Opening Day
💁🏻♀️ 강사님 소개
박은비 - 모빌리티 CEO
📌 오리엔테이션
첫날은 간단하게 데이터 과정에 대해 듣고,
데이터 직군을 어떻게 나누는지,
앞으로 데이터 관련 어떤 직군의 사람이 될 것인지를 공부했다.
특히 내가 원하는 것 VS 고객이 원하는 것 을 알아가는 과정에서
내가 원하는 것 & 고객이 원하는 것 을 찾아가는것이 중요함!!
✅ 데이터 분석 과정에서는
chapter 3가지로 나눌 수 있는데
✔️ Chapter 1.
- 디자인 스프린트로 5일동안 프로젝트를 진행하면서 내가 설정한 문제점, 솔루션 아이데이션, 프로토타입, 테스트완료(프레임워크)까지
애자일하게 진행하는 것을 배운다!
✔️ Chapter 2.
-실무 역량과 관련된 Excel, SQL, Python 을 사용하여 실제 기업이 사용하는 데이터를 가지고 유의미한 분석을 시행
✔️ Chapter 3.
-인사이트 도출을 위한 디자인 스프린트와 데이터 분석 프로젝트를 진행하며 실무 경험을 쌓는다!
(기대 되는걸 😎)
✅ 데이터 분석 기초
📌 <데이터 분석 기초1 - 데이터와 데이터분석가>
1. 데이터란?
- 사실, 자료, 컴퓨터가 처리할 수 있는 문자,숫자,소림, 그림 따위 - 사전적 정의 --> 설문조사,여론조사 결과, 생활기록부, 범죄이력 (단순 사실 data)
- 의미가 생겨나기 시작 -> 감정, 흥미, 반응,참여 -> 정보(Info) 로 만들어 가는 과정 !
1.1. 통계학 이론 기반
- 기술통계 : 모수에 관계없이 ㄱ데이터가 가진 통계적 의미를 찾는것 - 산술평균, 표준편차,모집단/모수,표본,신뢰구간 등등
- 추론통계 : 데이터 표본을 가지고 모집단의 특성을 추정하는 것 - 가설과 가설검증을 위한 실험 (알고리즘, 예측 등)
- 데이터 마이닝 : 데이터가 가진 패턴/특징 찾아내는것 - 회귀분석과 같은 수학 알고리즘 (머신러닝, 딥러닝, AI) 모델링, 알고리즘 분석
1.2 데이터 분석 프로세스
1) 데이터 생성
2) 데이터 수집 --> 클라우드 서버에 저장, 다른 서버에 전달
3) 데이터 가공 후 저장(ETL) - 추출, 변환, 로드를 나타내며 조직에서 여러 시스템의 데이터를 단일 데이터베이스, 데이터 저장소, 데이터 웨어하우스 또는 데이터 레이크에 결합하기 위해 일반적으로 허용하는 방법
4) 데이터 분석 및 시각화 (BI) - 비지니스 인텔리전스란 비즈니스 데이터를 분석하고 실행 가능한 인사이트로 전환해 조직의 모든 사용자가 더 합리적인 의사결정을 내리도록 하는데 사용되는 프로세스와 툴
2. 직무 - 데이터를 다루는 사람들
모두 하는것이 Product Manager
* 데이터 분석가란? 데이터 수집, 처리,가공,저장, 관리 추출 등을 다루는 것 (Scientist VS Analyst)
- 사이언티스트/ML Engineer : 2가지 역량이 다 있는 사람
- 엔지니어링: 프론트 백엔드 등 엔지니어링 (=개발자)
- 데이터 Analyst? 시각화 및 분석에 활용 (=비즈니스 문제 해결, 기획)
3. 프로덕트 직군 VS 데이터 직군
| Product | Data | |
| 목표 | 아무것도 없이 고객으로부터 시작해서 제품/서비스를 통해 고객으로 끝냄 |
이미 고객에게 넘겨받은 (데이터를 통해 ) 인사이트를 찾아내는 것 혹은 찾아내기 위해 필요한 업무
ex) 로그인한 시간 100만개 -> 사용 시간 분석에 따른 인사이트 도출
|
| 역할 |
내가 중요항다고 생각하는 걸 설득하고 결과로 만들어 내는 역할
(데이터가 없어도 설득할 수 있게 제안을 해야함)
|
데이터에서 의미를 발견해 개선/시도 방안에 대해 설득하는 역할 / 혹은 그럴 수 있게 체계를 구축하는 역할
(데이터 기반의 설득을 주도적으로 해야함)
|
| 직업 | 마케터, 디자인, 서비스 기획자 | |
| 기간 | 시급성 | 데이터를 통해 일 할 수 있는 기간이 (1-2달 예상) |
| 하는일 | 전부 다 ...
|
data 직군 공통으로 요구되는 부분.. +
Analyst, Data Engineer, Data scientist 등 직무별로 구분되는 업무
|
| 업무와 관련된 사람 | 고객에게 제품을 전달하는데 필요한 모든 사람 ( 고객 및 고객사, 경영진, 협업자) | 대부분 팀원 |
| 도구 스킬 | 노션, PPT, 커뮤니케이션 스킬 기반 | SQL, Python, DBMS, 데이터를 구축 관리 활용하기 위한 도구들, 분석력, 관찰력, 컴퓨데이셔널 띵킹, |
4. 고객 데이터 분석, 왜 해야할까?
