✅ 1. 파이썬이란?

컴퓨터에게 "이렇게 해줘!" 라고 말할 때 쓰는 프로그래밍 언어입니다.

문법이 쉽고 간단해서 입문자에게 매우 적합해요.

✅ 2. 출력하기 (결과 보여주기)

print("안녕하세요")

• print()는 출력해! 라는 뜻입니다.
• " " 안에 넣은 글자가 화면에 보여요.

📌 출력 결과:

안녕하세요

✅ 3. 변수 (값을 저장하는 상자)

name = "나연"
age = 27

• name이라는 상자에 "나연"이라는 글자를 넣고,
• age라는 상자에 숫자 27을 넣은 거예요.

print(name)
print(age)

✅ 4. 숫자 계산

print(2 + 3)     # 더하기
print(5 - 2)     # 빼기
print(4 * 3)     # 곱하기
print(8 / 2)     # 나누기 (소수점까지 나옴)

✅ 5. 조건문 (참이면 이렇게 해줘!)

age = 20

if age >= 18:
    print("성인입니다")
else:
    print("청소년입니다")

• if는 "만약에",
• else는 "그게 아니라면" 이란 뜻이에요.
• : 콜론 뒤에는 들여쓰기(띄어쓰기 4칸 또는 Tab) 를 꼭 해야 해요.

✅ 6. 반복문 (같은 걸 여러 번)

for i in range(5):
    print("안녕!", i)

• range(5)는 0부터 4까지 총 5번 반복한다는 뜻이에요.
• i는 반복할 때마다 0, 1, 2, 3, 4로 바뀌어요.

📌 출력 예시:

안녕! 0
안녕! 1
안녕! 2
안녕! 3
안녕! 4

✅ 7. 함수 (코드를 저장해두고 부르는 것)

def say_hello():
    print("안녕하세요!")

say_hello()

• def는 함수를 만든다는 뜻입니다.
• say_hello()를 부르면 함수 안 코드가 실행돼요.

✅ 8. 리스트 (값을 여러 개 담는 상자)

fruits = ["사과", "바나나", "포도"]
print(fruits[0])  # 첫 번째 값

• 리스트는 [ ] 안에 여러 값을 넣을 수 있어요.
• fruits[0]은 리스트의 첫 번째 값을 꺼내는 코드예요. (숫자는 0부터 시작!)

• 요약:
  • 공통 내용
    • 양질의 데이터란? 데이터 품질이 높다 → 데이터 활용가치가 높다.
    • 양질의 데이터 판별하는 방법
      1. 데이터의 수가 충분히 많다.
      2. 데이터 자체의 오류가 적다.
      3. 관계형 데이터베이스 형식을 잘 지키고 있다.
      4. 수치형 데이터 형식을 많이 보유하고 있다.
      5. 활용 목적에 적합하다.
  • 정형 데이터 VS 비정형 데이터
    • 정형 데이터: 숫자 데이터 → 엑셀로 저장 가능
    • 비정형 데이터: 숫자가 아닌 데이터 → 엑셀로 저장 불가능 (이미지, 영상, 오디오 등)
    • 정형 데이터는 활용 범위가 넓고, 비정형은 적다. 단, 인공지능에서는 활용도가 높음.
  • 범주형 데이터 VS 수치형 데이터
    • 데이터 척도: 데이터가 정의되고 분류되는 방식
    • 범주형 데이터
      • 명목 척도: 데이터를 단순 숫자로 변환 (남자1, 여자2)
      • 서열 척도: 숫자가 단순히 순서만을 의미 (1,2,3등)
    • 수치형 데이터
      • 등간 척도: 온도처럼 값의 상대적인 크기 비교가 가능
      • 비율 척도: 절대적인 0점 기준이 있는 경우 (몸무게)
    • 범주형데이터는 숫자 연산에 한계가 있어, 데이터 분석에도 한계가 있음
    • 범주형 데이터의 비율이 높다면, 양질의 데이터에서 멀어짐
    • 범주형 데이터가 많다면, 그 빈도를 살펴보는 것만으로도 의미가 있음
  • 결론: 숫자로 표시된 데이터가 활용도가 높다. 비정형 보다는 정형이, 범주형보다는 수치형 데이터가 활용도가 높다.

