데이터 탐색과 기술

데이터 유창성(Data Fluency)

Konstantinos Kattidis

Data Analytics Lead

시나리오: 고객 참여도 하락 분석

• 카티아는 "Xcelerate Solutions"의 고객 성공 매니저입니다

• 그녀는 사용자 참여 저하를 발견했습니다

• 이제 원인을 찾기 위해 데이터를 분석합니다:

  • 이상치 확인 및 데이터 품질 점검
  • 데이터 시각화 생성

시나리오: 근본 원인 찾기

• 소프트웨어 성능이 나쁠 때 사용자 참여가 하락함을 발견했습니다
• 고객 피드백 데이터로 이를 확인합니다
• 이 예시는 보여줍니다:
  • 데이터 탐색과 기술 능력이 비즈니스 문제의 근본 원인 파악으로 이어짐

데이터 품질 평가

• 데이터 역량이 높은 사람은 데이터의 신뢰성을 보장합니다
• 데이터의 무결성과 정확성을 탐색·평가합니다
• 데이터 품질이 분석 결과에 미치는 영향을 이해합니다

시각화로 데이터 탐색

• 데이터 탐색은 패턴, 추세, 이상치, 통찰을 찾는 데 도움 줍니다
• 데이터 역량이 높은 사람은 데이터 시각화를 만듭니다
• 막대/선 그래프부터 히스토그램/상자수염그림까지
• 데이터 내 급증, 변동, 관계를 파악합니다

 

데이터 기술

• 데이터 역량이 높은 사람은 데이터를 효과적으로 기술합니다
• 이는 데이터에서 결론을 도출하는 데 도움을 줍니다
• 데이터셋 특성을 요약합니다:
  • 중심 경향 측도
  • 변동성 측도
  • 변수 간 관계 평가 지표

 

분석적 사고방식

• 데이터 수집 맥락을 고려합니다

  • 데이터에 영향을 미치는 외부 요인을 반영합니다

• 비판적이고 호기심 있는 태도로 접근합니다:

  • 가정을 검토
  • 해석을 점검
  • 대안 설명을 탐색

도구와 기술 활용

• 데이터 역량이 높은 사람은 필요한 도구와 기술을 다룹니다:

  • 데이터 시각화 및 리포팅 도구
  • 스프레드시트 소프트웨어

• 생성형 AI는 데이터 리터러시에 새 가능성을 엽니다!

연습해 봅시다!

데이터 유창성(Data Fluency)