당신은 주제를 찾고 있습니까 “빅 데이터 분석 프로젝트 주제 – [프로젝트발표영상] 배달 매출 예측 분석“? 다음 카테고리의 웹사이트 you.charoenmotorcycles.com 에서 귀하의 모든 질문에 답변해 드립니다: https://you.charoenmotorcycles.com/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 SKplanet Tacademy 이(가) 작성한 기사에는 조회수 1,386회 및 좋아요 20개 개의 좋아요가 있습니다.
빅 데이터 분석 프로젝트 주제 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 [프로젝트발표영상] 배달 매출 예측 분석 – 빅 데이터 분석 프로젝트 주제 주제에 대한 세부정보를 참조하세요
배달 매출 데이터를 바탕으로 일주일 간의 매출을 예측하는 서비스를 기획
2020년 1월~5월의 시계열 데이터를 바탕으로 6월 한주의 매출을 예측하는 시스템이며,
배달 매출 예측도 상승을 위해 2가지의 계층 구조를 만들어서 예측 모델링을 수행
팀명 : 웰치스
멤버 : 이범주, 정수경
2021.11.18일 진행된 혁신성장청년인재양성사업 성과발표회 발표 영상입니다.
빅 데이터 분석 프로젝트 주제 주제에 대한 자세한 내용은 여기를 참조하세요.
[Brightics 서포터즈] 나홀로 분석 프로젝트 (1) 분석 주제 선정 (+ …
원래 저는 마케팅에서 데이터 분석을 사용하는 방법에 대해 포스팅하고 싶었잖아요? 그럼 이번을 기회로,. 마케팅 가설이나 주장에 대해서 힘을 실어줄 수 …
Source: soa-park.tistory.com
Date Published: 10/1/2021
View: 5562
빅데이터 분석 및 시각화 project
빅데이터 분석 및 시각화 project. 참여자 : 김수연, 이혁수, 김경주. @8/28/2020 → 9/13/2020. 주제 : 공공데이터 활용한 뉴노멀 시대 맞춤 야외 데이트 지역 추천.
Source: hyukstory.oopy.io
Date Published: 9/19/2021
View: 4680
미니프로젝트(2) 범죄 빅데이터 분석 – velog
부산시 5대 범죄 및 시카고 범죄현황 빅데이터 분석. 구분, 내용. 기획배경, 부산시의 범죄발생율과 각 구별 cctv 설치 현황에 대하여 어떤 연결점이 있지 …
Source: velog.io
Date Published: 5/14/2022
View: 2938
프로젝트 주제 선정
금융 관련 빅데이터 분석 Project 아이디어. (1) 빅데이터분석을 활용한 환율예측 알림서비스. 목적: 1달이상의 장기적인 환율추이를 예측하여 고객이 …
Source: seungyeop.me
Date Published: 7/26/2021
View: 2056
데알못이 데이터 분석 프로젝트를 하기 위해 리서치한 내용 총집합
데이터 이해. 정형/비정형, 데베, 빅데이터, 데이터사이언티스트 역량, 개인정보 비식별 기술 이렇게만 보면 될 듯. 2. 분석 기획, 분석 방법론, …
Source: thewayaboutme.tistory.com
Date Published: 2/12/2021
View: 9404
2022년 빅데이터 활용 사례 10가지, 업계별 추천한다-FineReport
이 데이터 분석 사례는 유행병의 발생을 예측하고 그 영향을 최소화하기 위해 어떤 예방책을 강구할지를 결정하는 데 도움이 됩니다. 엑셀 수백만 명의 …
Source: www.finereport.com
Date Published: 6/6/2021
View: 2638
[빅데이터 개인 프로젝트] 밀레니얼 세대 소연구 by 텍스톰 …
주제 선정, 로직, 데이터 수집, 데이터 정제, 데이터 분석, 인사이트 도출, 발표 준비까지 약 2달 동안 준비했습니다. 크게 네 가지 단계로 관찰 > 빅 …
Source: slowslow.tistory.com
Date Published: 5/30/2021
View: 7281
빅데이터 미니프로젝트 (1) 절차 정리 – 바보도 코딩합니다
이번엔 미니프로젝트로 빅데이터 분석을 하게 되었다. 아직 프로젝트 주제는 정하지 못했다. 생각나는 것이 몇가지 있지만,. 데이터 수집에 어려움이 …
Source: babodocoding.tistory.com
Date Published: 5/28/2022
View: 3431
주제와 관련된 이미지 빅 데이터 분석 프로젝트 주제
주제와 관련된 더 많은 사진을 참조하십시오 [프로젝트발표영상] 배달 매출 예측 분석. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
![[프로젝트발표영상] 배달 매출 예측 분석](https://i.ytimg.com/vi/ukeIsaagLBI/maxresdefault.jpg)
주제에 대한 기사 평가 빅 데이터 분석 프로젝트 주제
- Author: SKplanet Tacademy
- Views: 조회수 1,386회
- Likes: 좋아요 20개
- Date Published: 2022. 2. 6.
- Video Url link: https://www.youtube.com/watch?v=ukeIsaagLBI
[Brightics 서포터즈] 나홀로 분석 프로젝트 (1) 분석 주제 선정 (+ 계획서 작성)
안녕하세요, Soa입니다!
٩( ᐛ )و
이제 개강도 했고.. (공부하기싫어병)
홍보 ucc 제작 때문에 분석 포스팅이 조금 없었습니다..
아직 홍보 ucc 제작은 끝나지 않았지만..!
운영국에서 메일이 왔습니당…….^^!
(우는거 아님)
무려 10주간, 개인 분석 프로젝트를 A부터 Z까지 진행해야 한다는 사실…!
그래서 고민했습니다..
사실 분석 프로젝트를 진행했던 경험이 없기 때문에,
어떻게 10주간의 분석 프로젝트를 해야하나 막막했어요…
그러면서 든 생각이
원래 저는 마케팅에서 데이터 분석을 사용하는 방법에 대해 포스팅하고 싶었잖아요?
그럼 이번을 기회로,
마케팅 가설이나 주장에 대해서 힘을 실어줄 수 있게끔 하는
데이터 분석을 진행해봐야겠다고 생각했습니다!
반응형
나홀로 분석 프로젝트 (1) 분석 주제 선정
개인 분석 프로젝트에 대한 큰 방향을 잡았습니다!
그래서 제가 정한 프로젝트 명은…
“나도 이제 디지털 마케터!”
