터 플랜 vs ISP
    3. 이행 계획 수립
      1) 로드맵 수립

      • 단계별로 추진하고자 하는 목표를 정의, 과제별 선후행 관계를 고려하여 단계별 추진 내용 정렬
        • 1단계 - 분석 체계 도입
        • 2단계 - 분석 유효성 검사
        • 3단계 - 분석 확산 및 고도화
          2) 세부 이행계획 수립
      • 고전적인 폭포수 방식도 있으나 반복적인 모델링 과정을 통해 완성도를 높이는 방식을 주로 사용하나 모델링 단계를 반복하는 혼합형을 많이 적용
      • 기존 구현 방식
        • 설계 - 구현 - 테스트
      • Analytics 구현 방식(혼합형)
        • 분석 데이터 수집/확보 - 분석 데이터 준비 - 모델링 및 평가(반복)

      02 분석 거버넌스 체계 수립

    4. 거버넌스 체계 개요
      1) 분석 거버넌스 체계 개요

      • 거버넌스 : 통치라는 뜻, 기업에서 의사결정을 위한 데이터 분석과 활용을 위한 체계적인 관리를 의미
        2) 분석 거버넌스 체계 구성 요소 ★
      • 조직 : 분석 기획 및 관리를 수행
      • 과제 기획 및 운영 프로세스
      • 분석 관련 시스템
      • 데이터
      • 분석 관련 교육 및 마인드 육성 체계
    5. 데이터 분석 성숙도 모델 및 수준 진단
      1) 분석 수준 진단 프레임 워크

      • 분석 준비도와 분석 성숙도를 통해 데이터 분석 수준을 진단하고 데이터 분석 기반을 구현하기 위해 무엇을 준비하고 보완해야 하는지 등 분석의 유형 및 분석의 방향성을 결정
        2) 분석 준비도 ★★★ (세부 내용 확인 필수)
      • 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단 방법
      • 분석 업무 파악
      • 분석 인력 및 조직
      • 분석 기법
      • 분석 데이터
      • 분석 문화
      • IT 인프라
        3) 분석 성숙도
      • 비즈니스 부문, 조직 및 역량 부문, IT 부문 3개 부분을 대상으로 구분
      • 1단계 - 도입
      • 2단계 - 활용
      • 3단계 - 확산
      • 4단계 - 최적화
        4) 분석 수준 진단 결과
      • 분석 관점에서 4가지 유형으로 분석 수준 진단 결과를 구분해 향후 목표 방향을 정의, 유형별 특성에 따라 개선 방안을 수립
      • 준비형 - 낮은 준비도, 낮은 성숙도
      • 정착형 - 낮은 준비도, 높은 성숙도
      • 확산형 - 높은 준비도, 높은 성숙도
      • 도입형 - 높은 준비도, 낮은 성숙도
    6. 분석 지원 인프라 방안 수립
      1) 플랫폼으로 인프라 구축

      • 과제 단위별 시스템 구축은 관리의 복잡도 및 비용 증대
    7. 데이터 거버넌스 체계 수립
      1) 데이터 거버넌스 구성 요소
      (1) 개요

      • 데이터 거버넌스란 전사 차원의 모든 데이터에 대해 정책 및 지침, 표준화, 운영 조직 및 책임 등의 표준화된 관리 체계를 수립하고 운영을 위한 프레임워크 및 저장소를 구축하는 것
      • 마스터 데이터, 메타데이터, 데이터 사전 등은 중요한 관리 대상
        (2) 데이터 거버넌스 구성 요소
      • 원칙 : 데이터를 유지 관리하기 위한 지침과 가이드
      • 조직 : 데이터를 관리할 조직의 역할과 책임
      • 프로세스 : 데이터 관리를 위한 활동과 체계
        2) 데이터 거버넌스 체계
        (1) 데이터 표준화
        (2) 데이터 관리 체계
        (3) 데이터 저장소 관리(Repository)
        (4) 표준화
    8. 데이터 조직 및 인력방안 수립
      1) 데이터 분석 조직 및 인력방안 개요
      (1) 데이터 분석 조직

      • 기업 내에 존재하는 빅데이터 속에서 가치를 찾아 전파하고 이를 행동화하는 역할
      • 목표 → 역할 → 구성
        (2) 조직 및 인력 구성 시 고려사항
      • 조직 구조
      • 인력 구성
        2) 데이터 분석 조직 유형 ★★★ (이미지로 이해하기!)
        (1) 집중형 조직 구조 - 조직 내 별도의 독립된 전담 조직 구성
        (2) 기능 중심의 조직 구조 - 각 부서에서 직접 분석하는 형태
        (3) 분산형 조직 구조 - 인력을 현업 부서에 배치해 분석 업무를 수행
    9. 분석 과제 관리 프로세스 수립
      1) 분석 과제 관리 프로세스 수립 개요

      • 지속적인 분석 니즈 및 기회가 분석 과제 형태로 도출
      • 도출된 분석 과제들을 체계적으로 관리하기 위한 프로세스가 요구
        2) 분석 과제 관리 프로세스 ★★
      • 과제 발굴, 과제 수행으로 구분
      • 과제 발굴 : 과제를 발굴하고 이를 과제화하여 관리하고 분석 과제로 선정
      • 과제 수행 : 선정된 과제를 수행하면서 지속적인 모니터링, 결과를 공유 및 개선하는 절차를 수행
    10. 분석 교육 및 변화관리
      1) 분석 교육 및 변화관리의 개요
      2) 분석 도입에 대한 문화적 대응
      3) 분석 교육

2-4 데이터 전처리 & 시각화 강의

1회차 내용 정리 -
https://velog.io/@dav74/Python-%EB%8D%B0%EC%9D%B4%ED%84%B0-%EC%A0%84%EC%B2%98%EB%A6%AC-%EC%8B%9C%EA%B0%81%ED%99%94-01
2회차 내용 정리 -
https://velog.io/@dav74/Python-%EB%8D%B0%EC%9D%B4%ED%84%B0-%EC%A0%84%EC%B2%98%EB%A6%AC-%EC%8B%9C%EA%B0%81%ED%99%94-02

2-5 아티클 스터디


3. 마치며

  • 코드는 많이 보고, 왜 그런지 생각해보자!
  • 기본 개념을 숙지했다면 메커니즘, 문제 등 다양한 자료를 보고 손과 눈에 익숙해지자!
  • 강의에서 필요한 내용은 무조건 한번 이상 더 해보고, 필요하면 그 이상 반복하자!
  • 문제를 해결할 때에는 풀이 시간을 정하고 진행하며, 풀이법을 먼저 생각하고 코드 작성하자!

0개의 댓글