인사이트: 정형, 비정형까지만 알고 있었는데 데이터 척도에 따라서 정형 데이터가 범주형, 숫자형으로 또 나뉘어 질 수 있다는걸 처음 알아서 신기했다. 숫자로 된 데이터라고 해서 무조건 양질의 데이터가 아님을 알게 되었다.

참고) https://yozm.wishket.com/magazine/detail/1107/

• 요약:
  • 공통 내용
    • 양질의 데이터란? 데이터 품질이 높다 → 데이터 활용가치가 높다.
    • 양질의 데이터 판별하는 방법
      1. 데이터의 수가 충분히 많다.
      2. 데이터 자체의 오류가 적다.
      3. 관계형 데이터베이스 형식을 잘 지키고 있다.
      4. 수치형 데이터 형식을 많이 보유하고 있다.
      5. 활용 목적에 적합하다.
  • 관계형 데이터베이스
    • 데이터를 행과 열의 관계로 저장하여, 서로 관계 있는 데이터를 관리하는 방법
    • 관계형 데이터베이스 형식은 다른 데이터와의 연결이 쉽다.
    • 테이블은 관계형 데이터베이스에서 기본 단위
  • 테이블 필수조건: 키(Key) 존재
    • 키: 데이터의 속성 중 식별자로 쓸 수 있는 값 ex) 주민등록번호
    • 키는 유일성과 무결성(빈값이거나 중복되지 않음) 을 충족시켜야함
  • 결론: 관계형 데이터 베이스가 아니면, 양질의 데이터가 되기 어렵다.

인사이트: 관계형 데이터 베이스는 양질의 데이터의 필수 조건에 가까울 정도로, 데이터 활용도에 있어서 중요한 역할을 한다. 관계형 데이터베이스는 기본적으로 테이블의 구조를 가지며, 고유한 값이 키(key)를 가져야 한다.

참고) https://yozm.wishket.com/magazine/detail/1096/

• 양질의 데이터를 판별하는 방법: ② 데이터 신뢰도

[아티클 요약]

• 양질의 데이터란? 데이터 품질이 높다 → 데이터 활용가치가 높다.

• 양질의 데이터 판별하는 방법

  1. 데이터의 수가 충분히 많다.
  2. 데이터 자체의 오류가 적다.
  3. 관계형 데이터베이스 형식을 잘 지키고 있다.
  4. 수치형 데이터 형식을 많이 보유하고 있다.
  5. 활용 목적에 적합하다.

• 충분한 양의 데이터 적은 데이터의 양은 분석의 신뢰도 하락에 직결됨

• 데이터 양을 중요하게 고려해야 하는 경우

  • 표본을 통해 모집단을 유추하는 경우
  • AI 알고리즘

• 어느정도의 데이터가 충분한 양일까?

  • 기본적으로 충분한 데이터에 대한 정확한 기준은 없음
  • 통계적 분석: 최소 500개 이상의 데이터
  • 머신러닝: 변수에 100 곱한 수보다 많은 데이터

