코드카타
97번.
처음에 작성했던 것🔻
아침에 잠이 덜 깼나... count에 서브쿼리 쓰고있었다..ㅋㅋㅋㅋㅋㅋㅋㅋ
.
sum(case when order_date=customer_pref_delivery_date then 1 else 0 end)
이렇게 2개가 나와야 2/4라 immediate_percentage가 50이 나온다~
어제 과제해설에서 배운 case when이 활용된 문제라 좋았다.
count ver.
count(case when order_date = customer_pref_delivery_date then 1 end)sum ver.
sum(case when order_date = customer_pref_delivery_date then 1 else 0 end)count가 더 속도 빠른 것 같다.
avg ver.
이건 구글링으로 알게 됐다.
select round(avg(order_date = customer_pref_delivery_date)*100,2)avg 함수를 쓰면 우리가 원하는 결과를 sum /없이도 간단하게 구할 수 있다.
그리고 따로 숫자를 지정해주지 않아도 알아서 일치하는 값에 대해 1, 불일치 값에 대해 0을 출력해서 평균을 구해준다. 역시나 sum보다 빨랐다.
.
.
98번
select round(count(*)/(select count(distinct player_id) from activity),2) as fraction
from activity
where (player_id,event_date) in (select player_id,
min(event_date) + interval 1 day
from activity
group by 1).
.
99
.
.
100
select activity_date as day, count(distinct user_id) as active_users
from activity
where activity_date between '2019-07-27' - interval 29 day and '2019-07-27'
group by 1interval 30 day로 적었더니 31일 동안이 되어서..! 29로 고쳐줬다
.
.
101
호기롭게 with써놓고
and로 year 묶어주는 조건을 깜빡해서 한참 걸렸다..ㅠ
with find_min_year as(select product_id, min(year) as min_year, quantity, price
from sales
group by 1)
select s.product_id, s.year as first_year, s.quantity, s.price
from sales s
join find_min_year f
on s.product_id = f.product_id
and s.year=f.min_year근데 테이블 하나로 너무 쓸 데 없이 길어진 것 같아서 다른 풀이를 찾아보니,
where 절 섭쿼리로 훨씬 간단하게 풀었다
select s.product_id, s.year as first_year, s.quantity, s.price
from sales s
where (s.product_id,s.year) in (select s.product_id, min(s.year)
from sales s
group by 1)역시나 이 방법이 더 빨랐다.
아티클 스터디
오늘의 아티클
주제 : 데이터 기반 의사결정의 장점
-
주요 포인트 :
-
‘직관적임’은 때로는 도움이 될 수 있지만,
모든 결정을 내릴 때 본능적인 직관력에 의존하는 것은 위험한 실수가 될 수 있다.
따라서, 우리는 주어진 정보를 꼼꼼히 따져보고 이해하고 , 객관적으로 수량화 해야한다.📍데이터 기반의 의사결정이란
DDDM (Data -Driven Decision-Making)
: 의사결정 전에, 이대로 진행해도 무리가 없는지 체크하여 행동 방침을 승인하는 과정
데이터 기반 의사결정을 하는 이유
-
더 확실한 결정을 내릴 기회
다양한 사안들에 좀 더 결단력을 가지고 결정을 내릴 수 있다. 앞으로 내릴 의사결정에 영향을 주는 기반이 되기도 하고, 기존의 역량을 평가하는 데 활용 되기도 한다. -
진두지휘적 통솔력 탑재 가능
적합한 유형 및 적정량의 데이터로 데이터를 활용한 분석 연습을 충분히 한다면, 발 빠르게 사업 아이템을 확인하거나, 미리 위험성을 인지하고 중지시키는 등 효과적인 의사결정이 가능해진다. -
비용 절감 효과
하버드 비즈니스 리뷰빅데이터에 투자&활용하여 비용 절감을 위한 데이터 활용을 목표로 한다.
