ep1-3. 데이터 분석의 직무와 나

** 이 포스트는 Coursera의 Google Data Analytics Professional Certificate의 강의 내용 일부를 발췌한 학습 요약본입니다.

"As a data analyst, you embody the qualities of an explorer, a detective, and an artist."
"데이터 분석가는 탐험가, 탐정, 그리고 예술가의 자질을 모두 겸비한다."

데이터 분석가의 다차원성 :
데이터 분석가는 탐험가, 탐정, 그리고 예술가의 자질을 필요로 합니다. 이 여정은 영감을 얻기위한 탐구, 데이터 내에 숨겨진 귀중한 통찰력을 발굴하려는 욕구에 의해 주도됩니다. 미지의 것 탐험하면서 데이터의 진정한 잠재력을 발견하게 됩니다.

데이터 분석의 전문화 및 편견
일반적인 편견과는 달리, 오늘날의 데이터가 풍부한 세상에서는 제너럴한 데이터 전문가가 되는 것은 비현실적입니다. 늘어난 데이터의 양은 전문가를 필요로 합니다. 한 사람이 데이터 분석의 모든 측면을 포괄할 수 없습니다. 이것이 바로 분야 내에서 다양한 역할이 존재하는 이유입니다. 각 개인이 특정 영역에서 집중하고 탁월할 수 있도록 합니다. 전문화 분야를 선택할 때, 당신의 개성과 원하는 영향력에 가장 잘 맞는 맛을 고려하는 것이 중요합니다.

데이터 과학의 세 가지 기둥
데이터 과학은 기계 학습, 통계, 분석의 세 가지 학문을 포괄하는 우산 용어입니다. 이 학문들은 당신이 데이터에 들어가기 전에 하고자 하는 결정의 수에 따라 다릅니다. 만약 당신이 불확실성 하에서 몇 가지 중요한 결정을 내리고자 한다면, 통계학이 당신의 영역입니다. 반면에, 불확실성 하에서 많은 결정을 자동화하는 것이 당신을 흥분시킨다면, 기계 학습과 AI가 당신의 길입니다. 하지만 만약 당신이 영감을 갈망하고, 알려지지 않은 미지와 마주하고, 당신의 세계를 이해하고자 한다면? 바로 거기서 분석이 빛을 발합니다.

개성에 따라 선택하기
이상적인 전문화 분야를 결정하기 위해서는, 당신의 고유한 개성과 원하는 영향력에 맞게 선택하는 것이 중요합니다. 통계는 엄격함에서 우수합니다. 통계학자들은 철학적이고 인식론적 사고를 구현합니다. 그들은 결정권자들이 잘못된 결론을 내리지 않도록 세심하게 보호합니다. 만약 당신이 이 정도의 관심과 정밀함에 열정적이라면, 통계학은 훌륭한 선택입니다. 성능과 고도로 정확한 자동화 시스템을 구축하는 도전으로 구동되는 사람들에게는 기계 학습과 AI가 당신의 영역입니다.

분석의 우수성
데이터 분석은 방대한 양의 데이터를 신속하게 탐색하는 예술입니다. 분석가로서, 당신은 탐색의 모호함을 즐기고, 다양한 데이터 소스에 열심히 뛰어들고, 방대한 양의 정보를 탐색합니다. 당신의 목표는 의사 결정권자들에게 정보를 제공할 잠재적인 통찰력을 추출하는 것입니다. 만약 당신이 창의적이고 개방적인 프로젝트와 미개척 데이터에서 가치 있는 덩어리를 발굴하는 도전에 흥미를 느낀다면, 분석은 아마도 당신의 이상적인 적합성일 것입니다.

데이터 분석의 여정
탐험의 길을 걷는 것은 다소 위협적일 수 있지만, 완벽주의를 내려놓고 탐구의 짜릿함을 즐기는 것이 중요합니다. 처음부터 모든 답을 가지고 있을 필요는 없습니다. 대신, 데이터가 주는 선물을 풀어내는 과정을 즐기고, 데이터가 제공하는 모든 것을 열심히 탐색하십시오. 생일 선물의 포장지를 벗겨내는 것과 비슷합니다. 데이터 분석의 진정한 재미는 데이터라는 미스터리 박스 안에 무엇이 있는지 발견하는 것입니다.

Decision Intelligence는 응용 데이터 과학과 사회/관리 과학의 매혹적인 조합을 제공합니다. 이 영역을 탐색할 때, 당신의 개성과 원하는 영향력에 따라 전문화 분야를 선택하세요. 탐험의 짜릿함을 포용하고 완벽주의를 놓아두세요. 귀중한 통찰력을 발견하고 데이터의 잠재력을 잠금 해제하는 여정을 즐기세요. 그것은 생일 선물을 푸는 것과 같습니다. 모험 자체를 즐기시기 바랍니다.

강의 원본: https://www.coursera.org/professional-certificates/google-data-analytics?skipBrowseRedirect=true

추가 자료: https://www.linkedin.com/pulse/data-analysis-art-scienceor-both-harsh-kabra-adobe/