• 요약:
  • 공통 내용
    • 양질의 데이터란? 데이터 품질이 높다 → 데이터 활용가치가 높다.
    • 양질의 데이터 판별하는 방법
      1. 데이터의 수가 충분히 많다.
      2. 데이터 자체의 오류가 적다.
      3. 관계형 데이터베이스 형식을 잘 지키고 있다.
      4. 수치형 데이터 형식을 많이 보유하고 있다.
      5. 활용 목적에 적합하다.
  • 데이터 신뢰성 데이터가 얼마나 실제 정보를 똑바로 담고 있는지
  • 데이터 신뢰성을 떨어트리는 경우
    • 데이터 오류 존재 → 분석가는 초기에 데이터를 꼼꼼히 살피고, 수집 방법을 명확히 파악
    • 결측 데이터가 존재 → 애초에 결측데이터가 없거나 최소화된 데이터를 선별해야 함
    • 데이터 가공 정도가 높음 → 가공은 결국 추정값이면서 예측값이기 가공이 많이 될 수록 틀린 정보를 담게 될 수 밖에 없음
  • 결론: 허용할 수 있는 데이터 오류의 범위를 명확하게 정의하고, 그에 따라 데이터 가공을 얼마나 할지, 어떤 내용을 담은 데이터를 선택 할지를 결정

[인사이트] 데이터 신뢰도를 떨어트리는 요인들에 대해 알 수 있었다. 결측 데이터 처리 방법이나, 데이터 가공정도를 선택하는 것에 정답이 있는 것이 아니기 때문에 분석가의 노하우와 판단력이 중요하게 작용 할 것 같다.

원천 데이터에 가까울 수록 신뢰도가 높아질 수 있지만, 무조건 양질의 데이터라고 말하기 어렵다는 말에 공감한다. 데이터 분석의 필요성이 결국은 활용을 하기 위한거니, 신뢰도와 활용도 사이의 적절한 균형점을 찾는 것이 중요 해 보인다.

참고) https://yozm.wishket.com/magazine/detail/1074/

[주제]

• 양질의 데이터를 판별하는 방법: ① 데이터양

[아티클 요약]

• 양질의 데이터란? 데이터 품질이 높다 → 데이터 활용가치가 높다.

• 양질의 데이터 판별하는 방법

  1. 데이터의 수가 충분히 많다.
  2. 데이터 자체의 오류가 적다.
  3. 관계형 데이터베이스 형식을 잘 지키고 있다.
  4. 수치형 데이터 형식을 많이 보유하고 있다.
  5. 활용 목적에 적합하다.

• 충분한 양의 데이터 적은 데이터의 양은 분석의 신뢰도 하락에 직결됨

• 데이터 양을 중요하게 고려해야 하는 경우

  • 표본을 통해 모집단을 유추하는 경우
  • AI 알고리즘

• 어느정도의 데이터가 충분한 양일까?

  • 기본적으로 충분한 데이터에 대한 정확한 기준은 없음
  • 통계적 분석: 최소 500개 이상의 데이터
  • 머신러닝: 변수에 100 곱한 수보다 많은 데이터

[인사이트] 양질의 데이터를 위한 첫번째 조건인 충분한 데이터의 양과 그 기준에 대해 알게 되었다. 남은 조건도 학습하면 신뢰 할 수 있는 데이터 분석을 하는데 도움이 될 것 같다.

참고) https://yozm.wishket.com/magazine/detail/1567/

• ORDER BY 새롭게 알게 된 점

• 서브쿼리 안에 넣으면 오류 발생 가능
• 정렬은 바깥 쿼리에서만 사용하자!

• 오늘의 쿼리 공부 REST_INFO 테이블에서 음식종류별로 즐겨찾기수가 가장 많은 식당의 음식 종류, ID, 식당 이름, 즐겨찾기수를 조회하는 SQL문을 작성해주세요. 이때 결과는 음식 종류를 기준으로 내림차순 정렬해주세요.

SELECT FOOD_TYPE, REST_ID, REST_NAME, FAVORITES
FROM REST_INFO
WHERE (FOOD_TYPE, FAVORITES) IN (
    SELECT FOOD_TYPE
          ,MAX(FAVORITES)
    FROM REST_INFO
    GROUP BY FOOD_TYPE
    )
ORDER BY FOOD_TYPE DESC

• 주니어 데이터 사이언티스트에게 하고 싶은 이야기들

[아티클 요약]

1. 강점 하나에 집중

도메인 지식, 분석 역량, 개발 능력 중 하나 선택 후 집중.

