본문 바로가기

자격증

(12)
ADsP [2과목] 1-4 분석 프로젝트 관리 방안 1. 분석과제 관리를 위한 5가지 주요 영역 분석프로젝트는 범위, 일정, 품질, 리스크, 의사소통 등 영역별 관리가 수행되어야 할 뿐 아니라 데이터에 기반한 분석기법을 적용한다는 특성 때문에 아래와 같은 5가지의 주요 속성을 고려하여 추가적인 관리가 필요하다. Data Complexity Speed Analytic Complexity Accuracy & Precision Data Size 2. 분석 프로젝트의 특성 분삭가의 목표 : 개별적인 분석업무 수행 뿐만 아니라 전반적인 프로젝트 관리 또한 중요 분석가의 입장 : 데이터 영역과 비즈니스 영역의 현황을 이해하고, 프로젝트의 목표인 분석의 정확도 달성과 결과에 대한가치 이해를 전달하는 조정자로서의 분석가 역할이 중요 분석 프로젝트는 도출된 결과의 재해석..
ADsP [2과목] 1-3 분석 과제 발굴 1.분석과제 발굴 방법론 하향식 접근 방식 (Top Down Approach) 분석 과제가 주어지고 이에 대한 해법을 찾기 위하여 각 과정이 체계적으로 단계화 되어 수행하는 방식 상향식 접근 방식 (Botton Up Approach) 문제의 정의 자체가 어려운 경우 데이터를 기반으로 문제의 지속적으로 개선하는 방식 2. 하향식 접근 방식(Top Down Approach) 하향식 접근법은 문제탐색 (Problem Discovery) → 문제 정의 (Problem Definition) → 해결방안 탐색 (Solution Search) → 타당성 검토 (Feasibility Study)의 과정으로 이루어짐. 3. 하향식 접근 방식(Top Down Approach)의 과정 1) 문제 탐색 (problem dis..
ADsP [2과목] 1-2 분석 방법론 1.분석 방법론 개요 1) 기업의 합리적 의사결정을 가로막는 장애요소 고정관념(Stereotype), 편향된 생각(Bias), 프레이밍 효과(Framing Effect) 2) 방법론의 적용 업무의 특성에 따른 모델 폭포수 모델 (Waterfall Model) 프로토타입 모델 (Prototype Model) 나선형 모델 (Spiral Model) 2. KDD 분석 방법론 데이터셋 선택(selection) 데이터 전처리(preprocessing) 데이터 변환(transformation) 데이터 마이닝(data mining) 결과 평가(Interpretation/evaluation) 3. CRISP-DM 분석 방법론 업무 이해 (business understanding) 데이터 이해 (data understa..
ADsP [2과목] 1-1 분석 기획 방향성 도출 1. 분석 기획의 특징 1) 분석 기획 실제 분석을 수행하기에 앞서 분석을 수행할 과제를 정의하고, 의도했던 결과를 도출할 수 있도록 이를 적절하게 관리할 수 있는 방안을 사전에 계획하는 일련의 작업 2) 데이터 사이언티스트의 역량 수학 / 통계학적 지식, 정보기술(IT기술, 해킹기술, 통신기술 등), 비즈니스에 대한 이해와 전문성 2. 분석 대상과 방법 분석은 분석의 대상(What)과 분석의 방법(how)에 따라서 4가지로 분류할 수 있다. 3. 목표 시점별 분석 기획 방안 4. 분석 기획 시 고려사항 분석의 기본인 가용 데이터(Available data)에 대한 고려가 필요 분석을 통해 가치가 창출될 수 있는 적절한 활용방안과 유즈케이스(Proper Business Use Case) 탐색이 필요 분석..