물론 디지털 마케터가 실제로 하는 일에 대해서는
실무를 해보지 않았기 때문에 정답이 아닐 수 있습니다!
실제로 데이터 분석이 어떻게 사용되는지에 대해서 찾아보다가
다음 글을 발견했습니다.
https://platum.kr/archives/133978
데이터 분석을 통해서 마케팅 가설, 주장에 대해서
설득력을 높일 수 있다는 것이죠!
단순히 데이터 분석 뿐만 아니라
데이터 분석을 토대로, 그 데이터 안에서 인사이트를 도출해내는 것!
이번 개인 분석 프로젝트에서
물론 데이터 분석에 대해서 열심히 공부하겠지만,
마케팅에서 데이터 분석이 이렇게 쓰일 수 있구나 하는
그 과정에 대해서 자세히 포스팅하고자 합니다!
[프로젝트 목적]위에서 언급했던 것처럼
데이터 분석을 마케팅에 어떻게 쓸 수 있는지에 대해서
공부하고 그 과정을 자세히 이야기하고자 하는데요.
목적을 간단하게 정리하자면 다음과 같습니다.
마케팅 가설을 설정한 후, 데이터 분석으로 가설을 검증해보는 과정을 실습해본다.
누구나 볼 수 있는 채널에서 소비자 데이터를 수집하여 데이터의 추이를 보며 가설을 주장에 설득력을 높여주고, 가설을 보완하는 방법을 배울 수 있다.
마케팅 가설을 설정하고, 그 가설을 데이터 분석을 통해 검증하려고 합니다!
간단하게 예를 들자면, 포스트 코로나 시대에서 온라인 쇼핑몰이 성장할 것이니 쇼핑몰을 만들어야 한다!
(조금 허접한 가설이지만..)
이런 식으로 마케팅 가설이나 주장을 설정하고
이에 대해 뒷받침할만한 근거로 분석한 데이터를 제시하는거죠!
예를 들어, 년도별 온라인 쇼핑몰 성장 추이 데이터 등이 있을 것 같습니다.
그래서 이러한 이유로 디지털 마케터가 되었다고 생각하고,
가상의 시나리오(내가 만약 ~라면)와 가설 등을 설정해서
그에 맞게끔 데이터 분석을 진행하고
분석 결과를 시각화하고, 나름 제안서? 분석 리포트를 작성해보고자 합니다!
[프로젝트 개요]그래서 프로젝트는 간단하게 다음과 같이 진행될 예정입니다.
1. 설득력 있는 마케터 : 데이터 분석, 가설 검증이 필요한 이유
2. 분석 시나리오 설정 : ‘내가 만약 삼성SDS 마케팅 담당자라면?’
3. 제안을 위한 근거 만들기, 데이터 분석
4. 데이터 분석 결과 시각화
5. 결과 분석 및 인사이트 도출
여기서 2번의 분석 시나리오 설정에 대해서
조금 이야기해보겠습니다..!
가능한 시나리오가 여러 가지 있고, 정말 많이 고민해보았습니다..
사실 어느 기업에 소속된 마케터라면,
해당 기업에서 수집한 판매 데이터, 구매 전환 데이터 등과 같은
소비자 데이터가 있기 때문에 그와 관련된 가설을 세울 수 있겠지만
제가 수집할 수 있는 데이터에는 한계가 있기 때문에
많은 가설들을 포기했습니다.. ㅠ_ㅠ
그래서 공개되어 있는 데이터들 중에서 얻을 수 있는
소비자 데이터를 생각해보니,
네이버 데이터랩, 구글 트렌드 등과 같은
많은 사용자들이 이용하는 채널에서 제공하는 소비자 데이터가 있더라구요!
그런데 어떤 기업에 소속되어 있는 마케터라는 설정은 포기한거 아닌가요?
할 수도 있겠지만!
제가 설정한 시나리오는
‘내가 만약 삼성SDS 마케팅 담당자라면?’
이겁니다!
내가 만약 삼성SDS 마케팅 담당자라면!
Brightics 서포터즈를 모집해서, Brightics를 홍보하자는 전략에 대해서
어떠한 근거를 통해서 이야기하고,
그 근거를 어떤 데이터를 어떻게 분석해서 제안했을까?
라는 생각을 했습니다!
물론 진짜 담당자님께서는.. 저보다 높은 퀄리티의 제안서(?)를 작성하셨겠지만..
일단 한번 제안서(라고 부르는건지 모르겠지만) 작성 과정을
실습해보고자 합니다!
자세하게 어떤 데이터를 사용해서 어떻게 할건지에 대해서는
나중에 포스팅할 때 자세하게 이야기할 예정입니다..!
궁금하셔도 참아주세요!
٩( ᐛ )و
그럼 다음 포스팅에서는
좀 더 자세한 내용으로 만나요~!
안녕!
٩( ᐛ )و
* Brightics 서포터즈 활동의 일환으로 작성된 포스팅입니다. *
반응형
데알못이 데이터 분석 프로젝트를 하기 위해 리서치한 내용 총집합
1. 데이터 이해
정형/비정형, 데베, 빅데이터, 데이터사이언티스트 역량, 개인정보 비식별 기술 이렇게만 보면 될 듯
2. 분석 기획, 분석 방법론, 분석과제 발굴 방법론, 마스터 플랜형 분석(장기전을 의미함)
1) 분석 방법론
CRISP-DM 분석 방법론을 비롯한 몇몇 방법론 적혀있음. CRISP-DM 분석 방법론은 이미 정리해둔 내용이 있고, 학교 수업 및 교과서에도 나오는 방법론이니 간단하게 내용을 정리하고 간다.
[CRISP-DM]https://medium.com/@thecodingcookie/cross-industry-process-for-data-mining-286c407132d0
(1) 비즈니스 이해
해결할 문제 파악/이해 –>문제 정의, 해결책 정의
적절한 해결책 공식이 나올 때까지 이 과정을 반복 한다.
해결책 설계 작업에서 분류/회귀분석, 확률 추정 등의 모델을 이용해 우리가 해결할 수 있는 더 작은 문제로 분할 하는 구조화 작업을 수행하기도 한다.
여기서 사용 시나리오 에 대해 신중히 생각한다 (결정 분석적 사고)
– 우리가 하려는 일이 정확히 무엇?
– 정확히 어떻게 할 것인가?
– 사용 시나리오 중 어느 부분이 데이터 마이닝 모델을 이루는가?
