1) 아티클 요약 및 주요 내용
[데이터 분석가에게 필요한 하드스킬 5가지]
1. 사용언어
SQL, 파이썬(심화 분석 (ex)요인분석, 예측모델링등)), 엑셀
2. 통계학 학습
EDA (탐색적 데이터 분석) : 상관관계, 회귀분석, 인과 관계등에 대한 통계개념 사전 학습
A/B테스트 : 귀무가설, 대립가설, 검정력 등 가설검정 관련한 기초 통계학 내용 학습
3. 도메인 및 비즈니스에 대한 이해
이커머스, 모빌리티 등 산업을 선택하는지에 따라 비즈니스, 프로덕트와 직결되어 있음
재무, 마케팅등 기본적인 비즈니스 지표 및 KPI 성공지표(MAU, Gross Margin 등)에 대해 알고 있어야 함
(지표 : 비즈니스 지표의 증감원인을 파악하기 위해 활용, 서비스 전반을 이해하는데 꼭 필요함.)
4.툴을 다루는 역량
SaaS툴(구글 애널리틱스, 앰플리튜드 등), BI툴(루커 스튜디오, 태블로 등) + 데이터 마트 설계 & 자동화 방법
5. 업무 자동화와 데이터링 엔지니어링
1)업무자동화
다양한 부서의 일회성(Ad-hoc) 분석 요청에 대한 대응, 데이터 적합성 및 퀄리티 확인, 데이터 플랫폼 운영 이슈
->일회성 분석 추세
일회성 분석 자동화: BI 대시보드, 데이터 플랫폼 등 자동화 추세
-> 자동화 문제 : 데이터 플랫폼 운영이슈 , 플랫폼 최적화-개발자 소통, 필요한 기능 기획 및 테스트 역할
2)엔지니어링
데이터마트, 데이트 파이프라인 만드는 역량
Airflow, SQL등 분석을 위한 데이터 엔지니어링 언어, 도구 활용 준비
[데이터 분석가에게 필요한 소프트 스킬 4가지]
1. 커뮤니케이션 능력
70% 업무: 보고서와 커뮤니케이션
데이터 언어 - 다양한 직무관점으로 바라보기 -> 모두가 이해할 수 있는 언어로 바꾸기
데이터 드리븐 문화 조성 - 구성원들의 쉬운 활용을 위해 전사데이터 교육 및 스터디 진행
2. 협업능력과 태도
협업에 대한 언어, 소통방식, 태도를 가져야함
협업 방식이 달라질 수 있으므로 속한팀 기능조직인지 목적조직인지 확인 필요
3. 문제 정의 및 문제 해결 능력
데이터 분석 프로세스 : 문제정의 -> 가설수립 -> 데이터분석 ->문제해결
문제 - 논리적으로 정의, 현상에 대한 파악 => 분석 방법론 시도
4. 보고서 작성
보고서 형식, 논리, 시각화를 통한 비즈니스 보고서 작성
분석결과를 토대로 기획, 전략단계까지 사업화 할 수 있는 액션 아이템 구상
2) 핵심 개념 및 용어 정리
1)핵심 개념:
데이터 분석가에게 필요한 하드스킬 5가지와 소프트 스킬 4가지에 대한 설명
2) 용어 정리:
EDA (탐색적 데이터 분석)
: 벨연구소 수학자 존 튜기가 개발한 데이터 분석 방법론으로 데이터를 다양한 각도에서 관찰하고 이해하는 모든 과정을 말한다.(초기 분석 단계)
*데이터에 대한 이해와 탐색이 바탕이 되어야 문제를 발견 및 해결은 물론 데이터 분석을 하는 과정에서 필요한 통계도구, 자료수집 등을 결정하는데도 도움을 준다.
EDA 하기위한 데이터 수집 및 정제과정
데이터 수집-> 데이터 전처리 -> 순수데이터 -> EDA
A / B테스트
: 두 가지 이상의 버전(A/B)을 비교해 실험하는 그로스 해킹 방법론
두 가지 이상의 버전을 비교하여 더 나은 결과를 선택한다는 점에서 분할 테스트나 버킷 테스트라고 칭하기도 함.
일회성(Ad-hoc) 분석
: 그때 그때의(필요에 따라 임시로) 어려운 질문에 대해 데이터로 답하는 일을 의미(데이터를 분석하거나 나타내는것), 의사결정을 위한 분석
>해당아티클
https://yozm.wishket.com/magazine/detail/2070/
'PM > 아티클스터디' 카테고리의 다른 글
[아티클 스터디]기획자가 알아야 할 데이터 분석 도구와 활용법 (0) | 2024.12.24 |
---|---|
[아티클 스터디]데이터 기반 의사결정의 장점 (2) | 2024.12.18 |