ADsP [1과목] 3-3 빅데이터 그리고 데이터 사이언스의 미래 1. 데이터 사이언스의 의미 빅데이터 분석은 선거결과에 결정적인 영향을 미칠 수도 있고, 기업들에게 비용절감, 시간 절약, 매출증대, 고객서비스 향상, 신규 비즈니스 창출, 내부 의사결정 지원 등에 있어 상당한 가치를 발휘하고 있음. 2. 빅데이터 회의론을 넘어 가치 패러다임의 변화 과거 : 아날로그 세상을 어떻게 효과적으로 디지털화하는가가 과거의 가치 창출 원천 현재 : 디지털화된 정보와 대상들은 서로 연결 시작 연결을 더 효과적으로 효율적으로 제공하는가가 성공요인 미래 : 복잡한 연결을 얼마나 효과적이고 믿을 수 있게 관리하는가의 이슈 3. 데이터 사이언스의 한계와 인문학 1) 데이터 사이언스의 한계 분석과정에서는 가정 등 인간의 해석이 개입되는 단계를 반드시 거침 분석결과가 의미하는 바는 사람에 따..
ADsP [1과목] 3-2 전략 인사이트 도출을 위한 필요 역량 1. 데이터 사이언스의 의미 데이터 사이언스란 데이터 공학, 수학, 통계학, 컴퓨터공학, 시각화, 해커의 사고방식, 해당 분야의 전문 지식을 종합한 학문 2. 데이터 사이언스의 구성요소 1) 데이터 사이언스의 영역 2) 데이터 사이언티스트의 요구 역량 3. 데이터 사이언스 : 과학과 인문의 교차로 분석 기술보다 더 중요한 것은 소프트 스킬로 전략적 통찰을 주는 분석은 단순 통계 및 데이터 처리 능력보다 스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적 시각, 대화 능력 등의 인문학적 요소가 필요함 4. 전략적 통찰력과 인문학의 부활 외부 환경적 측면에서 본 인문학 열풍의 이유 외부환경의 변화 내용 예시 컨버전스 -> 디버전스 단순세계화에서 복잡한 세계화로의 변화 규모의 경제, 세계화, 표준화, ..
ADsP [1과목] 3-1 빅데이터 분석과 전략 인사이트 1. 빅데이터 회의론의 원인 부정적 학습효과 -> 과거의 고객관계관리(CRM) : 공포 마케팅, 투자대비 효과 미흡 부적절한 성공사례 -> 빅데이터가 필요 없는 분석사례, 기존 CRM의 분석 성과를 빅데이터 분석 성과로 과대 포장 => 단순히 빅데이터에 포커스를 두지 말고, 분석을 통해 가치를 만드는 것에 집중해야 함 2. 일차원적인 분석 vs 전략 도출을 위한 가치 기반 분석 1) 산업별 분석 애플리케이션 산업 일차원적 분석 애플리케이션 금융 서비스 신용점수 산정, 사기 탐지, 가격 책정, 프로그램 트레이딩, 클레임 분석, 고객 수익성분석 병원 가격 책정, 고객 로열티, 수익 관리 에너지 트레이딩, 공급, 수요 예측 정부 사기 탐지, 사례관리, 범죄 방지, 수익 최적화 2) 전략 도출 가치 기반 분석 ..
ADsP [1과목] 2-3~5 비즈니스 모델, 위기요인 통제 방안, 미래의 빅데이터 1. 빅데이터 활용사례 1) 관점에 따른 정의 구글 : 사용자의 로그 데이터를 활용한 검색엔진 개발, 기본 페이지랭크 알고리즘 혁신 월마드 : 고객의 구매패턴을 분석해 상품 진열에 활용 2) 정부 실시간 교통정보 수집, 기후 정부, 소방 서비스 등을 위해 실시간 모니터링을 실시하여 국가 안전 확보에 활용 3) 개인 정치인 : 선거 승리를 위해 사회관계망 분석을 활용해 유세 지역 선거 가수 : 팬들의 음악 청취 기록을 분석해 공연 시 노래 순서 선정 2 빅데이터 활용 기본 테크닉 연관 규칙 학습, 군집분석, 유전 알고리즘, 기계학습, 회귀분석, 감정분석, 소셜네트워크분석(=사회관계망분석) 3. 위기 요인에 따른 통제 방안 사생활 침해 -> 동의에서 책임으로 책임 원칙 훼손 -> 결과 기반 책임 원칙 고수 ..