방향이 정해지면 프로젝트 선정이나 이직 판단이 쉬워짐.

2. 데이터를 전략적으로 활용하는 회사 선택

단순 보조가 아닌, 데이터가 의사결정 중심에 있는 회사 우선.

조직 내 데이터팀 위상, 팀 규모, 기술 스택 확인이 중요.

3. 코딩과 모델링 역량 강화

분석 자동화, 템플릿화, 코드화가 핵심.

리포팅에 그치지 않고 시스템 기반의 분석 환경 구축 필요.

4. 분석 시스템의 확장성 확보

반복 분석 업무는 자동화 시스템으로 전환.

재사용 가능한 분석 코드, 신뢰도 높은 데이터 파이프라인 확보.

데이터 엔지니어와의 협업을 통한 프로세스 고도화.

인사이트

채용 공고, 외부적으로 공개된 자료를 통해 같이 잘 성장 할 수 있는 회사를 선택해야 한다는 조언이 의미 있었다.

또한 필자는 데이터 분석가라는 타이틀을 선호하지 않는다고 말했는데, 그 이유는 분석가는 리포팅 업무에 초점이 맞춰져 있기 때문이다. 리포팅이 비즈니스에 중요한 업무이긴 하지만, 분석과 관련된 인프라와 툴이 계속해서 좋아지고 있는 상황에서 충분한 커리어적 강점을 가지기 어렵다고 말했다.데이터 사이언티스트로서 리포팅을 넘어 분석을 자동화, 템플릿화, 코드화 할 수 있도록 시스템을 확장 시키는 역할이 중요하다고 강조했다.

데이터 분석을 공부하는 입장에서 코딩까지 업무 역량을 확장해야 하나? 걱정이 들기도 했지만 데이터 사이언티스트 정도의 전문성까지는 바라는 것이 아니니 내 분야에서 데이터 분석 역량을 잘 활용해야 겠다고 생각이 들었다.

아티클 원문 주니어 데이터 사이언티스트에게 하고 싶은 이야기들

Today I learned 💭

• JOIN

• 목적: 두개의 테이블 연결 해 줌
• 문법: 테이블 AS t1 JOIN 테이블 AS t2 On t1.컬럼 = t2.컬럼
• LEFT JOIN, RIGHT JOIN, INNER JOIN 있고, 현업에서는 주로 LEFT JOIN

• 오늘의 쿼리 공부

  1. 모든 주문의 주문 ID와 주문된 상품의 이름을 나열하는 쿼리를 작성해주세요!

     SELECT o.id
             ,p.name
     FROM product AS p
          LEFT JOIN orders AS o 
          ON p. id = o.product_id 

  2. 총 매출(price * quantity의 합)이 가장 높은 상품의 ID와 해당 상품의 총 매출을 가져오는 쿼리를 작성해주세요!

     SELECT p.id
             ,SUM(o.quantity * p.price) AS total_sales
     FROM product AS p
          LEFT JOIN orders AS o 
          ON p. id = o.product_id 
     GROUP BY p.id
     ORDER BY total_sales DESC
     LIMIT 1

  3. 각 상품 ID별로 판매된 총 수량(quantity)을 계산하는 쿼리를 작성해주세요!

     SELECT p.id
            ,SUM(o.quantity) AS total_quantity
     FROM product AS p
         LEFT JOIN orders AS o 
         ON p. id = o.product_id 
     GROUP BY p.id

  4. 2023년 3월 3일 이후에 주문된 모든 상품의 이름을 나열하는 쿼리를 작성해주세요!

     SELECT p.name
     FROM product AS p
         LEFT JOIN orders AS o 
         ON p. id = o.product_id 
     WHERE o.order_date >= '2023-03-03'

  5. 가장 많이 판매된 상품의 이름을 찾는 쿼리를 작성해주세요!

