Part 1 - 03. 데이터 사이언스와 전략 인사이트

□ 분석기획 3가지 역량

- 수학과 통계

- 정보기술

- 도메인 지식

 

□ 하드 스킬과 소프트 스킬

- 하드 스킬: 이론적 지식 및 기술적 숙련 / 머신러닝, 통계, 분산 컴퓨팅 등의 능력

- 소프트 스킬: 데이터 가치 발견하고 기회를 만드는 능력 / 창의적 사고, 호기심, 스토리텔링, 시각화, 의사소통 등의 능력

 

□ 빅데이터 분석의 기본 원칙

- 질문에서 시작

- 기존 데이터와 연결고리

- 어려운 방식의 프로그래밍과 툴은 지양

- 피드백 반영

 

□ 빅데이터 분석 주제 유형

		분석 대상
		Known	Unknown
분석 방법	Known	최적화	통찰
	Unknown	솔루션	발견

 

□ 목표 시점별 분석기획

- 과제중심 접근방법: 과제를 빠르고 단기적으로 해결

- 마스터 플랜 접근방법: 장기적으로 분석과정 정의하고 지속적인 분석 수행

 

□ 빅데이터 분석기획시 고려사항

- 가용 데이터: 데이터 확보

- 유스케이스 탐색: 이전 프로젝트에서 사용된 시나리오 활용

- 장애요소 사전제거: 지속적인 분석활동을 하기 위한 장애요소 제거

 

□ 정성적 데이터와 정량적 데이터

- 정성적 데이터: 비정형 데이터 / 언어, 문자 등 / 웹, 파일

- 정량적 데이터: 정형 및 반정형 데이터 / 수치, 도형, 기호 등 / 데이터베이스, 스프레드시트

 

□ 가역 데이터와 불가역 데이터

- 가역 데이터: 생상된 데이터의 원본으로 일정 수준 환원

- 불가역 데이터: 원본 데이터와 전혀 다른 데이터로 재생산 되어 추적 불가능

 

□ 데이터 확보를 위한 단계적 방법

1. Silos(Hoarding): 독자적 데이터 생성, 저장 중심의 단계 / 생성, 저장, 수집

2. Exchanges(Sharing): 외부 기관들과 상호 교환 / 연계 및 공유

3. Pools(Aggregating): 목적을 위해 모인 연합, 그룹, 클럽들이 상호협력과 공동의 장 형성

4. Commons(Co-creating): 오픈방식 플랫폼을 통한 데이터 공유 / 오픈, 창조

 

---

Reference:

임호진 외 2명, 「ADsP 데이터분석 준전문가」, 영진닷컴(2020)