민서타의 데이터 분석 연구일지

이제 Intro가 끝나고, 새롭게 시작(대충 마블 인트로 BGM) -길었던 교육과정의 끝엔 혼자 시작하는 교육이 길었다. 그동안 기초통계부터 인공지능까지. 참 다양한 분야의 지식을 짧은 시간에 배웠다. 처음엔 힘겨웠고 중간엔 즐거웠고 마지막엔 다시 힘겨웠던 것 같다. 긴 시간, 의자에 앉아있는 능력이 생긴 것 부터 다양하 프로젝트를 경험하며 직무 능력을 기르기까지. 이제 조금은 뇌섹남?이 된듯한 기분이 들면서 그래도 포기하지 않았다는 것에 박수를 보낸다. 다양한 사람들과 접하면서, 항상 좋았다고만은 얘기하진 못하지만. 그래도 동료이자 함께하는 구성원으로 좋은 추억이 많았던 것 같다. 내가 잘하는 분들(전공자, 현업자)과 함께할 때는 부족해서 죄송했고, 또 조금 이해가 부족하신(사실 열정이 부족한 것 같다..

안녕이 영원한 마지막은 아니겠지요 -끝은 새로운 출발, 할 게 너무 많은 IT업계 어느덧, 길었던 6개월의 종지부를 찍고. 부족했던 내가 한층 더 풍성해진 캐릭터로 거듭났다. 작년에 데이터 분석과 인공지능을 공부하기 마음먹은 지 얼마 안된 것 같은데. 눈 떠보니 2024년이고, 공부할 분야는 여전히 많고. 이쪽 분야 사람들은 지치지 않는 것 같다. 왜냐하면 한 분야의 마스터를 찍으면, 또 유관분야의 기술 스택을 익혀야 하니까. 실제 프로젝트 경험으로, 그동안 자랑할 만한 프로젝트 경험이 없었다. 남들 수준에서 그정도는 할 수 있지, 차별성이 없는 프로젝트들이라 생각되었다. 패스트캠퍼스의 기업연계 파이널 프로젝트는, 실제 현업에서의 문제를 경험할 수 있다는 점에서 굉장히 경쟁력이 있었다. 하지만 웅장한 인..

국민 Data 타이타닉 활용 사용 Col: Pclass, Embarked, Survived, Age 파생변수 전체고객수(CNT) = CALCULATE(count(titanic[PassengerId]), FILTER('titanic', titanic[Survived] = 0 || 1)) 연령대 = SWITCH( TRUE(), [Age] >=50, "50대 이상", [Age] >=40, "40대", [Age] >=30, "30대", "20대 이하" 생존, 사망자수(CNT) = CALCULATE(count(titanic[PassengerId]), FILTER('titanic', titanic[Survived] = 0)) #0 or 1

웹 데이터 가져오기 -> URL(edit?usp=sharing -> /export?format=xlsx (사전 구글 스프레드 시트 공유가 모두로 설정 필요) api 가져오기 -> 신청 후 웹 가져오기(고급) -> 신청된 api 주소 입력, 그 아래 2023-12-01 입력 시 해당 기준 날짜 조회 년월일 매개 변수 생성(고급편집기) (년월일 as text) => Data Modeling Fact_table: 관찰이나 이벤트, 거래를 저장하는 테이블 ex 판매주문, 온도, 환율 등 Dimension Table: 모델링 대상인 비즈니스 엔터티 테이블 Star Schema: 가운데 Fact Table과 여러 Dimension Table이 연결됨(장소, 시간, 제품 등) DAX: Data Analytics eX..

1. 코호트 분석 -코호트(특정 기간 동안 공통된 특성이나 경험을 갖는 사용자 집단으로 묶는 방안) -시간을 두고 비슷한 그룹을 비교 -목적: 고객의 이탈률, 리텐션(재구매율)을 파악하여 문제 진단 및 해결 전략 도출을 위한 대시보드로 사용 2. AARRR(해적지표) -사업의 핵심지표를 발굴하고, 성장시키는 방법을 찾는 활동(그로스 해킹) -1)사용자 유치 2)사용자 활성화 3)사용자 유지 4)추천 5)매출 3. 리텐션 -고객 유지율, 서비스의 성공을 예측할 수 있는 가장 기본적인 핵심지표 -측정방법: 특정 기간 내 이벤트를 발생시킨 유저의 비율 -기간 내 1번 이상의 이벤트 관측 = 한 번으로 카운트 -Retention = 측정 Week 기간 내 서비스 이용 고객수 / week1 서비스 이용 고객수 e..