1. 데이터 사이언티스트가 하는 일
= 데이터를 중심으로 의사결정을 돕고, 데이터를 바탕으로 제품 개발에 필요한 논리를 만든다.
2. 문과생이 데이터 사이언티스트가 되다?
= 통계(숫자) + 언어(표현)
[주의점]
1) 코딩을 몰라도 좌절하기 말기
2) 적성확인
= 좋아하는 것 / 잘하는 것 / 추구하는 것을 발견
나라는 데이터를 분석하기!
3. 숫자와 현실 연결
1) 개념 보다 중요한건 활용이다
= 빅데이터 개념보다 우리 사회에 데이터와 데이터 분석이 얼마나 일반화 되고
데이터가 어떻게 활용하는지 이해
2) 쌓일수록 가치 생성
= 근거 자료 / 문제가 생길시 원인 파악에 용이
[시계열 데이터]
(년, 월,일, 시)
= 동일한 일시에 일어난 일에 관해 상관관계 또는 인간관계(회귀) 분석
* 데이터 = 객관적으로 만듬
3) 누구에게나 도움이 되는 데이터
= 데이터가 필요하는 분야가 다양해짐
ex) 스벅의 사이렌 오더
[데이터는 경쟁력 좌우]
= 데이터 분석이 매출에 영향을 많이 미친다면 어떻게 해야 데이터를 쉽게 모을지 고민해야한다!
* 모든 것이 데이터 = 만물은 수다
: 모든 현실을 기록이 가능하며 수치화하고 데이터로 바꿀 수 있는 시대가 되었다.
[데이터 사이언티스트 역할]
= 데이터를 캐낼 수 있는 사람
[종류]
1) 데이터 엔지니어
= 대용량 데이터를 쌓고 기술적으로 활용
2) 데이터 애널리스트
= 데이터 분석해 시장 전망과 같은 수치
3) 데이터 사이언티스트
= 현실과 데이터를 연결
ex) 마케팅 아이디어, 판매를 높이는 모델
[3가지 영역]
1. 데이터 분석 기술 (프로그래밍 언어)
2. 상황에 맞게 통계 적용
3. 분석결과 해석하고 전달하는 인문학
-> 이제는 영역구조의 모호함 and 의사소통의 중요함.
[아이디어를 숫자로 확인하는 방법]
1. 소비자가 자주 구매하는 것은 무엇일까?
2. 숫자와 언어 속 맥락 읽기
ex) 텍스트 마이닝
= 사람이 언어로 말하는 것들을 데이터로 반환해 분석 가능한 기술이 발달
[데이터 사이언티스트 실무]
1. 데이터의 가치
= 데이터가 기업에 도움이 되도록 함
* 데이터 분석 = 금광에서 금 찾기
2. 감각, 기술, 소양 갖추기
1) 통계적 감각 = 데이터 모으기
-> 평소에 익히기
2) 기술 = 코딩 (데이터 효과 검증)
3) 인문적 소양 (협의 , 방안제시)
= 결과물로 사람들을 설득
참고 : 문과생, 데이터 사이언티스트가 되다.