RudolpiA

데이터 드리븐 디자인 씽킹 데이터로 공감하고 똑똑하게 의사결정하는   비전공자도 데이터에 대한 이해를 바탕으로 보다 나은 의사결정을 할 수 있도록 안내하자는 생각을 해 데이터 리터러시(literacy) 교육과정을 개발했다. 나아가 대부분의 데이터 교육이 데이터 자체를 다루고 활용하는 방법만 알려주고 끝나는 경우가 많다는 것에 착안해 데이터를 현업 비즈니스 문제해결에 활용할 수 있도록 디자인씽킹과 결합한 과정도 함께 개발했다. 모든 작업이 그렇듯 과정은 결과를 얻기 위해 존재한다. 즉 분석 작업도 분석된 데이터를 가지고 실무에 활용, 즉 성과를 높이거나 혹시 있을 수 있는 리스크를 줄이기 위함으로, 전문가가 아니더라도 데이터에 대한 이해를 높여 실제 분석하는 직원과 의사소통하는 데 문제가 없도록 하기 위해..

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..

내가 하는 일에 있어서 데이터의 역할을 정의하자. 즉, 데이터와 관련해서 나의 롤이 무엇인지를 알아야 데이터에관한 공부의 목적성이 분명해 진다. 내가 데이터 수집 전문가인지, 수집된 데이터를 갖고서 분석을 하는 전문가인지, 마케터로서 분석된 데이터를 갖고서 업무에 활용하려는 사람인지 이를 분명히 할 때, 데이터 사이언스와 관련해서 무엇을 알아야 하고, 무엇을 주의해야 하는지가 결정 된다. 이 책은 데이터 전문가 중에서는 이제 막 입문하고자 하는 분들 그리고 데이터 전문가가 아닌 분 중에서는 데이터에대한 특징을 이해해서 업무적으로 도움을 얻고자 하는 분들이 보는 책이다. 데이터 사이언스 입문서 중에서도 "자칫 실수할 수 있는 부분들"에 좀 더 주목해서 쓴 책이다. 그래서 "데이터에 관해 꼭 알아야 할 오해..