…를 따지며 사용 시나리오에 대해 생각해보는 동안 실제 목적에 부합하도록 시나리오를 수정할 필요를 느끼며, 여기서 문제 접근을 도와주는 개념적 도구를 사용하기도 하는데, 예를 들어 기댓값 관점에서 비즈니스 문제를 구조화하면 체계적으로 처리할 문제를 데이터 마이닝 작업으로 분할할 수 있다.
(2) 데이터 이해
문제에 정확히 부합하는 데이터가 있는 경우는 거의 없으므로 여러 데이터의 장단점을 파악하고 비교하는 것이 중요하다.
(3) 데이터 준비
분석 기술에서 요구하는 특정 조건을 만족해야 한다. 간혹 가져온 데이터는 분석 기술에서 원하는 형식과 일치하지 않기 때문에 변환해야 하는 경우가 있다. 데이터 형태 조작, 변환.
일반적으로 데이터를 테이블 형태로 변환하고 빠진 값은 유추해서 채우며, 적절한 형으로 변환한다. 수치 데이터를 비교하려면 졍규화, 변환 시 표준 규칙 이용.
일반적으로 마이닝 프로세스 앞 단계에서 후반부에 사용될 변수를 정의 하느라 많은 시간을 보내는데, 이 단계에서 인간의 창의성, 상식, 비즈니스에 대한 이해가 매우 중요하다. 데이터 마이닝 해결책의 품질은 분석가가 얼마나 문제를 구조화하고 변수를 정의하는지에 따라 차이가 난다.
(4) 모델링
마이닝을 데이터에 적용하는 초기 단계다. 모델링 결과로 데이터에서 드러난 규칙에 의해 모델의 종류나 패턴 이 만들어진다.
(5) 평가
마이닝 결과를 엄격히 평가하고 다음 단계로 넘어가도 되는지 모델의 신뢰성을 확인 하는 단계. 어떤 데이터셋이든 자세히 살펴보면 패턴을 알아낼 순 있지만, 신중히 평가해보면 패턴의 오류 를 찾아낼 수 있다. 이 단계에선 모델과 데이터에서 추출한 패턴이 진정한 규칙성을 갖고 있는지, 단지 특정 예제 데이터에서만 볼 수 있는 특이한 성질은 아닌지를 확인해야 한다.
+ 원래 비즈니스 목적에 부합하는지 확인
2) 분석과제 발굴 방법론: 상향식, 하향식
말은 간단하지만 구체적인 내용은 읽어볼 가치가 있어보임. 마스터 플랜은 지금 하려는게 아닐 것 같으니 패스.
3. 분석 기법 종류
시각화, 공간 분석, 탐색적 자료 분석, 통계분석, 데이터 마이닝 이건 다 읽어보기
–
위 1번~3번에 해당하는 내용은 wikidocs에 정리된 아래 사이트에서 읽어볼 항목을 정리한 것이다. 따라서 본 내용은 아래 링크에 있다. 예쁘고 이해하기 쉽게 된 포스트가 아니고 큰 그림을 보기 좋은 간명한 자료다.
https://wikidocs.net/book/3558
분석 기법 및 분석 방법론에 대한 내용은 장미라 님의 블로그의 아래 글을 추가로 공부하는 것도 좋다.
<대표적인 데이터 분석 테크닉 30가지 (1/2)>
<데이터 분석의 유형 6가지 – 목적에 따라 달라지는 분석 방법>
특히 필자가 관심 있어 하는 네트워크 분석 기법에 대한 포스트는 아래 링크 내용이 좋다. NC 소프트 게임 데이터 분석 블로그의 포스트다.
<네트워크 분석기법을 활용한 게임 데이터 분석 #1, #2>
https://danbi-ncsoft.github.io/works/2018/11/12/network_analysis-1.html
https://danbi-ncsoft.github.io/works/2018/11/12/network_analysis-2.html
그 외 본인이 관심 가거나 필요한 분석 기법이 있으면 포스트가 됐건 서적이 됐건 자료를 더 찾아서 공부하면 좋을 것 같다.
4. 관련 오픈소스(대중적으로 널리 알려진 + 많이 쓰는 초유명 라이브러리 제외)
이걸 정리하자면 뭐 끝도 없을 것이다. 여기서 내용을 기재한 기준은 이 데이터 분석 캡스톤 디자인을 시작하게 된 시점 이후에 발견한 것이자 필자에게 생소한 라이브러리다.
– data-driven document: d3.js
https://d3js.org/
5. 변성윤 쏘카 데이터사이언티스트님 깃허브 자료
워낙 유명하신 분.
https://github.com/Team-Neighborhood/I-want-to-study-Data-Science
위 링크에서 각종 data, 관련 블로그 자료가 도움이 된다.
또 유명하신 다른 분은 하조은 님. 캐글에서 활발히 활동하시는 분이라고 한다. 아래는 깃허브 링크. 데이터 분석 프로젝트로 참고할 수 있는 자료가 많다. 책을 쓰신 적이 있거나 강의라도 찍으신 적이 있는 건가…?
https://github.com/corazzon
⭐️6. 데이터 분석 포트폴리오!
사실 데이터 분석 포트폴리오를 봐야 데이터 관련 토이/사이드 프로젝트는 어떻게 진행하는지 이해하기가 좋다.
[사이트]Flowing data 사이트
https://flowingdata.com/
안수빈 님이 운영하시는 페이스북 페이지 A.I. LookBook에서 발견한 사이트. 본인의 롤모델 사이트라고 하셨다. 짧은 글로 인사이트를 제시하는 형태의 글들이라 구체적인 코드를 알 수 있는 건 아니다.
[예시- 읽어본 것]도움이 많이 됐던 프로젝트 순으로 나열
– 온라인 뉴스 댓글은 정말 사람들의 목소리일까? – PART2 (파트 1은 18년도에 있었던 것 같다): 아이디어 전개 과정이 기가 막히다.
https://www.pycon.kr/program/talk-detail?id=39
– 국힙 래퍼 네트워크 분석: 온통 네트워크 분석 기법. 내가 지금 하고 싶은 것과 가장 유사함
– Quantify myself – self 사생활침해
바로 위 국힙 플젝을 했던 사람이 한 파이콘 발표다. 역시 여기도 네트워크 분석이 들어가지만, 그보단 좀더 다양한 방법이 포함되어 있다.
https://archive.pycon.kr/2018/program/25
– 법률 네트워크 분석: 30년간의 변화: 독보적인 도메인에 수준 있는 분석.
https://archive.pycon.kr/2018/program/21
동일 발표자가 2019 파이콘에서 발푤한 자료는 아래 링크.