     SELECT p.name
             ,SUM(o.quantity) AS total_quantity
     FROM product AS p
          LEFT JOIN orders AS o 
          ON p. id = o.product_id 
     GROUP BY p.id
     ORDER BY total_quantity
     LIMIT 1

  6. 각 상품 ID별로 평균 주문 수량을 계산하는 쿼리를 작성해주세요!

     SELECT p.id
             ,AVG(o.quantity) AS avg_quantity
     FROM product AS p
          LEFT JOIN orders AS o 
          ON p. id = o.product_id 
     GROUP BY p.id

  7. 판매되지 않은 상품의 ID와 이름을 찾는 쿼리를 작성해주세요!

     SELECT p.id
            ,p.name
     FROM product AS p
         LEFT JOIN orders AS o 
         ON p. id = o.product_id 
     WHERE o.product_id IS NULL

• SQL의 가독성을 높이는 다섯가지 사소한 습관

[아티클 요약]

가독성 있는 SQL 코드를 쓰는 다섯가지 습관

1. 예약어는 대문자로
2. 헹갈이 자주하자: 예약어는 다 다른 절로
3. 헹갈이를 더 자주 하자: 행갈이를 자주하면 주석처리 할 때 편함.
4. 주석을 쓰자: 서브쿼리, 조건문(CASE, IF), WHERE절 필터링 조건 등에 주석 쓰면 서로 이해하기 편함. 무엇인지 What을 쓰는것 보다는, Why(왜 필요한 조건인지), How(어떻게 작동하는지)를 자세하게 써 두면 코드를 이해하는데 도움 됨
5. Alias(별명)를 잘 쓰자. t,a 등으로 대충하지 말자!

✨무엇보다 중요한 건 기존에 사용되고 있는 합의된 규칙을 따르기.

✨ 코드를 쓸 때 나 말고 누군가가 볼 거라고 생각하면서 작성/정리하기

인사이트

5가지 모두 조금은 귀찮지만, 가독성을 높이는데 도움이 되는 규칙들인 것 같다.특히 헹갈이의 중요성이 단순 가독성을 높이는 것 뿐만 아니라, 나중에 주석처리하기 편하다는 장점이 있다는 것을 한번 더 알게 되었다.

아티클 원문 SQL의 가독성을 높이는 다섯 가지 사소한 습관

CURRENT DATE / CURRENT()

• 목적: 오늘 날짜 구하기 YYYY-MM-DD
• SQL에서 TODAY는 작동 안함!

DATEDIFF 함수

• 목적: 두 날짜가 몇일 차이 나는지 구하기 / Date difference 라는 뜻

• 문법: DATEDIFF(A,B) A-B 값으로 나옴

• 예시: DATEDIFF(CURRENT(),hire_date)

• 오늘의 쿼리 공부

  30. doctors 테이블에서 전공(major)가 성형외과인 의사의 이름을 알아내는 쿼리를 작성해주세요!

      SELECT name
      FROM doctors
      WHERE major = '성형외과';

  ** 문자/날짜는 큰따움표 보다는 작은따옴표로 감싸는 습관

  
    31. doctors 테이블에서 각 전공 별 의사 수를 계산하는 쿼리를 작성해주세요!
  
    ```sql
    SELECT major
                ,COUNT(*) AS cnt_major
    FROM doctors
    GROUP BY major;

  32. doctors 테이블에서 현재 날짜 기준으로 5년 이상 근무(hire_date)한 의사 수를 계산하는 쿼리를 작성해주세요!

      
      정답
      SELECT COUNT(*) AS num_of_doctors FROM doctors WHERE hire_date <= DATE_SUB(CURDATE(), INTERVAL 5 YEAR);
      
      내 쿼리
      SELECT COUNT(*) AS cnt_doctors
      FROM doctors
      WHERE hire_date <= DATE_SUB(TODAY, INTERVAL 5 YEAR);

  ** SQL에서는 오늘 날짜를 넣고 싶을때 TODAY가 아니라 CURDATE() 또는 CURRENT DATE 사용하기!

  
    33. doctors 테이블에서 각 의사의 근무 기간을 계산하는 쿼리를 작성해주세요!
  
