분석 전문성 활용

데이터 유창성(Data Fluency)

Konstantinos Kattidis

Data Analytics Lead

데이터 탐색과 기술을 넘어

• 기본 탐색/기술 통계를 넘어서는 분석
• 고급 분석 방법 예:
  • 대규모 데이터셋 분석
  • KPI 대시보드 구축
  • 예측 모델 개발

기법 인지하기

• 데이터 친화적 인력은 고급 분석의 세부까지 숙달할 필요는 없습니다
• 다만 이러한 방법의 존재와 잠재력은 알아야 합니다
• 그리고 데이터 전문가와 협업해야 합니다
• 이는 더 효과적인 분석 솔루션 적용에 도움이 됩니다

고급 분석 활용 사례 식별

• 데이터 친화적 인력은 고급 분석의 비즈니스 활용 사례를 식별할 수 있습니다
• 예:
  • 마케팅 관리자가 이탈 예측의 잠재력을 파악해 유지 전략을 타겟팅합니다

데이터 전문가와의 협업

• 데이터 전문가와의 협업이 성공의 핵심입니다
• 비즈니스 담당자는 도메인 지식을 제공합니다
• 데이터 전문가는 기술적 지식을 제공합니다
• 이 협업 환경에서 비즈니스 인사이트와 기술 전문성이 결합되어 복잡한 과제를 해결합니다

한계 이해하기

• 고급 분석 방법의 효과는 입력 데이터의 품질에 달려 있습니다
  • 결측치 처리와 이상치 처리가 필수입니다
• 필요 요건:
  • 전문 역량
  • 연산 자원
  • 시간

예시: 정확도와 시간의 균형

• 소매점 운영 관리자가 합리적 재고 보충 결정을 위해 수요 예측 개발을 요청합니다
• 복잡한 모델은 정확도 향상이 가능하지만 많은 시간과 자원이 필요할 수 있습니다
• 정확도와 시간 제약을 균형 잡기 위해 더 단순한 접근을 사용합니다

연습해 봅시다!

데이터 유창성(Data Fluency)