https://www.pycon.kr/program/talk-detail?id=75
– 파이썬을 활용한 나의 브런치 구독자 분석: 여기도 네트워크 분석 들어감. 딱 가벼운 주제의 토이 플젝으로 볼수 있음.
https://drive.google.com/file/d/0BzXf4sedgwRbV0w4dUFVVExKVGp0elBMbU9CZEhoWXJWWmpZ/view
[예시- 안읽어본 것]– 파이썬으로 학생 들여다보기
https://archive.pycon.kr/2018/program/32
– 파이썬으로 암을 찾아보자: 데이터로 만드는 의학 이야기
https://archive.pycon.kr/2018/program/84
– Topic Modeling & Word Embedding 그리고 화장품
https://archive.pycon.kr/2018/program/5
– 일반적인 케이스까지 포함한 파이썬을 이용한 의료 물리학 모델링 및 분석의 이해
https://archive.pycon.kr/2018/program/52
– 드론 및 인공위성 영상을 이용한 태양광발전소 입지분석
https://archive.pycon.kr/2018/program/6
– 행복한 연애를 위해 필요한 3가지 조건: 회귀 분석 밭이다.
– <데이터야 놀자> 2019 발표 세션 자료
– 공공 데이터 포털의 공공 데이터 활용 사례: 너무 자료가 많다.
https://www.data.go.kr/useCase/exam/index.do
[블록체인 주제 대비]– Parsing Ethereum Database: 지윤님~! 아래 데브 그라운드 사이트로 가면 발표 영상도 찾을 수 있을 듯
https://drive.google.com/file/d/1nozsiF5SWq4m7Js5R_I3wDLQTWV8WcjJ/view
– Elasticsearch와 Python을 이용하여 맨땅에서 데이터 분석하기: 정말 가벼운 주제의 블록체인 데이터 분석 주제
https://drive.google.com/file/d/1QShZENskb1c5PwxcqklnxdtbtrFXze8A/view
[기타]– financipe: 설대 산공 분의 리스펙 토이 플젝. 데이터 분석 유명 기법 다 들어간 금융 데이터 플젝. 옛날부터 리스펙하는 플젝
http://www.financipe.com/index
[세션 링크 모음]*파이콘 2019 발표 세션
https://www.pycon.kr/program/talks
* 데브 그라운드 데이터 과학/AI 2019 <- DSTS 처럼 지금 당장 나한테 도움되는 주제는 없었음. http://52.78.123.153/home_elementor/# * Data Science is a Team Sports 발표 세션 자료: 데이터 사이언스 팀 문화에 대한 세션이었기 때문에 유용한 자료 없음 아래는 <비즈니스와 데이터 과학> 읽으면서 메모한 비가공 데이터. 후에 본문으로 포함시킬 것
[기타 데이터 과학 작업 기법]1) 동시 발생과 연관성의 발견(페이스북 좋아요 분석, 거래 데이터, 장바구니 분석 등)
어떤 목적 없이 그저 데이터를 탐색하고자 할 떈 연관성 마이닝이 더 적절한 방법=자율 데이터 마이닝
반면 구체적인 타겟 변수를 알아내려면 감독 문제를 정의하여 감독 데이터 마이닝 즉 감독 세분화 기법을 이용.
페이스북 좋아요는 모든 데이터끼리 서로 무슨 방법인지 하튼 해봐서 연관성을 분석한다. 연관도 점수 기준이 있어서 그 기준을 넘은 것들만 쫙 보여준다. 연관성을 마이닝하는 목적 중 하나가 우리가 잘 모르는 데이터를 탐색하기 위한 것이다.
예를 들어, 회사 고객의 거래 데이터를 탐색하고 강력한 동시 발생 사건들을 조사하면 고객들이 가진 취향 간의 관계를 전체적으로 살펴볼 수 있다. 이걸 염두에 두고 ‘좋아요’ 동시 발생 분석 시, 많은 사람들이 각각 어떤 것을 좋아한다는 사실(이런 관계가 엄청나게 많이 있을 것이다)은 고객들의 다양한 취향과 연관되어 폭넓게 보여줄 것이다.
연관 데이터 마이닝은 당연히 자율 기법이다.
2) 프로파일링: 전형적인 행동의 발견
개인, 단체, 전체 인구의 전형적 행동 특성을 찾아낸다.
ex)
– 이 고객 세그먼트의 전형적 신용카드 사용량은?
– 신용 사기 탐지: 정상적 행위의 특성을 프로파일링하고, 정상적 행동에서 상당히 벗어나는 사례 찾음. 특히 이전에 본 사기 사건과 비슷한 방식의 사례 찾음
이 때 카드 사용량을 프로파일링해서 사기를 찾아내려면 주중/주말의 평균 사용량, 해외 사용량, 판매자와 구입 상품 종류, 의심되는 판매자로부터의 청구 등 복잡한 설명이 요구된다. 행동은 전체 인구, 소규모 그룹, 개인 차원에서 설명할 수 있다.
[주제 예시]– 카드 사기 탐지
– 스팸 문자 찾아내기
– 미국 의료보험 사기 사건: 사기 탐지 문제랑 다르다. 비즈니스 문제와 데이터 간 관계를 생각해보면 전혀 다른 문제다. 사기꾼이 청구 시스템의 정당한 제공자이거나 사용자고, 올바른 금액이 정확히 얼마가 되어야 하는지 계산해줄 객관적인 별도의 기관이 존재하지 않는다. 청구 데이터에 사기인지 판단할 수 있는 타겟 변수가 없을 뿐만 아니라, 신용카드에서 사용하는 감독 학습 방법을 사용할 수도 없다. 이런 문제는 프로파일링, 군집화, 비정상 행위 탐지, 동시 발생 그룹화와 같은 자율 학습 방법을 사용해야 한다.
2022년 빅데이터 활용 사례 10가지, 업계별 추천한다-FineReport
빅데이터는 위키피디아에 따르면 일반적인 데이터 관리 및 처리 소프트웨어에서 다루기 어려울 정도로 거대하고 복잡한 데이터의 집합을 나타내는 용어입니다. 빅데이터 활용에 의해, 새로운 발견이 되어 안고 있는 과제의 해결과 업무 운영의 효율화가 기대되므로, 기업이나 조직의 일하는 방식을 완전히 바꾸어 여러 가지 업계에 혁명을 일으켰다고 말할 수 있습니다.
