<aside> ❗ 틀린거 “이렇게" 표시함 헷갈리는거는 그냥둠

</aside>

1. 데이터 분석가

   Soft Skill

   • 창의적 사고, 호기심, 논리적 비판
   • 스토리 텔링, 비주얼라이제이션, 커뮤니케이션
   • 대화능력

   Hard Skill

   • 이론적 지식
   • 분석설계능력, 노하우

2. 일차원적 분석

   금융 서비스 : 신용점수, 사기 탐지, 고객 수익성 분석

   소매업 : 판촉, 재고보충

   에너지 : 트레이딩, 공급/수요 예측

   정부 : 사기탐지, 사례관리, 범죄방지, 수익 최적화

3. 데이터 거버넌스

   데이터 관리 체계 : 메타데이터 관리, 데이터 사전 관리, 데이터 생명주기 관리

   

4. 데이터 거버넌스의 구성요소

   • Process
   • System
   • Organization
   • Data
   • Human Resource

5. 하향식 접근법 문제 탐색 단계

   • 분석 과제가 주어지고 이에대한 해법을 찾기 위해 단계화되어 수행
     1. 문제 탐색 : 분석 기회 발굴의 범위 확장
     2. 문제 정의 : 비즈니스 문제 → 데이터의 문제
     3. 해결방안 탐색 : who → how
     4. 타당성 검토

6. 상향식 접근방식의 특징

   • 통찰력, 지식, 비지도학습, 프로토타이핑 , 디자인적 사고(why→what)

7. 분석 마스터 플랜 - 우선순위 고려 요소

   • 전략적 중요도
   • 실행 용이성
   • 비즈니스 성과/ROI
     • 투자비용(Invest) 요소 :3V(크기, 다양성, 속도)
     • 비즈니스 효과(Return) 요소 : 1V(가치)

   적용범위/방식 고려 요소

   1. 업무 내재화 적용 수준
   2. 분석 데이터 적용 수준
   3. 기술 적용 수준

8. 분석 거버넌스 체계 수립

   

9. 계층적 군집 분석

   • 거리에 대한 정의
     • 연속형 변수일때 : 유클리드, 표준화, 마할라노비스(표준화와 변수간의 상관성을 동시에 고려), 체비셔프, 맨하탄, 캔버리, 민코우스키(맨하탄 거리 + 유클리디안 거리)
     • 범주형 변수 : 자카드거리

10. 앙상블 모형

    • 각 모형으 ㅣ상호 연관성이 높을수록 정확도가 ㄸ러어짐.