Streamlit 1일차

01. 대시보드란 무엇인가? 좋은 대시보드란?

✔️ 대시보드가 왜 필요한지, 그리고 좋은 대시보드가 갖춰야 할 조건을 살펴봅니다.

• 데이터 홍수 시대, 왜 대시보드인가?
  • 데이터 홍수 시대 오늘날 기업은 생산, 품질, 재고, 마케팅 등 다양한 부문에서 방대한 양의 데이터를 수집합니다. 하지만 단순히 데이터를 축적하기만 해서는 업무에 인사이트를 얻기 어렵습니다. → 대시보드는 여러 소스의 데이터를 한눈에 보기 쉽게 시각화하여, 업무 효율 및 의사결정 속도를 높여주는 전략적 도구입니다.
  • 대시보드란? 👌 직관적으로 **필요한 데이터를 이해**하고 **의사결정을 지원**하는 것 -------------------------------------------------------------
• 좋은 대시보드
  
• 명확한 목적 정의
  • “누가, 무엇을 위해 이 데이터를 보는가?”부터 설정
  • 예) 경영진: 전체 사업 성과 모니터링 / 품질팀: 불량률 저감 대책 / 생산관리자: 라인별 가동률 확인
• 핵심 지표(KPI) 중심
  • 너무 많은 지표는 혼란을 부르므로, 주요 KPI 몇 개를 최우선으로 배치
  • 예) 제조업에서는 OEE(설비종합효율), 불량률, 다운타임, 재고 회전율 등이 대표적
• 비교와 맥락 제공
  • 시간(월별, 주별, 전년 대비), 목표 대비, 경쟁사·카테고리 평균 대비 등으로 트렌드와 이상치를 신속히 파악
  • 맥락이 있어야 “왜 이런 문제가 생겼나?”를 빠르게 찾을 수 있음
• 인터랙티브 기능
  • 필터, 드릴다운(차트를 클릭하면 상세 정보 확인) 등을 제공해 사용자가 직접 데이터를 탐색
  • 필요 시 특정 구간만 집계하거나, 다른 지표와 연동해 볼 수 있어야 함

• 제조업 분야에서의 대시보드 사례

• 비가동률 (Downtime in %)

  • 제조 스테이션(또는 라인)의 전체 가동 시간 중 비가동(Down) 상태에 있었던 비율을 시각적으로 표시합니다.
  • 해당 지표를 활용하여 생산성 저하 원인을 분석하고, 개선이 필요한 영역을 파악할 수 있습니다.

• 가동률 (Uptime in %)

  • 비가동률과 반대로, 전체 운영 시간 중 실제로 가동(Running) 상태에 있었던 비율을 나타냅니다.
  • 높은 가동률을 유지하는 것이 생산성 향상과 직결되므로, 이 지표는 운영 효율성을 평가하는 데 중요한 역할을 합니다.

• 초기 합격률 (First Pass Yield, FPY %)

  • 생산된 제품이 첫 번째 품질 검사에서 합격하는 비율을 나타냅니다.
  • 이 지표는 제조 공정의 품질 및 효율성을 평가하는 중요한 기준으로 사용됩니다.
  • 높은 FPY는 불량품 발생률이 낮고, 재작업(rework)이나 폐기(scrap) 비용이 절감됨을 의미합니다.

• 운영 및 비가동 이벤트 (Running and Down Events)

  • 시간 흐름에 따라 운영(Running), 비가동(Down), 유휴(IDLE), 정지(OFF) 상태의 이벤트를 시각적으로 표현한 그래프입니다.
  • 각 상태별 색상을 사용하여, 제조 공정에서 어떤 이벤트가 언제 발생했는지 한눈에 볼 수 있도록 설계되었습니다.
  • 이를 통해 특정 시간대 또는 조건에서 발생하는 패턴을 분석하고, 운영 최적화를 위한 전략을 수립할 수 있습니다.

• 비가동 사유 분석 (Downtime Reasons)
  - 비가동 발생의 주요 원인을 분석하는 바(bar) 차트를 제공합니다.
  - 각 비가동 사유는 고유한 색상으로 구분되며, 이를 통해 가장 큰 원인을 시각적으로 파악할 수 있습니다.
  - 이 정보를 활용하면, 공정의 주요 문제점을 식별하고, 개선 조치를 실행할 수 있습니다.
  

• 불량률 (Defect Rate)

  • 전체 생산량 중 불량 제품이 차지하는 비율을 측정합니다.
  • 높은 불량률은 생산 공정의 품질 문제가 있다는 신호이며, 원인 분석 및 개선이 필요합니다.

• 스크랩률 (Scrap Rate)

  • 생산 과정에서 폐기된 원자재 비율을 측정합니다.
  • 원자재 손실을 최소화하면 비용 절감 효과를 얻을 수 있으며, 환경적 지속 가능성에도 기여할 수 있습니다.