이 문장에서는 업계별로 빅데이터 활용 사례를 해설함으로써 그 장점과 빅데이터를 분석하여 활용 방법을 알려드리고자 합니다.
참고: 본문에서 나타내는 빅데이터 활용사례 Demo플랫폼은 FineReport(파인리포트)로 제작한 것입니다. 필요하시면 다운로드하여 빅데이터 데모를 만들어 보세요.
1.업계별 빅데이터 활용 사례 10가지
빅데이터 활용사례 ① 제조업
제조업에서는 데이터가 ERP나 MES, CMMS등의 수많은 시스템에 산재해, 데이터를 단일적으로 이용할 수 없기 때문에, 공장의 가동 상황을 전반적으로 파악하는 것이 어렵습니다. 기업에서 빅데이터 분석의 첫걸음은 바로 데이터를 통합하여 관리해야 하는 것입니다. 빅데이터의 잘 활용으로 제조 프로세스를 개선할 수 있을 뿐만 아니라 생산성 향상 및 품질 안정 등에 도움이 됩니다.
빅데이터 활용 장면:
설비예지보전: 센서 데이터의 가시화를 통하여 공장전체, 라인별 설비 의 운전상황, 고장이 많은 설비의 파악, 설비 문제를 조기 발견 가능합니다.
의 운전상황, 고장이 많은 설비의 파악, 설비 문제를 조기 발견 가능합니다. 예실관리: 당초 계획에 대하여 실적이나 목표와 실적과의 차이를 인식하여 원인을 철저히 분석하여 차기부터 개선할 수 있습니다.
제품 트래킹: 빅데이터를 분석하여 바코드 스캐너와 무선장비를 이용하여 원자재 조달에서 생산, 소비 또는 폐기에 이르기까지 추적할 수 있습니다.
출처:FineReport
FineReport는 Hadoop Hive, SPARK등과 같은 빅데이터 플랫폼 및 광범위한 데이터 소스를 지원합니다. 서로 다른 데이터베이스 및 테이블에서의 데이터 추출을 지원하고 ERP / OA / MES 및 기타 비즈니스 시스템의 데이터를 단일 플랫폼으로 쉽게 통합할 수 있는 비즈니스 인텔리전스 소프트웨어입니다.
체험판 무료로 알아보기
현재 파인리포트(FineReport)는 기간과 기능의 제한이 없는 개인 사용자용 라이선스를 공식홈페이지에서 무료로 배포하고 있습니다.
빅데이터 활용사례 ② 의료업
매일 대량 복잡한 비구조화 데이터를 생성하는 의료업은 빅데이터 기술을 통해 의료정보 활용의 폭과 가능성이 넓어집니다.
빅데이터 활용 장면:
이 데이터 분석 사례는 유행병의 발생을 예측하고 그 영향을 최소화하기 위해 어떤 예방책을 강구할지를 결정하는 데 도움이 됩니다. 엑셀 수백만 명의 환자로부터 수집된 엑셀 데이터나 다른 데이터를 사용하여 근거에 따른 진단을 하므로 치료비를 절감합니다. 웨어러블 디바이스를 사용하면 빅데이터가 환자의 건강상태를 감시하고 의사에게 보고할 수 있습니다.
코로나 현황 대시보드
출처: FineReport
빅데이터를 분석하여 코로나 대시보드를 제작하는 포로세스에 대한 관심이 있으신분 다음 자료를 참고하세요 🙂
빅데이터 활용 사례③ 은행업
은행업에서는, 빅데이터가 오랜 세월 활용되어 이미 경쟁 전략상 빠뜨릴 수 없는 것이 되었습니다. 현금 회수부터 재무 관리까지 빅 데이터는 은행 모든 업무의 효율을 높입니다. 은행업의 빅데이터 애플리케이션은 고객의 수고를 덜어주고 수익을 창출합니다.
데이터 분석 활용 장면:
클라우드 컴퓨팅으로 리스크 계산 데이터 처리에 드는 비용을 절감하고 리스크 관리의 효율을 향상시킵니다. 고객 데이터 수집, 분석을 통해 보다 개개인에 맞는 개별 서비스를 제공합니다. 클러스터링+어소시에이션의 데이터 분석 기법을 사용하여 지점 장소 선정 등 중요한 결정의 정확도를 높입니다.
출처: FineReport
체험판 무료로 알아보기
현재 파인리포트(FineReport)는 기간과 기능의 제한이 없는 개인 사용자용 라이선스를 공식홈페이지에서 무료로 배포하고 있습니다.
빅데이터 활용 사례 ④소매업
빅데이터는 시장과 고객 관심 분석을 통해 소매업 발전에 좋은 기회를 제공합니다. 다양한 시장 정보를 수집해, 빅데이터의 해석을 기초로, 고객 만족도를 판단하거나 신제품 개발에 도움이 되거나 투입 시기를 계산하는 등 광범위하게 활용됩니다.
빅데이터 사례 활용 장면:
운용을 통한 결합 판매 데이터, 고객가구 데이터 등 빅데이터는 패턴별로 세분화해 고객을 분류하고 각 부분에 대해 최적의 마케팅을 합니다.예측 분석에 힘입어 상품을 높이다공급과 수요 예측의 정확도는 받아들일 수 없는 상품을 시장에 내놓는 것을 피합니다.히트 상품과 데드 셀러 분석을 하다상품의 재고 범위를 정하여, 재고 보유 비용의 영향을 최소한으로 억제합니다.
출처: FineReport
빅데이터 활용 사례 ⑤ EC업계
EC사이트는 인터넷상에서 고객에게 상품이나 서비스를 판매함으로써 이익을 획득하므로, 고객과 상품이 EC사이트 운영에 있어서의 가장 중요한 요소라고 생각할 수 있습니다.EC 업계에서 빅데이터는 데이터 분석 및 마이닝을 통해 법칙을 도출하여 기업에 지속적인 경쟁 우위를 가져옵니다.
빅데이터 활용 장면:
유입원과 사이트 내의 고객 행동 데이터를 조합하여 효과가 있는 집객 채널과 판매 활동을 판별합니다.구매 데이터, 경쟁사 가격, 상품 원가 등의 데이터에 따라 상품의 베스트 프라이스를 결정합니다.고객의 취향과 과거의 행동 패턴에 따라 그 고객에게 최적의 상품만을 추천합니다.
더 많은 데이터 정보가 필요하신가요? 지금 바로 전문 컨설턴트에게 물어보세요!
