Google Data Analytics Professional Certificate

Course 1. Foundations: Data, Data, Everywhere - Module 1

---

🪶 Today I Learned

데이터 생태계 이해하기

데이터 생태계란,
데이터를 생산, 관리, 저장, 구성, 분석 및 공유하기 위해 상호 작용하는 다양한 요소들의 집합입니다.
이는 하드웨어, 소프트웨어뿐만 아니라 이를 사용하는 사람들까지 포함합니다. 클라우드는 이러한 생태계의 중요한 부분으로, 컴퓨터 하드 드라이브가 아닌 온라인 상의 가상 위치에 데이터를 저장하는 공간입니다.

데이터 분석 프로세스

현업의 전문가들이 실제 데이터에서 의사결정까지 나아가는 데이터 분석 과정을 개념적으로 정리하였습니다. 모든 데이터 분석가가 따르는 단일한 구조는 없지만, 일반적으로 다음과 같은 단계를 포함합니다:

• Google 데이터 애널리틱스 프로세스

  1. 질문하기: 비즈니스 과제, 목표 또는 질문
  2. 준비: 데이터 생성, 수집, 저장 및 데이터 관리
  3. 처리: 데이터 정리 및 데이터 무결성
  4. 분석: 데이터 탐색, 시각화 및 분석
  5. 공유: 결과 전달 및 해석
  6. 실행: 문제 해결을 위한 인사이트 활용

이 과정은 Google, Dell EMC, SAS 등 다양한 기업에서 조금씩 다른 형태로 정의되고 있지만, 핵심 아이디어는 유사합니다.

데이터와 직감

형사와 데이터 애널리스트는 공통점이 많습니다. 둘 다 사실과 단서에 의존하여 의사결정을 내립니다.
사실을 수집하고 이해하기 위한 단계를 따르는 것이 실제 업무의 주요 내용이 됩니다.

• 데이터 + 비즈니스 도메인 지식 = 미스터리 해결

데이터와 비즈니스 지식, 그리고 약간의 직감을 혼합하는 것은 주니어 데이터 애널리스트의 일반적인 과정입니다. 핵심은 각 특정 프로젝트에 대한 적절한 조합을 파악하는 것입니다. 많은 경우, 분석의 목표에 따라 달라집니다.

그렇다면, 어떠한 A 프로젝트의 성공을 어떻게 정의할 수 있을까요?
케이스마다 적절한 균형을 찾기 위해 프로젝트에 대해 다음과 같은 질문을 스스로에게 해볼 수 있다고 합니다:

• 어떤 종류의 결과가 필요한가?
• 누구에게 정보를 제공할 것인가?
• 내가 묻는 질문에 제대로 답하고 있는가?
• 얼마나 빨리 결정을 내려야 하는가?

예를 들어, 급한 프로젝트를 진행 중이라면 평소보다 자신의 지식과 경험에 더 많이 의존해야 할 수도 있습니다. 사용 가능한 모든 데이터를 철저하게 분석할 시간이 충분하지 않을 수 있습니다. 하지만 많은 시간과 리소스가 필요한 프로젝트를 맡게 된다면 가장 좋은 전략은 데이터 중심적으로 접근하는 것입니다.

데이터 애널리스트에게 필요한 5가지 주요 기술

데이터 애널리스트가 되기 위해서는 다음과 같은 5가지 주요 기술이 필요합니다:

• 데이터 분석가적 사고

  1. 호기심 (Curiosity): 새로운 것을 배우고자 하는 궁금증, 열망
  2. 맥락 이해 (Understanding context): 데이터가 존재하거나 발생하는 조건을 파악하는 능력
  3. 기술적 사고방식 (Having a technical mindset): 문제를 작은 단계로 나누어 체계적으로 접근하는 능력
  4. 데이터 설계 (Data design): 정보를 명확하고 논리적으로 조직화하는 능력
  5. 데이터 전략 (Data strategy): 데이터 분석에 사용되는 사람, 프로세스 및 도구를 관리하는 능력

이러한 기술들은 실제 비즈니스 시나리오에서 데이터 기반 의사결정을 내리는 데 핵심적인 역할을 합니다.

분석적 사고의 5가지 핵심 측면

데이터 분석의 과정을 성공적으로 수행하기 위해서는 분석적 사고 (Analytical thinking)가 필수적입니다.
이는 다음 5가지 주요 측면으로 구성됩니다:

1. 시각화 (Visualization): 정보를 효과적으로 이해하고 전달하는 데 중요한 역할을 합니다. 데이터 분석가는 복잡한 데이터를 시각적으로 표현함으로써 인사이트를 더 쉽게 파악하고 다른 이들과 공유할 수 있습니다.

2. 전략 (Strategy): 방대한 데이터 속에서 집중력을 유지하고 프로젝트를 효율적으로 진행하는 데 필수적입니다. 전략적 사고는 분석가가 목표를 명확히 하고 그 목표를 달성하기 위한 최적의 방법을 결정하는 데 도움을 줍니다.

3. 문제 지향 (Problem-orientation): 문제를 정확히 식별하고, 설명하며, 해결하기 위한 접근 방식입니다. 이는 분석의 초점을 명확히 하고 실질적인 해결책을 도출하는 데 중요합니다.

4. 상관관계 (Correlation): 서로 다른 현상 간의 연관성을 파악하는 능력입니다.
   예를 들어, 머리 길이와 샴푸 사용량, 또는 장마철과 우산 판매량 사이의 관계를 이해하는 것이 이에 해당합니다.

5. 거시적 사고와 미시적 사고 (Big-picture and detail-oriented thinking): 가능성과 기회 등 더욱 거시적인 관점을 고려하면서도 실제 계획을 실행하는 데 도움되는 세부 사항을 놓치지 않는 능력입니다. 이는 마치 직소퍼즐을 맞추는 것과 같이, 전체 그림을 보면서도 각 조각의 세부 사항에 주의를 기울이는 것이 중요합니다.

이러한 분석적 사고의 측면들은 데이터 분석가가 복잡한 문제를 해결하고 의미 있는 인사이트를 도출하는 데 필수적인 역할을 합니다. 이를 통해 분석가 자신이 속한 조직의 비즈니스 문제를 파악하고 데이터 기반 의사결정을 효과적으로 지원할 수 있습니다.

---

🗨️ 코멘트
데이터 분석가로서의 스킬셋을 익히고 물리적인 지식의 양을 채우는 것에 더해서 개인적으로 이 직무가 나에게 체화될 수 있도록 도와주는 코스가 될 것 같다. 주요 업무 특성, 조직에 속한 데이터 분석가가 생각하게 되는 지점들, 그것들을 풀어나가는 방식에 대해 고민해보게 되었다.

---

📚 학습한 자료 정보

• 코스 출처 : Google Data Analytics Professional Certificate https://www.coursera.org/professional-certificates/google-data-analytics
• 오늘 수강 범위 : Course 1. Foundations: Data, Data, Everywhere - Module 1
• 추가 참고 자료
  • Work on your next Data Analytics project in 6 steps https://medium.com/codex/life-cycle-of-a-data-analytics-project-954d0e6926fe