02. 시각화란 무엇인가? 좋은 시각화란?

✔️ **대시보드 구성의 핵심 도구, ‘시각화’의 개념과 좋은 시각화를 구현하기 위한 기본 원칙을 알아봅니다**

• 시각화란? 📌 숫자·텍스트 형태의 데이터를 **차트, 그래프, 지도 등** 시각 요소로 표현 **사람의 뇌는 시각 정보를 빠르게 처리하므로, 복잡한 수치를 직관적으로 이해하게 해줌**
• 좋은 시각화 원칙
  • 명확성(Clarity)
    • 그래프를 보는 순간 무엇을 말하고자 하는지 즉시 파악 가능
    • 축 라벨, 단위, 범례 등을 정확히 기재
  • 단순성(Simplicity)
    • 불필요한 색상, 3D, 그림자 효과 줄이기
    • 한 차트에는 2~4개 정도의 비교 항목이 적당
  • 목적성(Purpose)
    • “이 그래프가 어떤 의사결정을 돕는가?”를 확실히 인지
    • 예) “월별 불량률 증가 시점을 알려주어, 즉각 개선 조치”
  • 일관성(Consistency)
    • 대시보드 전체적으로 같은 차트 스타일, 색상 체계를 유지
    • 같은 지표는 동일 색상·축 범위를 사용해 혼란 방지

03. Streamlit 이란?

Python을 활용한 간단한 웹앱 제작 라이브러리!

Streamlit은 Python을 사용하여 데이터 애플리케이션을 빠르고 쉽게 만들 수 있게 해주는 오픈소스 웹 애플리케이션 프레임워크입니다. 주로 머신러닝 엔지니어, 그리고 데이터 분석가들이 간단한 Python 코드를 통해 데이터 시각화, 대시보드, 인터랙티브 웹 애플리케이션을 개발할 수 있도록 설계되었습니다.

• 간단한 사용법: 복잡한 웹 개발 기술 없이도 Python 코드만으로 쉽게 웹 애플리케이션을 만들 수 있습니다. Streamlit은 명령형 프로그래밍 모델을 사용하여 직관적으로 애플리케이션을 작성할 수 있습니다.

• 실시간 업데이트: 코드가 수정될 때마다 애플리케이션이 자동으로 업데이트되므로, 빠른 프로토타이핑과 개발이 가능합니다.

• 대화형 위젯: 슬라이더, 버튼, 셀렉트 박스 등의 다양한 대화형 위젯을 제공하여 사용자와의 상호작용을 쉽게 구현할 수 있습니다.

• 데이터 시각화: Matplotlib, Plotly등 다양한 데이터 시각화 라이브러리와의 호환성을 갖추고 있어, 데이터를 손쉽게 시각화할 수 있습니다.

• 배포 용이성: Streamlit 앱은 간단히 터미널에서 실행할 수 있으며, Streamlit Cloud를 통해 쉽게 배포할 수 있습니다. 그것도 무료로!!

• 각 툴의 특성

  • Tableau: 시각화 및 대시보드 생성에 강점이 있는 BI(Business Intelligence) 도구로, 드래그 앤 드롭 방식으로 쉽게 시각화를 구성할 수 있습니다. 다양한 데이터 소스에 손쉽게 연결하고, 경영자나 실무자를 위한 직관적인 대시보드를 만드는 데 최적화되어 있습니다.
  • Streamlit: Python 기반으로, 데이터 사이언스 및 머신러닝 모델을 신속히 시각화하고 앱 형태로 보여주기에 특화된 프레임워크입니다. 테이블이나 간단한 차트뿐 아니라 모델 예측 결과, 사용자 입력에 따른 실시간 분석 등을 손쉽게 구현할 수 있습니다.

• 왜 Tableau를 배운 뒤 Streamlit까지 배워야 할까?

  • 고급 데이터 분석/모델링 확장성: Tableau는 BI 관점의 시각화에 탁월하지만, 머신러닝 모델의 배포나 대화형 앱 구성에는 한계가 있을 수 있습니다. Streamlit은 Python 코드를 통해 모델 실행부터 결과 시각화까지를 하나의 앱으로 통합할 수 있습니다.
  • 유연한 커스터마이징: Streamlit은 직접 Python 코드를 작성하기 때문에, 원하는 대로 분석 프로세스나 시각화를 커스터마이징하기 쉽습니다.
  • 빠른 프로토타이핑 & 배포: Streamlit으로는 간단한 코드만으로 웹 앱을 곧바로 만들고, 공유할 수 있습니다. 모델의 데모나 데이터 분석 결과를 신속하게 다른 사람들과 공유할 수 있죠.