빅데이터 활용 사례⑥ 교육업
교육업계에서는 학습이나 교육현장에 대한 다양한 데이터가 축적되고 있습니다. 학습 이력이나 행동 이력 등의 빅데이터 수집, 시각화 분석을 통해 학습 평가 및 각종 예측, 성적과 학습 행위 사이의 관계를 명확하게 할 수 있습니다. 많은 나라에서 학교와 대학에서 빅데이터를 사용합니다.
데이터 분석 활용 장면:
역사 데이터를 개별적으로 학습하다학생들은 학생 전체의 결과를 개선하기 위하여, 개별화된 과정과 방안을 제정합니다. 실시간 모니터링을 통한 수업 시청과자가 얼마나 큰 이점이 있는지,과정 자료를 수정합니다. 학생의 학력 데이터에 근거하여 공부하다이력 데이터의 분석, 각 학생의 진보, 장단점, 취미 등을 이해하여, 장래 학생에게 적합한 직업을 판단합니다.
빅데이터 활용 사례 ⑦ 여행업
여행 업계는 주로 고객의 관광지에 대한 흥미와 그 행동 특징을 바탕으로 비즈니스를 전개합니다. 현재, 대리점보다 Web 서비스를 사용하는 경향이 있습니다. 빅데이터는 인터넷을 통해 전 세계 관광지와 관광객의 정보를 수집하여 여행 수요를 예측하는데 큰 도움을 줍니다.
빅데이터를 분석하여 볼 만한 사례 :
입소문과 고객의 검색 키워드를 분석하여 관광지의 인기도를 평가합니다. 항공사는 여행 중인 승객과 그 수하물의 데이터에 따라 효과적으로 계획하고 그에 따라 서비스를 제공합니다. 지리적 위치, 교통 및 날씨 정보를 바탕으로 특정 고객에게 적합한 섭외와 혜택을 전송합니다.
빅데이터 활용 사례 ⑧ 정부
어느 나라 정부든 매일 국민, 경제성장, 에너지 자원, 교통 등에 관한 다양한 기록과 데이터베이스를 추적해야 합니다.이러한 데이터의 적절한 조사와 분석은, 정부의 나날의 업무를 지원합니다.
빅데이터 분석 사례 :
주의해야 할 영역을 특정하여 정치 프로그램 상에서의 신속한 의사 결정을 실현합니다. 실업, 테러리즘, 에너지 자원 탐사 등 국가적 과제를 극복합니다. 행정이 보유한 지리공간정보와 방재정보 등 공공데이터를 2차 이용하기 쉬운 형태로 민간에 개방하여 비즈니스 이용을 촉진합니다.
빅데이터 활용 사례 ⑨ 농업
농업은 경험과 직감에 의지하는 부분이 많았습니다만, 농사일에 빅데이터를 구사해, 디지털 기술을 도입하면, 예측이나 생산성 향상, 생산 현장의 가시화를 가능하게 합니다.
활용 장면:
센서에서 얻은 기온일조량우량농작 데이터를 분석하여 생산 계획부터 수확출하까지 모두 볼 수 있게 합니다. 기상 데이터 등 각종 빅데이터에 따른 리스크 예측, 사전대책 실현합니다. 농가의 각종 기술·판단 기록·데이터화를 진행하고, 그 기술을 신농자 등에게 공유합니다.
빅데이터 활용사례 ⑩ 음식업
경쟁이 치열해지는 음식업계에서는 시장 지위를 유지하기 위해 데이터 드리븐의 경영 전략을 설정하는 기업이 늘고 있습니다. 과거 레스토랑은 고객의 내점을 기다리기만 한 상태였지만, 음식점 정보를 빅데이터화하면 방문객 수를 예상할 수 있어 재방문 고객을 늘리기 위한 서비스와 판촉활동을 조정할 수 있습니다.
빅데이터 활용 장면:
근처에서 음식점을 찾는 사람의 스마트폰 등에 최적의 타이밍에 효과적으로 광고를 냅니다. 센서로 매장 내에서의 행동을 데이터화하여 현장의 운영 상태를 대폭 개선합니다. 과거의 히트 상품을 분석하거나 보다 정확한 내점 예측, 매출 예측에 따라 생산자가 출하 조정할 수 있습니다.
2. 빅데이터 활용 에는 어떤 장점이 있습니까?
업계에 따라 빅데이터 활용 방법과 효과가 다르지만 기본적으로는 다음 3가지 점을 확인할 수 있습니다.
2.1. 데이터 분석 사례 : 현황 정확히 파악한다
과거에는 기업은 사람의 느낌과 경험에 의지해, 비즈니스의 상태를 파악하는 일이 많았습니다. 빅데이터 활용 으로 다양한 데이터의 수집 및 저장은 쉬워지고 데이터 분석이 가능합니다. 현황 파악에 필요한 정보를 데이터 분석 및 가시화 툴로 알기 쉬운 보고서로 전환하면 경영층이 조직 전체의 경영상황을, 현장직원이 특정 업무의 진척상황을 알게 됩니다.
2.2. 과제 해결책을 얻는다
빅데이터 활용은 데이터 수집에 그치지 않고 데이터 분석을 통해 일의 법칙을 찾아낼 수 있습니다. 신속히 적절한 액션을 취하는 것이 가능합니다. 또한 시책의 효과를 데이터 분석을 통해 검증하고, 시책을 반복해 개선할 수 있습니다.
2.3.새로운 사업기회를 발견한다
빅데이터 활용의 또 다른 장점은 기존 제품과 서비스, 바이어와 공급자, 소비자의 취향에 대한 정보를 수집하고 통합적인 분석을 함으로써 기업들이 새로운 비즈니스 기회를 발견하고 완전히 새로운 서비스를 창출하는 것입니다.
추천할 만 빅데이터 활용 툴
빅데이터 활용의 사례와 장점을 이해했는데 구체적으로 어떤 툴, 어떤 방법으로 빅데이터를 활용할지 묻고 싶은 분이 계실 겁니다. 빅데이터 분석 도구에는 목적 및 용도별로 다양하지만 BI 툴(Tableau, Fine Report), 데이터 마이닝 툴(Python, R), 데이터 시각화 라이브러리(Echarts, Highcharts), 데이터 맵(PowerMap, Polymaps) 등이 있습니다.자세한 내용에 대해서, 이 문장을 보면 됩니다.
대시보드는 훌륭한 데이터 관리 툴입니다. 그러나 한 곳에 데이터 값을 많이 넣는 것 이상이 필요하며, 대시보드를 유용하게 만들려면 데이터를 효과적으로 구성할 줄 알아야 합니다.데이터 기반 의사결정이 가능하고 실무에 활용할 수 있는 대시보드를 제작하는 것은 개인적으로 매우 어려운 일이라고 생각합니다.