온라인 환경에서 눈에 보이지 않는 고객이 우리의 서비스를 잘 이용하고 있는지 파악하기 위함
4.1 데이터
서비스 데이터 (B2B) : 서비스 운영을 위한 모든 데이터 -> 가입, 결제내역, 회원가입 정보 등 서비스 주요 기능에 큰 영향을 줌 (사용자 동의 데이터 - 법적인 문제가 생길 수 도 있는, 우리의 서비스를 운영하기 위해 효율적으로 필요한 데이터)
사용자 행동 데이터 : 사용자들의 행동 패턴을 확인하기 위해 별도로 저장하는 데이터 -> 웹로그 데이터, 앱로그 데이터, 이벤트 데이터, 사용자 로그 데이터 등 상대적으로 규모가 크고, 신뢰도가 낮다.
4.2 사용자 행동데이터 기초(법쪽으로 접근하기 어려움)
고객 대면 관찰
: 직접 서비스를 사용하게 한 후 관찰하는 방법, 무의식적인 어려움까지 확인 할 수 있음(신규 스타트업에서 많이 진행)
고객 인터뷰
: 서비스 사용 경험, 사용 방식을 인터뷰하는 방법, 시간과 비용이 발생, 정성적인 답변, 무의식적인 거짓말 가능성
사용자 행동 데이터 분석
: 사용자들이 서비스를 사용하면서 남긴 행동데이터 (페이지뷰, 클릭, 스크롤 등)을 분석하는 방법, 데이터에 대한 해석을 자의적으로 해야함
4.3 사용자 행동 데이터는 런칭 이후가 시작점
기획 : 아이디에이션, IA, 와이어프레임, 화면 설게...
개발 : 설계, 프론트/백 엔드 개발, 테스트...
런칭 : 우리 사용자들이 의도대로 서비스를 잘 쓰고 있나?
4.4 분석 주제 (마케터와 서비스 기획자와 많이 협업)
1) 사용자들이 기능을 어떤 순서로 사용하는가?
2) UI 를 변경한 이후 사용자들의 행동 변화 (행동 패턴 변화)
3) 어느 기능과 특정 페이지에 관심이 많고 적은가
4) 결제 전환률
5) 이탈률
6) 재방문률
4.5 활용 사례 ex)넷플릭스
- 사용자가 콘텐츠를 어디서부터 어디까지 시청햇는가
- 어떤 기기를 사용하는가? -모바일, 패드류 등
- 언제 일시정지 ?
> 콘텐츠를 기획하는데 바탕이 됨
4.6 활용 사례 ex)아마존
- 웹사이트 로딩 0.1초 지연될 때 판매 1% 감소
- 모든 웹페이지가 0.6초 안에 로딩되는것 목표로 개선 -> 13% 개선됨
4.7 분석시 주의사항
* 사람들은 내가 원하는 대로 움직이지 않는다
- 데이터가 기록되는 방식을 정확하게 이해해야 한다.
- 데이터는 언제나 잘못 기록될 가능성이 있다
- 데이터를 조회할 때 주의가 필요하다.
- 기획자가 예상하고 만든 기능들을 사용자가 그대로 사용할리 없다!!! <- 가설이 잘 세워져야 함
데이터 수집이 가장 중요! (수집 시점에서 기록됨)
- 데이터가 기록되는 방식을 이해해야 한다.
회원가입 시점
회원가입 버튼 누른 사람 vs 회원가입 완료 한 사람
2. 데이터는 언제나 잘못 기록될 가능성이 있다.
사용자 행동 데이터 기록 툴 GA, Amplotude 등의 서드파티 툴 , 자체 로깅 시스템 사용 등
- 데이터를 쌓는 플랫폼마다 데이터가 쌓이는 조건이 다를 수 있음
- 똑같은 페이지뷰,
3. 데이터를 조회할 때 주의가 필요하다.
사용자 행동 데이터가 저장된 DB 쿼리를 잘못 설정하면
- 데이터베이스 과부화가 걸리거나
- 서버가 다운될 수 있음
ex) 100만 개를 다 끌어오고 하면 실무의 문제가 생김..
4. 린(LEAN)모델, 고객으로부터 배운다
애자일하게 일하자
린 = 빠르게 가설 세우고 검증 등 ' 고객은 못되지만 고객을 이해할 수 있다.'
5. 왜 가설검증을 해야하는가?
목표가 있을 때 여러번의 가설 검증으로 방향을 수정해가며, 목표에 이를 수 있다.
6. 검증할 가설 결정하기
1) 모든 가설 리스팅
-> 현재 상황을 개선하는가? , Actionable
2) 우선순위 설정 - 임팩트 순으로
3) 검증할 가설 선택 - 가능한 리소스만 ( 서비스를 개선할 수 있는 검증할만한 가설만 세우기)
📌 회고
많이 알고 있었던 부분이지만 ADSP 시험을 앞둔 나에게 리마인드하는 좋은 시간이었다.
핵심 개념을 정확하게 알았기에 재밌었다!
그리고 여기 SeSAC 엄청 좋네!!!!!
마구마구 추천💗
#청년취업사관학교 #데이터분석가 #데이터분석가부트캠프 #DA교육 #데이터분석교육 #실무프로젝트 #실무경험 #취업포트폴리오 #포트폴리오 #취업연계교육 #코멘토 #모비니티
'성동 1기_ 모빌리티 전Z전능 DA' 카테고리의 다른 글
| Day 6 - 디자인스프린트 - 번갯불 데모 (아이디어 고도화) (2) | 2023.10.23 |
|---|---|
| Day 5 - 디자인스프린트 프로젝트 (맵 설정/ 목표, 타깃 설정) (1) | 2023.10.23 |
| Day4 - 디자인스프린트 프로젝트 (팀빌딩) (1) | 2023.10.19 |
| Day3 - 디자인 스프린트란? (0) | 2023.10.18 |
| Day2 - 모빌리티 산업 이해/ 현직자 강의 (경력 기술서 작성방법) (1) | 2023.10.17 |