    ```sql
    정답
    SELECT name, DATEDIFF(CURDATE(), hire_date) AS working_days FROM doctors;
  
    내 쿼리
    SELECT name
              ,hire_date
    FROM doctors
    GROUP BY name;
  
    ** 단순히 의사별 입사일을 구하는게 아님!
    입사일부터 오늘까지의 날짜 차이를 구하기
  
    DATEDIFF() 함수란?
    DATEDIFF(A, B)는 A - B 날짜 차이(일수) 를 계산

• RANK 함수

• 목적: 순위를 매겨줌
• 문법: RANK() OVER (ORDER BY 정렬기준 DESC/ASC)

• MAX 함수

• 목적: 최대값 구할 때 MAX 함수 활용!

   집계함수라서 항목별로 구할때 LIMIT 보다 꿀🍯🐝

• 문법: MAX (컬럼명)

• 오늘의 쿼리 공부

  1. lol_users 테이블에서 각 유저의 레이팅(rating) 순위를 계산하는 쿼리를 작성해주세요! 전체 지역(region) 기준이고 순위는 레이팅이 높을수록 높아야해요. (e.g. rating 1400 유저의 순위 > rating 1350 유저의 순위)

      <내 쿼리 >
      SELECT name
                  ,rating
      FROM lol_users
      ORDER BY rating DESC
     
      <정답쿼리>
      SELECT name
                  ,rating
                  ,RANK() OVER (ORDER BY rating DESC) AS lol_rank
      FROM lol_users;

  2. lol_users 테이블에서 가장 늦게 게임을 시작한(join_date) 유저의 이름을 선택하는 쿼리를 작성해주세요!

      SELECT name
      FROM lol_users
      ORDER BY join_date DESC
      LIMIT 1

  3. lol_users 테이블에서 지역별로 레이팅이 높은 순으로 유저들을 정렬해서 나열하는 쿼리를 작성해주세요!

      SELECT region
                  ,name
      FROM lol_users
      ORDER BY rating DESC
      GROUP BY region
     
      * 지역별로 정렬 해야 하기 때문에 ORDER BY 에 region이랑 rating 함께 넣어줌
      * 집계함수가 아니기 때문에 GROUP BY 는 필요 없음

  4. lol_users 테이블에서 지역별로 평균 레이팅을 계산하는 쿼리를 작성해주세요!

      SELECT region
                  ,AVG(rating)
      FROM lol_users
      GROUP BY region

  5. lol_feedbacks 테이블에서 만족도 점수(satisfaction_score)에 따라 피드백을 내림차순으로 정렬하는 쿼리를 작성해주세요!

      SELECT  *
      FROM lol_feedbacks
      ORDER BY satisfation_score DESC
     

  6. lol_feedbacks 테이블에서 각 유저별로 최신 피드백을 찾는 쿼리를 작성해주세요!

      SELECT user_name
                  ,MAX(feedback_date)
      FROM lol_feedbacks
      GROUP BY user_name
     
      ** 각 유저별로 최대값을 구할 때는 SELECT 구문에 MAX 함수를 활용한다. 
      ** ORDER BY feedback_date DESC LIMIT 1을 작동하지 않음. 유저가 다 다르기 때문에

  7. lol_feedbacks 테이블에서 만족도 점수가 5점인 피드백의 수를 계산하는 쿼리를 작성해주세요!

      SELECT COUNT(*)
      FROM lol_feedbacks
      WHERE satisfaction_score = 5;
     

  8. lol_feedbacks 테이블에서 가장 많은 피드백을 남긴 상위 3명의 고객을 찾는 쿼리를 작성해주세요!