*파인리포트란?
*파인리포트는 데이터 연결부터, 리포트 제작,실시간 관제센터를 구축할 수 있는 대시보드 기능을 제공하는 데이터 관리 리포팅 대시보드 툴입니다.
지금 바로 FineReport 무료 체험판을 사용해보세요.
간단한 사용자 등록만 하시면 기능과 기간의 제한이 없는 라이선스 코드가 발급됩니다. 체험판 라이선스는 비영리적인 목적으로만 사용 가능합니다.
체험판 무료로 알아보기
현재 파인리포트(FineReport)는 기간과 기능의 제한이 없는 개인 사용자용 라이선스를 공식홈페이지에서 무료로 배포하고 있습니다.
페이스북에서 FineReport Reporting Sofeware 채널을 구독하고 무료로 대시보드 템플릿을 다운 받으세요!
[빅데이터 개인 프로젝트] 밀레니얼 세대 소연구 by 텍스톰 UCINET
개인적으로 학교 수업시간에 진행한 빅데이터 및 스몰데이터 프로젝트입니다.
텍스 톰 Textom 및 UCINET을 주로 사용하였고 모든 주제와 로직은 자체적으로 구성했습니다.
해당 포스팅은 개인적으로 진행한 프로젝트에 대한 소개이자 아카이빙의 목적이며, 관련 내용에 대한 무단 배포 재가공 등을 모두 금합니다.
프로젝트의 메인 theme이 “밀레니얼 세대”와 “패션”이었습니다. 저는 건축 공부를 병행하면서, 공간에 대한 사람들의 인식에 관심이 많았기 때문에 밀레니얼 세대가 공간을 일종의 패션으로 소비하고 있다는 것을 유튜브와 인스타그램 등 SNS를 통해 관찰했고, 다음의 주제를 선정했습니다.
주제 선정, 로직, 데이터 수집, 데이터 정제, 데이터 분석, 인사이트 도출, 발표 준비까지 약 2달 동안 준비했습니다.
크게 네 가지 단계로 관찰 > 빅데이터 분석 > 스몰데이터 분석 > 결과 도출의 흐름으로 발표를 구성했습니다.
관찰
먼저 “패션”과 관련된 “밀레니얼 세대”의 특징을 발견하기 위한 관찰 단계입니다.
밀레니얼 세대를 효과적으로 관찰하기 위해서는 그들의 주요 활동공간에 침투해야 한다고 생각해, 온라인 공간 속 모습을 관찰했습니다.
다양한 SNS 중 오늘의 집, 유튜브, 인스타그램을 통해 밀레니얼 세대들은 ‘랜선 집들이’와 같은 키워드로 자신의 공간을 공개하는 것에 익숙하다는 것을 관찰했습니다.
또한, 뉴스 등 2차 자료 조사를 통해 밀레니얼 세대는 개인 정보에 대해 타 세대보다 민감하며, 자신의 삶이 침해받지 않기를 원한다는 것을 관찰했습니다. 이 내용은 택배를 집 주소가 아닌 무인 택배함으로 주문하거나, 택배기사 직접 대면을 피하기 위해 ‘문 앞에 두고 가주세요’를 남긴다거나, 온라인 거래 시 ‘안심번호 활용’등의 사례가 있었습니다.
이러한 두 가지 모습을 통해서 밀레니얼 세대는 내 삶의 공간과 공개라는 측면에서 이중성을 보인다는 점을 알게 되었습니다.
이중성이 발생하는 이유가 무엇인지 탐구하는 것을 주제로 설정하였습니다.
기성세대는 내 삶의 공간을 Private 하고 지켜야 하는 공간으로 인식하는 편으로 알려져 있습니다. 때문에 외국에선 유행하는 홈파티 같은 문화도 잘 없죠.
하지만 밀레니얼 세대는 어떨까요?
앞서 발견되었던 유튜브, 인스타그램 속 모습들을 통해 기성세대에 비해 Private 한 공간으로 여기는 성향이 덜하다는 것을 알 수 있습니다.
빅데이터 분석
그 원인을 찾기 위해 먼저 빅데이터 분석을 진행했습니다.
분석 설계단계에서 연구 주제를 “내 삶의 공간에 대한 이중성을 보이는 밀레니얼 세대”로 설정하였습니다.
수집도구로 TEXTOM을 사용했으며, 다음과 구글 유튜브 등 관련 모습을 찾을 수 있을 것으로 예상되는 채널들을 중심으로 수집을 진행했습니다.
* 분석 당시 TEXTOM이 네이버의 수집의 오류가 발생해 네이버 관련 채널은 수집하지 못하였고, 인스타그램 또한 수집하지 못한 점이 한계였습니다.
2019-11-19부터 1년의 기간을 설정해, 중심 키워드로 “랜선 집들이”를 선택했고 총 4,172건의 데이터를 수집했습니다.
분석 결과
키워드 빈도 분석 결과 중심 키워드인 랜선 집들이를 비롯한 인테리어, 공개, 집, 영상, 소개 등 집 공개 방식이나 관련 키워드들이 높은 빈도와 중요성을 갖는 것을 알 수 있었습니다.
상위 30위 단어 워드 클라우드를 통해 다음과 같이 랜선 집들이- 인테리어- 집들이- 집- 공개 등의 키워드가 중심을 이룸을 알 수 있었습니다.
네트워크 분석
위의 분석 결과를 바탕으로 UCINET을 활용해 Network 분석을 진행했습니다.
개략적으로, 우측 하단의 높은 빈도와 연결성을 가지는 단어들이 나타나는 것을 확인할 수 있었습니다.
군집분석
이를 그룹핑하는 CONCOR 분석을 진행했습니다. 유의미한 해석을 위해 4개의 군집으로 분석했습니다.
4개의 군집을 다음과 같이 분석했습니다.
먼저, 붉은 집단은 랜선 집들이, 인테리어, 집들이, 오늘의 집 등 랜선 집들이 랜선 집들이와 관련된 소재, 방법 등의 단어가 나타나 랜선 집들이를 보여주는 전반적인 단어의 집합으로 볼 수 있었고,
푸른 집단은, 랜선 집들이 전쟁 -홈스타 워즈-홈스타 워즈라는 예능 프로그램과 관련된 키워들이키워들이 나타나 있었습니다. 때문에 예능으로 소비되는 온라인 집 공개 집 공개로 명명했습니다.
