데이터 분석 캠프 1일차 TIL

데이터 분석 개요 및 핵심 요약

데이터 분석이란?

데이터 분석은 **로우 데이터(raw data)**에서 유용한 인사이트를 도출하기 위해 데이터를 정리, 변환, 분석, 해석하는 과정입니다. 이는 기업, 조직, 또는 개인이 더 나은 결정을 내리도록 돕는 데 사용됩니다.

주요 포인트 정리

데이터 분석가의 역할

• 데이터 수집: 필요한 데이터를 모으는 작업.
• 데이터 정제: 오류를 수정하고 데이터 품질을 높임.
• 분석 수행: 기술적, 진단적, 예측적, 처방적 분석.
• 인사이트 도출 및 공유: 분석 결과를 바탕으로 유의미한 결론과 행동 방안을 제시.

데이터의 정의와 유형

1. 정성적 데이터 (Qualitative Data):
   • 숫자가 아닌 데이터.
   • 관찰, 설문조사, 사용자 인터뷰에서 수집.
   • 예: 고객 피드백, 사진, 텍스트.
2. 정량적 데이터 (Quantitative Data):
   • 숫자로 표현되는 데이터.
   • 측정하거나 계산 가능.
   • 예: 판매 수치, 고객 수, 매출액.

데이터 분석의 중요성

• 고객 타깃팅 개선: 고객의 니즈를 더 잘 파악하여 마케팅 최적화.
• 성과 측정: 비즈니스 성공 여부를 수치로 파악.
• 문제 해결: 조직 내 문제를 데이터 기반으로 파악하고 해결.

데이터 분석 프로세스

1. 목표 설정:
   • 분석의 목적을 명확히 정의.
   • 예: 매출 증가, 고객 만족도 향상.
2. 데이터 유형 분류:
   • 분석에 필요한 데이터가 정성적 또는 정량적인지 구분.
3. 데이터 정제:
   • 오류 수정, 중복 제거, 누락 데이터 처리.
4. 데이터 분석:
   • 목적에 따라 분석 유형 선택:
     • 기술적 분석: 데이터 요약 및 패턴 파악.
     • 진단적 분석: 왜 그런 일이 발생했는지 설명.
     • 예측적 분석: 미래에 발생할 일을 예측.
     • 처방적 분석: 최적의 행동 방안을 제안.
5. 결과 해석 및 공유:
   • 결과를 이해하기 쉽게 시각화하거나 보고서 작성.

데이터 분석에 필요한 기술

1. 수학 및 통계 지식: 데이터의 신뢰성과 유효성을 판단.
2. SQL 및 데이터베이스: 데이터 저장 및 쿼리.
3. 프로그래밍 언어:
   • Python: 데이터 분석과 머신러닝.
   • R: 통계 분석.
4. 데이터 시각화 도구:
   • Tableau, Power BI, Matplotlib.
5. 엑셀 지식: 데이터 정리와 기본 분석.

핵심 용어 정리

• 로우 데이터(raw data): 처리되지 않은 원시 데이터.
• 인사이트(insight): 데이터를 통해 얻은 통찰.
• 정제(cleaning): 데이터 오류 수정 및 정리.
• 예측 분석(predictive analytics): 미래를 예측하기 위한 분석.
• 시각화(data visualization): 데이터를 차트나 그래프로 표현.

 

테이블 관계