RudolpiA

데이터 분석, 꼭 알아야 할 15가지 Garbage in, Garbage Outr 가장 중요하면서도 핵심이 되는 말이다. 데이터가 쓰레기면 아무리 날고뛰는 분석 도구를 사용한다 하더라도 결과물은 쓰레기다. 한마디로 말해 사용할 수 없는 데이터다. 분석 자체보다 분석 과정 전체를 보는 것이 훨씬 더 중요하다. 기계학습 Machine Learnig 이 비약적으로 발전하면서 데이터 분석에 쓸 수 있는 도구들이 많아졌다. 이런 도구들 덕분에 분석 자체는 과거보다 훨씬 쉬워졌다. 그래서 지금은 어떤 식으로 데이터를 가져오고 어떤 전처리를 거쳤으며 어떤 분석 도구를 사용했는지, 이러한 과정 전체인 분석 시스템 설계가 훨씬 더 중요해졌다.그리고 이때 필요한 지식은 분석 시스템/프로세스 설계 지식이지, 데이터 분석 그..

2024.03.19 - [분류 전체보기] - 당신을 야근에서 구해줄 무기 데이터 리터러시 매출을 이루는 과정의 퍼널 분석에 집중한다면 어느 페이지에서 고객 이탈이 가장 많이 이루어졌는지를 통해 이탈을 막는 설계로 이어질 수 있습니다. 결국 매출을 위해 내가 할 수 있는 액션이 무엇인지에 따라 매출을 바라보는 방식이 모두 다를 수 밖에 없습니다. 마케팅을 담당하는 부서라면 광고 집행 비용 대비 매출이 나오는 채널이 어디인지 알고 해당 채널에 집중할지, 아니면 신규 고객이 많지만 광고 집행 비용 대비 매출이 적은 채널에 다른 방식으로 콘텐츠 마케팅을 할지 정 할 수있겠죠. 매출액 구매 고객수 X 고객당 구매액 상품 카테고리 X 카테고리별 매출 유입채널 X 유입채널당 매출 유입 고객 수 X 구매 전환율 ※ 매..

데이터 리터러시란 무엇인가? '데이터 리터러시(Data Literacy)' 라는 말입니다. 데이터 문해력 이라는 이름으로 최근 많이 사용하고 있는 단어 입니다. 데이터를전문적으로 다루는 사람이 아니더라도 데이터를 통해 업무를 향상시키는 이해도를 총칭한 말로 쓰입니다. 보다 정확하게는 데이터를 읽고 이해하며 정보로 변환하여 커뮤니케이션 할 수 있는 능력을 말하는 개념으로 사용 됩니다. 데이터를 정보로 바꾸고, 정보를 지식으로 바꾸는 단계에서 데이터 밖 세상에 영향을 주는 것은 사람의 몫 입니다. 따라서 데이터 리터러시의 핵심은 개념적인 도구의 사용이 아닌 데이터 자체에 대한 이해, 이해가 뒷받침된 해석에 포커스가 맞춰져야 합니다. 상관관계나 평균 판단과 같은 간단한 통계 작업을 해석할 수 있는 조직 내 구..