프로그래머스 데이터분석 데브코스 1기 - 1일차

주제

1. 데이터 분석 소개

2. 데이터 팀의 구성원과 역할

3. 클라우드 (AWS)

 

 

데이터란?

-> 일상생활에서 관찰할 수 있는 모든 것.

• 데이터를 기록하고 수집하는 것이 가장 기본이 된다(Digitization)
• 데이터에서 가장 중요한 것 : 1. 품질, 2. 크기

 

 

그럼 데이터 팀이 하는 일은 뭘까?

• 신뢰할 수 있는 데이터를 이용하여 부가 가치를 생성하는 것!
• Decision Science : 고품질 데이터를 이용하여 의사 결정권자에게 입력을 제공함. 데이터 기반 지표 정의, 대시보드 생성 등을 수행.
  • Data informed decisions vs. Data driven decisions
• Product Science : 고품질 데이터를 기반으로 사용자 서비스 경험을 개선
  • 머신러닝

 

데이터 팀의 구성원

1. 데이터 엔지니어
2. 데이터 분석가
3. 데이터 과학자
4. ML 엔지니어 등

1. 데이터 엔지니어

• 데이터 인프라를 구축함.
• ETL을 통해 데이터 웨어하우스 밖에 존재하는 데이터를 추출(Extract)하고, 변환(Transform)시켜 웨어하우스에 가져온다(Load).

※ 데이터 웨어하우스 vs. 데이터 레이크

데이터 웨어하우스(Data Warehouse)	데이터 레이크(Data Lake)
보존 기한이 있는 구조화된 데이터를 저장하고 처리하는 스토리지	보존 기한이 없는 구조화 + 비구조화된 데이터를 원래 형태대로 보존하는 스토리지. 데이터 웨어하우스보다 몇 배 이상 크다

 

 

2. 데이터 분석가

• 데이터 분석을 수행
• ELT -> ETL된 데이터를 조합하여 새로운 정보를 생성함.
• 좋은 지표를 정의하고, 대시보드 생성하고 관리, 데이터 기반 레포트 작성을 수행
• A/B 테스트 분석

※ A/B 테스트 (=Split Test or Bucket Test)

• 실제 사용자를 대상으로 두 그룹으로 나눔
• 한 그룹에게는 기존 기능을 제공하고 다른 그룹은 새로운 기능을 제공함
• 두 그룹 사이의 차이를 분석하여 어떤 기능이 더 좋은 성과를 냈는지 알 수 있음

 

※ KPI(Key Performance Indicator)

• 조직 내에서 달성하고자하는 중요한 목표
• 정량적인 숫자를 선호함
• KPI의 수는 적을수록 좋음

※시각화 대시보드 : 중요한 지표를 시간의 흐름과 함께 보여주는 것

• 3A : Accessible / Actionable / Auditable
• 가장 많이 사용되는 대시보드 : Tableau, Power BI, Looker

 

3. 데이터 과학자

• 데이터 과학 적용
• 머신러닝 모델을 만들어 사용자 경험 개선하는 등의 일을 수행

 

데이터 문해력(Data Literacy)

• 데이터 팀 구성원이 가져야 할 능력
• 데이터를 문제와 연결하여 가치 있는 결론을 내는 사고방식 또는 능력을 뜻함

 

클라우드란?

• 컴퓨팅 자원을 네트워크를 통해 서비스 형태로 사용하는 것을 뜻함
• 필요한만큼 할당하고 사용한만큼 지불하는 시스템
• 장점 : 
  • 초기 투자 비용 감소
  • 리소수 준비시간 감소
  • 글로벌 확장 용이
• 가장 흔한 클라우드 서비스로는 아마존의 AWS가 있음

 

 

---

 

느낀점

OT를 제외하면 첫 수업이었는데 가장 기본인 데이터의 정의부터, 데이터 팀은 어떤 일을 하는지 상세하게 배울 수 있어서 좋았다. 다른 직업과는 달리 데이터 관련 직업들의 얘기는 쉽게 찾아볼 수 없는데 오늘 강의를 통해 많은 걸 배웠다. 특히 데이터 분석가의 로드맵을 보여주셔서 앞으로 어떤 스킬들을 습득해야하는지 조금 명확해진 것 같다. 내일부터 실습도 해보는 것 같은데 재밌어질 거 같다! 앞으로 5개월동안 화이팅!