ADsP 핵심 요약 암기노트
1. 데이터 이해
1. 데이터의 정의
데이터 → 정보 → 지식 → 지혜
| 단계 | 설명 |
|---|---|
| 데이터 | 가공되지 않은 사실 |
| 정보 | 의미 있는 데이터 |
| 지식 | 경험과 결합된 정보 |
| 지혜 | 의사결정에 활용 |
2. 데이터 특징 (4V)
| 요소 | 의미 |
|---|---|
| Volume | 데이터 규모 |
| Velocity | 데이터 생성 속도 |
| Variety | 데이터 종류 |
| Value | 데이터 가치 |
※ 시험에서 Velocity / Variety 혼동 문제 자주 출제
3. 데이터 유형
정형 데이터 (Structured Data)
- RDB
- 테이블 형태
- SQL 분석 가능
예
- 고객 DB
- 매출 데이터
반정형 데이터 (Semi-Structured Data)
- XML
- JSON
비정형 데이터 (Unstructured Data)
- 텍스트
- 영상
- 음성
- SNS 데이터
4. 데이터베이스 특징
| 특징 | 의미 |
|---|---|
| 통합성 | 데이터 중복 최소 |
| 저장성 | 지속적으로 저장 |
| 공용성 | 여러 사용자가 공유 |
| 변화성 | 데이터 수정 가능 |
5. 데이터베이스 구조 (3계층 구조)
| 계층 | 설명 |
|---|---|
| External Schema | 사용자 관점 |
| Conceptual Schema | 전체 구조 |
| Internal Schema | 물리적 저장 구조 |
6. 데이터 마이닝
대량 데이터에서 패턴을 발견하는 기술
대표 기법
- 분류 (Classification)
- 군집 (Clustering)
- 연관 규칙 (Association)
- 회귀 (Regression)
2. 데이터 분석 기획
1. 데이터 분석 프로세스
CRISP-DM
데이터 분석 산업 표준 프로세스
- Business Understanding
- Data Understanding
- Data Preparation
- Modeling
- Evaluation
- Deployment
암기
비즈니스 → 데이터 → 준비 → 모델 → 평가 → 배포
2. KDD 분석 프로세스
- 데이터 선택
- 데이터 전처리
- 데이터 변환
- 데이터 마이닝
- 결과 해석
3. 분석 방법론 비교
| 방법론 | 특징 |
|---|---|
| CRISP-DM | 산업 표준 |
| KDD | 데이터 중심 |
| SEMMA | SAS 분석 방법론 |
SEMMA 단계
- Sample
- Explore
- Modify
- Model
- Assess
4. 분석 과제 도출 방법
| 방식 | 설명 |
|---|---|
| Top-down | 문제 → 데이터 |
| Bottom-up | 데이터 → 문제 |
5. 분석 과제 우선순위
평가 기준
- 전략 적합성
- 실행 가능성
- ROI (Return on Investment)
6. 분석 조직 유형
| 유형 | 특징 |
|---|---|
| 집중형 | 중앙 분석 조직 |
| 기능형 | 부서별 분석 |
| 혼합형 | 두 방식 결합 |
3. 데이터 분석
1. 통계 기초
평균
평균 = Σx / n
중앙값
데이터 가운데 값
최빈값
가장 많이 나온 값
분산
데이터 퍼짐 정도
표준편차
분산의 제곱근
2. 정규분포
특징
- 평균 = 중앙값 = 최빈값
- 종 모양 분포
68-95-99 법칙
| 범위 | 확률 |
|---|---|
| ±1σ | 68% |
| ±2σ | 95% |
| ±3σ | 99% |
3. 가설검정
| 개념 | 의미 |
|---|---|
| 귀무가설 (H0) | 차이 없음 |
| 대립가설 (H1) | 차이 있음 |
p-value 기준
p < 0.05 → 귀무가설 기각
4. 상관분석
상관계수 r
범위
-1 ~ +1
| 값 | 의미 |
|---|---|
| +1 | 완전 양의 상관 |
| 0 | 상관 없음 |
| -1 | 완전 음의 상관 |
5. 회귀분석
독립변수 → 종속변수 영향 분석
단순회귀식
Y = a + bX
6. 분류 분석 (Classification)
대표 알고리즘
- 의사결정나무
- 로지스틱 회귀
- SVM
- 랜덤포레스트
7. 군집 분석 (Clustering)
비지도 학습
대표 알고리즘
- K-means
- 계층적 군집
8. 연관 분석 (Association Analysis)
대표 알고리즘
- Apriori
주요 지표
| 지표 | 의미 |
|---|---|
| Support | 발생 빈도 |
| Confidence | 조건 확률 |
| Lift | 연관 강도 |
ADsP 시험 핵심 암기 포인트
시험에서 자주 출제되는 핵심 개념
- CRISP-DM 6단계
- 데이터 4V
- SEMMA 단계
- 가설검정 p-value 기준
- Support / Confidence / Lift
- 정규분포 68-95-99 법칙
- Top-down vs Bottom-up 분석 방식
내일배움캠프 PM 6기