데이터란?
- 데이터는 특정 사실이나 정보의 집합
데이터 유형
-
정성적 데이터는 숫자가 아닌 데이터로, 측정하거나 계산할 수 없는 서술형 데이터
ex) 사람의 감정, 동기, 의견
-
정량적 데이터는 숫자로 표현되며, 셀 수 있고 측정 가능, 비교 가능
ex) 수량과 평균 같은 수치
데이터 분석이란?
- 데이터 정리
- 데이터 변환
- 데이터 조작
- 데이터 검사
- 인사이트 도출
데이터 분석 핵심
- 데이터를 분석하여 경쟁업체를 이해하고, 제품 및 서비스를 현재 시장의 요구사항에 맞출 수 있다.
- 여러분의 제품과 서비스가 경쟁사와 비교하여 시장에서 얼마나 경쟁력이 있는지 측정 가능
- 정확한 데이터에 대한 데이터 분석을 수행함으로써 어떻게 하면 정보에 입각한 올바른 결정을 내릴 수 있는지 더 잘 이해할 수 있다.
데이터 분석 프로세스 개요
1. 질문 인식 및 식별
- 실제로 데이터 분석을 수행하는 이유, 목표를 설정
ex) 분석 필요성, 데이터 종류, 데이터 분석 이유, 문제 해결 방향 등 - 해당 단계는 비즈니스 목표에 대한 이해도와 인사이트 중요
2. 원시 데이터 수집
- 데이터 유형을 분류(정성적, 정량적)
3. 데이터 정제
- 해당 데이터의 구조를 이해 중요
- 데이터의 오류를 수정하고 데이터를 가다듬고 정렬해야 한다.(데이터 구조화)
ex) outlier 찾기, 일관성이 떨어지는 데이터 수정 등 - 데이터의 구조화를 통해 데이터의 품질 향상 및 적합한 데이터에 초점을 두고 분석할 수 있음
4. 데이터 분석
- 정의했던 질문과 목표에 따라 데이터 분석하는 단계
- 4가지 데이터 분석 기술
- 기술적 분석 - 수집된 데이터 요약 및 목표에 대한 데이터 분석
- 진단적 분석 - 문제 원인 이해 및 패턴 분석
- 예측 분석 - 미래 예측 분석
- 처방적 분석 - 3가지 분석의 인사이트를 모아 예측한 일에 대한 대비책 및 실행 가능한 계획 수립
5. 결과 공유
- 결과 해석
- 데이터 시각화 도구 사용(차트, 그래프, 대시보드 등)
- 의사 결정자에게 분석한 내용과 결과를 효과적으로 공유 가능
데이터 분석에 필요한 기술
수학 - 확률과 통계, 미적분, 선형대수학
데이터 베이스 - SQL, 관계형 데이터베이스
프로그래밍 언어 - 파이썬(pandas, numpy, matplotlib 등), R
[인사이트]
데이터를 분석할 때 목표에 대한 분석에만 집중하여 몰랐던 여러 방향에 대한 분석이 다양하다는 것을 알게 되었다.
팀원 전체의 인사이트
[공통 인사이트]
- 데이터 분석 과정, 데이터 분석의 중요성 등을 알게 되었다.
- 데이터 분석 역량을 기르고 전문가로 성장하기 위한 동기를 얻었다.
[의미 있었던 의견]
- ‘상관관계만으로는 부족하지 않을까?’라는 질문이 흥미로웠다. 인과관계까지 파악하면 좋겠지만, 인과관계를 뚜렷하게 파악하기 힘든 실무 환경에서 ‘A랑 B는 관련이 있다’는 상관관계만으로 유의미한 결론이라고 볼 수 있는지 궁금하다.
- ‘데이터의 규칙성을 찾는다’라는 말이 아직 추상적으로 다가온다.