데이터 기반 업무 처리를 위해서 무엇을 해야하나?
-
예상치 못한 곳에서 패턴 찾기
데이터 분석의 목적은 핵심이 되는 다양한 데이터 포인트 사이에 존재하는 일정한 패턴&연관성 발견하기 ! -
데이터 기반으로 결정하기
의식적으로 분석적인 태도를 취하려 노력하기 -
데이터의 중요성 시각화 하기
차트나 그래프 형태를 활용해 눈에 띄는 시각자료 만들기
-
개인 인사이트
: 데이터 기반 의사결정의 중요성은 통계 강의를 들으면서도 익힐 수 있었다.
49.2% 정도가 실제로 비용절감에 성공했다는 것을 수치로 확인하니, 더 아티클의 중요성이 와닿았던 것 같다. 데이터를 잘 전처리 하여 패턴/연관성을 찾고 시각화를 하는 것에 대한 업무가 분석가의 주된 업무일 텐데, 더욱 사명감(?)을 가지게 된 것 같다.
-
핵심 개념 : 직관
-
용어 정리 : 감성적인 지각처럼, 추리나 연상, 판단 등의 사유 과정을 거치지 않고 대상을 직접적으로 파악하는 정신작용
-
실무 적용 : 스타벅스 - 입지선정
-
관련 사례 : 지리 정보 시스템(GIS) 기술을 사용하여 입지 선정 전략을 최적화함. 이 기술을 통해 지역 인구 통계, 교통 패턴 및 기타 관련 데이터를 분석할 수 있었으며, 이러한 정밀한 입지 선택 전략을 통해 신규 매장의 실적을 개선하고 매출을 높힘.
통계학 기초 - 2주차
발로 쓴 것 같지만, 손으로 썼습니다.
코드 복사한 것 보다 ,,, 낫죠,,,,,? 학부 때(아직 학부생이긴함) 배운 (기억나는...)내용이랑 섞어썼다.
아는거 나와서 재밌다고 !!!!!!!!!!!!!!!!!!
알고리즘 과제 복습
프로그램 기본요소
: 변수, 조건문, 반복문, 연산자, 함수, 클래스 etc ..
Multi-Line Docstring
예를 들면
"""
리스트의 길이(요소의 개수)를 반환하는 함수 -- 함수설명
매개변수: -- parameter
input_list (list): 길이를 계산할 리스트
반환값: -- return
int: 리스트의 요소 개수
예시:
get_len([1, 2, 3, 4]) # 4 반환
"""알고리즘 기능
print (help( )) 로 함수정보 확인해볼 수 있고,
pandas실습에서 배웠던 것 처럼
dir( ) 로 사용가능한 메서드 조회 가능하다.
.
** cf. ( 함수명 )
for 문에서 return 들여쓰기를 조심하자
리스트 비어있는 경우 처리 중요
:
if not input_list:
return Noneavg 분모 처리
:분모가 0인 경우, 예외 처리해주는 것 !! 필수로 여기기 !!!
느낀점 & 회고
방금 저녁에 세션 ot를 듣고왔는데... 숨쉴 시간은 월요일 화요일 이틀이면 충분했나보다..
다시 엄청난 학습량이 몰아칠 거 같은데 정신을 똑바로 차려야겠는걸.......!
시각화 강의 때, 강의를 너무 후루룩 몰아들은 것 같아서, 통계강의는 주차 하나씩 소화하고싶었는데..
이러면 안됐던 걸까 ....... !! (아니야.. 완강했는데 뇌에 든 게 없는 것 보다는 나을거야...)
무튼 이번주 주말을 이용해서라도 끝내야지. 안그럼 머신러닝..못해 ..
.
나.. standard 아니고 basic일지도...........?? 주르륵.....
오늘 남은시간동안.. 알고리즘을 좀 더 복습하고 자야겠다. . !
내일은 더 화이티이ㅣ이이이잉 🔥💥🔥💥