      SELECT user_name
                  ,COUNT(*) AS cnt_feedback
      FROM lol_feedbacks
      GROUP BY user_name
      ORDER BY COUNT(*) DESC
      LIMIT 3

  9. lol_feedbacks 테이블에서 평균 만족도 점수가 가장 높은 날짜를 찾는 쿼리를 작성해주세요!

     SELECT feedback_dadte
                 ,AVG(satisfacion_score)
     FROM lol_feedbacks
     ORDER BY AVG(satisfaction_score) DESC
     LIMIT 1;

학창 시절에는 데이터 모델링을 잘하는 사람이 데이터 분석가라고 생각했지만, 실제 현업에서는 '데이터를 기반으로 좋은 의사결정을 하도록 돕는 사람' 이 진짜 데이터 분석가임을 깨달음.

즉, 데이터 분석가가 하는 일은 단순 모델링이 아니라, 비즈니스 문제를 풀고 성공 확률을 높이는 역할을 한다는 것.

2. 데이터 분석가에게 중요한 세 가지

1. 데이터 기반

• 데이터로 의견을 제시할 수 있어야 한다.

• 조직 내 데이터 흐름을 원활하게 만들어야 한다. (BI 도입, 데이터 마트 구축, SQL 활용)

2. 성공 확률이 높은 의사결정

• 데이터 기반으로 상황을 정확히 해석할 수 있어야 한다.

• 해석을 위해서는 도메인 지식과 생각의 프레임워크를 지속적으로 키워야 한다.

• 명확한 목표 설정 → 실행 → 결과 측정 → 학습 → 개선을 반복하여 성공 확률을 높인다.

3. 지속성

• 단기적인 결과만 보는 것이 아니라,
• 장기적인 사이클(기획 → 실행 → 분석)을 기반으로 데이터를 다시 반영하는 구조를 만든다.

3. 데이터가 흐르는 조직을 만들기 위한 노력

• 실무자가 필요할 때 바로 데이터를 확인할 수 있어야 한다.

• BI툴, 데이터 마트, 메트릭 스토어(지표 통합 관리)를 도입해 데이터 접근성을 높인다.

• 지표를 단순 수치로 보는 것이 아니라, 그 의미를 해석하고 주요 지표를 인식할 수 있도록 교육해야 한다.

4. 데이터 분석가란?

단순히 수치나 모델을 다루는 사람이 아니라, 조직의 전반적인 의사결정 품질을 높이는 사람.

좋은 의사결정이 쌓여야 조직이 성장할 수 있음을 이해하고, 이를 데이터로 지원하는 역할을 수행하는 존재임을 강조.

인사이트

결국 데이터 분석가는 '좋은 의사결정을 돕는 사람'이다.

아티클 원문 데이터 분석가가 된 후 알게 된 데이터 분석의 진짜 의미

• 데이터 분석이란 무엇일까?

[아티클 요약]

• 데이터 종류:

• 정량 데이터: 숫자 데이터

• 정성 데이터: 숫자가 아닌 데이터

• 데이터 분석이란? 데이터를 정리하고, 변환하고, 조작하면서 원시데이터에서 유용한 인사이트를 도출하는 과정

• 데이터 분석의 중요성

• 정교한 고객 타겟팅 가능

• 성공과 성과를 측정 할 수 있음

• 문제 해결에 도움을 줌

• 데이터 분석 프로세스

• 데이터 분석의 이유 찾기 (해결 하고자하는 문제)

• 원시 데이터 수집

• 데이터 정제 𖤐 (올바르 결과를 위해서 아주 중요한 작업)

• 데이터 분석

• 결과 공유: 시각화 하기 (ex. 태블로)

[인사이트]

왜 데이터를 분석해야 하는지 이유를 먼저 정해야 한다. 그리고 데이터 정제가 생각보다 중요한 비중을 차지 한다는 것을 다시 한번 깨달았다.

참고) https://yozm.wishket.com/magazine/detail/1070/