Archived18 [ADsP] 2과목 데이터 분석 기획 - (1) 데이터 분석 기획의 이해 - 데이터 분석 기획의 이해- 분석 기획 방향성 도출분석 기획: 목표를 달성하기 위하여 어떠한 데이터를 가지고 어떠한 방법으로 수행할지 계획을 수렵하는 작업분석은 분석의 대상(What) 및 분석의 방법(How)에 따라 4가지로 분석 주제를 나눌 수 있다.1) 방법(O) 대상(O): 최적화2) 방법(O) 대상(X): 통찰3) 방법(X) 대상(O): 솔루션4) 방법(X) 대상(X): 발견목표시점별1) 과제중심적인 접근방식2) 장기적인 마스터 플랜방식분석기획시 고려 사항1) 분석의 기본이 되는 데이터에 대한 고려- 데이터 유형에 따라서 적용 가능한 솔루션 및 분석 방법이 다르다- 정형데이터, 비정형데이터, 반정형 데이터2) 분석을 통해서 가치가 창출될 수 있는 적절한 활용방안과 활용 가능한 유즈케이스의 탐색 .. 2018. 8. 23. [ADsP] 1과목 오답 정리 - DBMS: 데이터 베이스 관리시스템- Data Dictionary: 데이터 사전- ERD(Entity Relationship Diagram): 개체 관계 모델링- SQL: 데이터 베이스와 사용자사이의 사용자의 요구에 따라 정보를 처리해 주고, DB관리하는 것- 근본원리에 대한 깊은 이해를 바탕으로 도출되는 창의적 아이디어: Wisdom- 항상 현재의 정확한 데이터를 유지해야 하기 떄문에, 변화하는 데이터- 우리나라는 1975년 미국의 CAC가 KORSTIC을 통해 데이터베이스를 서비스했다.- 서비스 사용자와 광고주를 연결하는 비즈니스에서 가장 중요한 것은 사용자의 특성을 보다 정교하게 파악해 광고주가 도달하고자 하는 정확한 고객군을 만들어내는 것. 이를 위해서는 "사용자로그" 활용해야 한다.>- 빅데.. 2018. 8. 23. [ADsP] 1과목 데이터 이해 - (3) 가치 창조를 위한 데이터 사이언스와 전략 인사이트 - 가치창조를 위한 데이터 사이언스와 전략 인사이트- 빅데이터 분석과 전략 인사이트빨리 끓어오른 냄비가 빨리 식는다.데이터의 가치를 통해, 성과를 창출하는 것이 관건 -> 빅데이터에 포커스를 두지 말고 분석을 통해 가치를 만드는 것에 집중해야 한다.- 전략 인사이트 도출을 위한 필요역량데이터 사이언스: 의미있는 정보를 추출하는 학문으로 분석 + 구현 + 전달하는 과정까지 포함한 개념1) Analytics(분석적 영역)2) 데이터 처리와 관견된 IT영역3) 비즈니스 컨설팅 영역4) 요구역량- Hard Skill: 빅데이터에 대한 이론적 지식 / 분석 기술- Soft Skill: 통찰력 있는 분석/ 설득력있는 전달/ 커뮤니케이션5) 리포팅/모델링, 실험설계 -> 경고/권고 -> 추측/예측, 최적화, 시뮬레이.. 2018. 8. 23. [ADsP] 1과목 데이터 이해 - (2) 데이터의 가치와 미래 - 데이터의 가치와 미래- 빅데이터의 이해데이터 자체의 특성변화: Volume, Variety, Velocity분석 기술적 변화: 데이터 처리, 저장, 분석 기술 및 아키텍쳐, 클라우드 컴퓨팅인재, 조직 변화: 데이터 중심 조직- 사전처리 -> 사후처리- 표본조사 -> 전수조사- 질 -> 양- 인과관계 -> 상관 관계 : 상관관계분석이 주는 인사이트가 인간관계에 의해 미래 예측을 압도해 갈 것- 빅데이터의 가치와 영향빅데이터의 가치 산정이 어려운 이유1) 데이터 활용 방식: 재사용, 재조합(mashup), 다목적용 개발2) 새로운 가치 창출3) 분석 기술 발전영향투명성 제고로 연구개발 및 관리 효율성 제고시뮬레이션을 통한 경쟁력 강화고객 세분화 및 맞춤 서비스알고리즘을 활용한 의사결정 보조 혹은 대체비즈.. 2018. 8. 23. [ADsP] 1과목 데이터 이해 - (1) 데이터 정보 - 데이터 이해- 데이터와 정보정의1) dare(주다)의 과거분사형으로 '주어진 것'2) 추론과 추정의 근거를 이루는 사실3) 다른 객체와의 상호관계 속에서 가치를 갖는 것특성1) 존재적 특성: 객관적 사실(Fact, Raw material)2) 당위적 특성: 추론, 예측, 전망, 추정을 위한 근거(Basis)유형1) 정성적(Qualitative): 언어,문자 등으로 data의 형식이 정해져 있지 않다.2) 정량적(Quantitative): 수치, 도형, 기호 등암묵지와 형식지암묵지: 학습과 경험을 통해 개인에게 체화 되어있지만 겉으로 드러나지 않는 지식: 공통화, 내면화 => 조직의 지식으로 공통화형식지: 문서나 매뉴얼처럼 형상화된 지식: 표준화, 연결화 => 개인의 지식으로 연결화DIKW의 정의1) .. 2018. 8. 23. [ADsP] 데이터 분석 준전문가 필기 시험 공부 (1) 시험범위 데이터 이해- 데이터 이해- 데이터와 정보- 데이터베이스의 정의와 특징- 데이터 베이스의 활용- 데이터의 가치와 미래- 빅데이터의 이해- 빅데이터의 가치와 영향- 비즈니스 모델- 위기 요인과 통제 방안- 미래의 빅데이터- 가치창조를 위한 데이터 사이언스와 전략 인사이트- 빅데이터 분석과 전략 인사이트- 전략 인사이트 도출을 위한 필요역량- 빅데이터 그리고 데이터 사이언스의 미래데이터 분석 기획- 데이터 분석 기획의 이해- 분석 기획 방향성 도출- 분석 방법론- 분석 과제 발굴- 분석 프로젝트 관리 방안- 분석 마스터 플랜- 마스터 플랜 수립- 분석 거버넌스 체계 수립데이터 분석- R기초와 데이터 마트- R 기초- 데이터 마트- 결측값 처리와 이상값 검색- 통계 분석- 통계학 개론- 기초 통계분석- 다변량.. 2018. 8. 23. 이전 1 2 3 다음