[데이터 분석 입문] 데이터 리터러시

데이터 리터러시

• 데이터를 읽는 능력
• 데이터를 이해하는 능력
• 데이터를 비판적으로 분석하는 능력
• 결과를 의사소통에 활용할 수 있는 능력

데이터 분석(스킬) 자체가 목적이 되지 않도록  '문제 및 가설 정의'와 '결과 해석 및 액션 도출' 단계에서 "왜" 를 항상 생각해야 한다.

문제 정의

- 분석하려는 특정 상황이나 현상에 대한 명확하고 구체적인 진술

- 프로젝트의 목표를 설정하고 분석 방향을 설정

* 결과를 공유하고자 하는 사람이 누구인지 정의하기 (회사 소속이라면, 경영자의 입장에서 보려고 노력)

 

< 문제 정의 방법론 >

• MECE : 문제를 상호 배타적(mutually exclusive)이면서, 전체적으로 포괄적(collectively exhaustive)인 구성요소로 나누는 것
• 로직 트리 :  MECE 원칙을 기반으로 복잡한 문제를 더 작고 관리하기 쉬운 하위 문제로 분해하는 데 사용

 

데이터의 유형

	정량적 데이터	정성적 데이터
유형	정형 데이터 반정형 데이터	비정형 데이터
특징 및 관점	여러 요소의 결합으로 의미 부여 주로 객관적 내용	객체 하나가 함축된 의미 내포 주로 주관적 내용
구성 및 형태	수치나 기호 데이터베이스, 스프레드 시트	문자나 언어 웹 로그, 텍스트 파일
위치	DBMS, 로컬 시스템 등 내부	웹사이트, 모바일 플랫폼 등 외부
분석	통계 분석 시 용이	통계 분석 시 어려움

 

지표 설정

지표 : 특정 목표나 성과를 측정하기 위한 구체적이고 측정 가능한 기준

 

< 주요 지표 >

• Active User (활성유저)
  • 서비스 내에서 특정 행동을 하는 사용자 (ex. DAU, WAU, MAU)
• Retention Ratio (재방문율)
  • 서비스를 사용한 사람이 다시 서비스를 사용하는 비율 %
• Funnel (퍼널)
  • 유저들이 어디서 이탈하는가?를 확인하기 위한 구조화
• LTV (Life Time Value, 고객 평생 가치)
  • 한 명의 유저가 고객 생애 주기(시작~이탈) 동안 얼마만큼의 이익을 주는지를 정량적으로 지표화 한 것
• 북극성 지표 
  • 제품/서비스가 유저에게 주는 core value를 가장 잘 나타낸 것

 

결론 도출

결과 : 데이터 처리, 분석, 모델링 후에 얻어진 구체적인 데이터의 출력

결론 : 분석된 데이터 결과를 바탕으로 이끌어낸 의미나 통찰

 

< 결론 보고서에 쓰면 좋은 플로우 >

• 전체 내용을 한 문장으로 정리하는 요약
• 해당 보고서의 메인 주제
• 해당 보고서를 쓴 이유와 원하는 변화
• 문제 정의 단계
• 핵심 내용 전개
• 결론 및 액션 아이템