썸네일 데이터 리터러시 | 결론 도출 | 결과와 결론의 차이점 | 결국 데이터리터러시란? 1. 결과와 결론의 차이 ▶ 결과 '무엇을' 계산과 분석을 해서 나온 결과물 데이터 처리, 분석, 모델링 후에 얻어진 구체적인 데이터의 출력 숫자, 통계, 그래프, 차트 등의 형태로 나타낼 수 있음 ▶ 결론 '그것이 왜 중요한지?' 목적에 대해 어떤 의미가 있는지 설명하는 것 분석된 데이터 결과를 바탕으로 이끌어낸 의미나 통찰 데이터에 기반한 해석, 추론 또는 권고사항을 포함 ▶ 결론 도출 시 주의사항 결과-결론 도출 시에는 스토리텔링이 필요함 그러나 데이터를 통해 알 수 있는 범위에서만 생각하고, 필요 이상으로 자신의 해석을 섞으면 안됨 2. 결론 잘 정리하는 법 앞서 문제 정의, 지표 설정을 할 당시의 목적을 떠올리며 정리 결론을 공유할 대상이 누구이며, 어떻게 변화하길 원하는지를 생각 ▶ 단순하고 ..
썸네일 데이터 리터러시 | 지표 설정 | 활성 유저(Active User) | 리텐션 (N-day / Unbounded / Bracket Retention) | 퍼널(Funnel) | 고객 생애주기 가치 (LTV) 1. 지표 설정 ▶ 지표란? 특정 목표나 성과를 측정하기 위한 구체적이고 측정 가능한 기준 목표 달성도를 평가하고 전략적 결정에 필요한 핵심 정보를 제공 정의한 문제에 대해 정확하게 파악하기 위해서 필요 ▶ 문제 정의 vs 지표 설정 - 문제 정의 어떤 문제를 풀고자 하는가? 둘 이상의 해석이 나오지 않도록 구체적으로 표현하고 정의하였는가? - 지표설정 어떤 결과를 기대하는가? 정의한 문제를 확인하는데 적합한가? 2. 주요 지표 이해하기 2-1) Active User(활성유저) ▶ Active User 지표의 역할 Active User에 대한 정의에 따라 전략과 방향이 달라짐 Active User에 대한 정의로 '이탈 유저'가 정의됨 투자를 위한 서비스 지표에 중요한 역할을 하게 됨 ex) 사이트 진입 ..
썸네일 데이터 리터러시 | 데이터의 유형 | 정성적 데이터와 정량적 데이터 1. 데이터의 유형 ▶ 정성적 데이터 비수치적인 정보, 사람의 경험, 관점, 태도와 같은 주관적인 요소 포함 대부분 텍스트, 비디오, 오디오 형태로 존재 비정형 데이터, 구조화 되어 있지 않음 새로운 현상이나 개념에 대한 이해를 심화하는 데 사용 ▶ 정량적 데이터 수치적인 정보, 양적인 측정과 분석을 통해 얻을 수 있는 객관적인 요소 포함 데이터가 숫자 형태로 존재하기 때문에 통계적으로 분석하기 쉬움 지표로 만들기 용이함 설문조사, 실험, 인구 통계, 지표 분석 등에 활용함 ▶ 데이터 유형 별 비교 정성적 데이터 정량적 데이터 유형 비정형 데이터 정형 데이터, 반정형 데이터 특징 및 관점 주로 주관적 내용, 객체 하나가 함축된 의미 내포 주로 객관적 내용, 여러 요소의 결합으로 의미 부여 구성 및 형태 ..
썸네일 데이터 리터러시 | 문제정의의 중요성 | 문제정의 방법론 | 문제정의 핵심, 팁 1. 문제정의란? ▶ 문제정의 분석하려는 특정 상황이나 현상에 대한 명확하고 구체적인 진술 프로젝트의 목표를 설정하고 분석 방향을 결정 ▶ 문제정의의 효용 풀고자 하는 것을 명확하게 정의하고, 이를 해결하기 위한 데이터 분석의 방향성을 정하고, 결과를 정리하고 해석하여 더 나아지기 위한 새로운 액션 플랜을 수립하기 위함 2. 문제정의 방법론 ▶ MECE(Mutually Exclusive, Collectively Exhaustive) - 문제 해결과 분석에서 널리 사용되는 접근 방식 - 문제를 상호 배타적(mutually exclusive)이면서, 전체적으로 포괄적(collectively exhaustive)인 구성요소로 나누는 것 - MECE를 통해 복잡한 문제를 체계적으로 분해하고, 구조화된 방식으로 ..
썸네일 데이터 리터러시 | 데이터분석가의 필수 역량_데이터 리터러시란? 1. 데이터 리터러시의 정의 데이터를 읽는 능력 데이터를 이해하는 능력 데이터를 비판적으로 분석하는 능력 결과를 의사소통에 활용하는 능력 ▶ 데이터 리터러시란? 데이터 수집과 데이터 원천을 이해하고 주어진 데이터에 대한 다양한 활용법을 이해하고 데이터를 통한 핵심 지표를 이해하는 것 ◈ 데이터 리터러시는 올바른 질문을 던질 수 있게 만들어줌 2. 데이터 분석에 대한 착각 데이터를 잘 분석하면 문제, 목적, 결론이 나올 것이라고 생각 데이터를 잘 가공하면 유용한 정보를 얻을 수 있을 것이라고 생각 분석에 실패하면 방법론, 스킬이 부족한 것이라고 생각 ▶ 데이터 해석 오류 사례 ① 심슨의 역설 - '부분'에서 성립한 대소 관계가 그 부분들을 종합한 '전체'에 대해서는 성립하지 않는 모순적인 경우를 말함 - ..
라이브러리 브랜드 그룹 | 안나세나 코딩 학습일지

티스토리툴바