📖 데이터 읽기의 기술

많은 데이터보다 더 중요한 것은 그 많은 데이터로부터 얻고 싶은 인사이트가 무엇인지 명확히 하는 것

데이터를 제대로 분석하기 위해서는 큰 목적뿐만 아니라 프로젝트의 주제를 점점 구체화하는 과정이 필요하다.

프로젝트가 흘러가는 과정 : 목적 - 프로젝트 - 주제 - 연구 문제 - 인사이트 - 모델링 - 전처리 - 데이터

탈집중화 모델 : 문석가 집단이 통합 구조 없이 사업 단위로만 일을 하게 되면 분석력의 미성숙을 반영하게 된다.

최대한 세밀한 단위로 데이터를 나누어 보는 것 -> 새로운 연구 가능

분석가 스스로 데이터의 목적을 만들어내야 한다.[💬이 목적을 어떻게 하면 만들어낼 수 있을까]

who (고객 정의) : 내가 분석하고 있는 기업, 제품, 서비스의 고객은 누구인가? 인구통계학적 특성에 집중하기 보다 고객 그룹이 갖는 행동 특성을 정의하는데 집중하기. 고객 집단화 / 세분화의 함정에 빠지지 말기

when (시계열 변화, 프로모션 시점) : 고객이 언제 오고, 언제 오지 않는가? 매출이 언제 오르고, 언제 떨어지는가? -> 시계열 데이터는 이상 징후를 발견하는 데 가장 필요한 데이터

what (제품 카테고리-인덱스, 제품 개발 인사이트) : 고객이 무엇을 제일 좋아하는가? 내가 억지로 팔려고 해서 많이 팔린 것인가, 아니면 사람들이 자연스럽게 좋아해서 구매한 것인가? -> 프로모션에 대한 데이터화 필수적. 인풋에 대해 블랙박스 상태로 두면 원인 모를 상황에 계속 직면하게 됨.

when (점포 개발, 외부 GIS 데이터, 날씨 데이터) : 우리 점포가 좋은 상권에 잘 들어가 있는 게 맞을까? -> 위경도 데이터는 외부 지리 데이터와 매장을 잇는 키 값

how (새로운 방법론 개발, 프로모션 결정) : 어떻게 했을 때 어떤 고객 반응이 일어나는가? -> how가 많을 수록 고객을 많이 이해하는 것, A/B 테스타가 가능할수로 고객 반응 사례 많이 보유

why (소비자 마음의 원리를 발견하기 위한 것) : 단편적으로 한 제품에서의 성공 요인을 파악하는 것 이상이 필요함.

분석 결과엔 액션 플랜이 담겨야 한다.

데이터는 수단일 뿐, 데이터 자체가 목적이 될 수 없다. 목적을 설정하지 못하면 이는 가치있게 활용하지 못한다