노란색 집단은 편 스토랑 프로그램에서 연예인 한다감 씨 합류 당시 집 공개를 했던 사례로 인한 키워드가 나타나 있었습니다. 때문에 연예인의 집 공개 사례로 명명했습니다.
마지막으로 초록색 집단은,, 공개, 유튜브 영상 등의 단어가 주를 이루는 것을 통해, 온라인 집 공개의 방법 – 영상으로 명명했습니다.
4가지 집단을 다시 간략하게 정리하면, 내용 유사도와유사도와 네트워크 간 연결관계를 통해 파랑 노랑 / 빨강 초록 두 개의 집단으로 나눌 수 있었으며 각각 방송과 연예인들의 랜선 집들이 사례 증가와 영상으로 진행되는 랜선 집들이 문화로 나눌 수 있었습니다.
스몰 데이터 분석
빅데이터 분석에서 스몰데이터 분석을 진행했습니다.
유튜브, 오늘의 집 등 관련 채널에 랜선 집들이 관련 온라인 포스팅 경험이 있는 밀레니얼 세대 2인을 인터뷰 대상으로 설정했으며
카카오톡 zoom 등 비대면 매체로 명당 20분 내외의 질의응답을 진행했습니다.
질문 구성
하나. 온라인 집 공개를 하는 이유와 사용 매체는 무엇인가?
-> 온라인 집 공개를 하는 동기와 방법에 대해 확인하고자
둘. 온라인 집 공개 시 개인정보 공개에 대해 우려한 적은 없는가?
-> 밀레니얼 세대의 두 번째 특징인 개인정보 노출에 민감한 특성에 대해 확인하고자
셋. 자신에게 집, 내 삶의 공간이란 무엇인가?
-> 집에 대해 느끼는 태도를 조사하고자
분석 결과
온라인 집 공개를 하는 이유와 매체에 대해 물은 질문에 대해서
응답자 A, B 모두 SNS에 내삶의 공간을 공개하는 것에 대한 저항이 적음을 알 수 있었고 내 냄새가 많이 나는 공간으로 꾸미고 싶다 라는 응답을 통해 내가 사는 공간 속에 나 자신이 반영되기를 원함을 알 수 있었습니다.
온라인 집 공개 시 개인정보 공개에 대해 우려한 적은 없냐는 질문에 대해서
A, B, 재밌는 게 더 많다는 응답을 통해 개인정보 공개에 대한 우려는 있으나 통제가 가능하다고 믿으며 얻는 것이 더 많고 중요하다고 여김을 알 수 있었습니다.
자신에게 집, 내 삶의 공간이란 어떤 의미를 갖는지에 대해서
내 삶의 공간이란 내 삶의 배경을 의미하기도 하고 패션의 일부와 자기표현의 수단으로 인식된다는 것과 유튜브 인스타그램인스타그램 등 SNS에 공유하는 것은 일종의 기록에 불과하지 않는다는 것을 알 수 있었습니다.
* 이 부분에서 추가적으로 밀레니얼 세대들의 SNS에 대한 태도를 알 수 있었습니다. 모두에게 공개된 온라인이라는 점보다는 자신의 삶의 영역 중 하나라고 느끼는 경향이 강한 것으로 생각됩니다.
결과 도출
빅데이터와 스몰데이터 분석을 통해 다음과 같은 결과를 도출했습니다.
먼저 밀레니얼 세대가 SNS를 통한 일상 공개에 익숙하다는 점과 자기표현의 욕구가 강하고 내 삶의 공간에 노출에 대한 저항이 낮다는 특징이 랜선 집들이라는 하나의 표현방식으로 나타났습니다.
이는 표현하고자 하는 욕구는 물론, SNS의 성장과 미디어를 통한 자극으로 인해 SNS 업로드로 이어져 일종의 주류문화로 형성되었을 것으로 예상됩니다.
또한, SNS 문화를 통해 랜선 집들이 문화가 주류로 자리 잡게 되자 매스미디어로 역전파 되었고 빅데이터 분석에서 보았던 랜선 집들이 전쟁- 홈스타 워즈 홈스타 워즈, 편 스토랑 등 예능 방송을 통한 연예인들의 집 공개 사례가 증가했습니다.
결과적으로 다시 외부 환경 및 자극으로 이어져 positive feedback을 형성해 지속적인 문화로 자리 잡은 것을 알 수 있었습니다.
결론적으로 관찰을 통해 알아보고자 했던 내 삶의 공간에 대한 밀레니얼 세대의 이중성은
하나. 자신의 삶의 공간을 일종의 패션, 자기 표출의 수단으로 여긴다
둘. 자신의 삶의 영역이 침해받지 않기 위해 SHOWING은, 정보는 제공하지 않는 것으로 나타난다
따라서, 기존 기성세대에게 private place로 여겨졌던 내 삶의 공간이 밀레니얼 세대에게는 보여주고 싶지만 알려주고 싶진 않은 공간,
“showing but not informing”한 의미를 가짐을 연구를 통해 알 수 있었습니다.
프로젝트를 통해서 TEXTOM, UCINET 등 새로운 프로그램을 배웠을 뿐 아니라 빅데이터와 스몰데이터 등 어떻게 데이터를 수집하고 처리하고 의미를 도출하는지 기초적인 흐름을 습득할 수 있었습니다.
뿐 아니라, 프로젝트 전 단계에 밀레니얼 세대에 대한 특성을 공부하면서 우리 세대만이 가지고 있는 특성과 타 세대와의 차이점에 대해서 고민할 수 있는 시간이었습니다.
평소 관심 있었던 주제에 대해서 연구하는 과정을 통해서, 문제를 해결하는 과정 혹은 호기심을 유의미하고 생산적으로 해결해가는 새로운 방법을 습득했다고 생각합니다.
바보도 코딩합니다
빠밤! 🎈✨🎊
이번엔 미니프로젝트로 빅데이터 분석을 하게 되었다.
아직 프로젝트 주제는 정하지 못했다.
생각나는 것이 몇가지 있지만,
데이터 수집에 어려움이 없으며 활용에 제약이 없는(저작권 등) 것 중에서 생각하려다보니 더 찾아봐야 할 것 같다.
그래서 일단은 미니프로젝트 주제를 선정하기에 앞서 프로젝트 과정을 정리해보려고 한다.
프로젝트 중에 길을 잃으면 안되니까…
빅데이터 분석/활용 미니프로젝트🎉
해야 할 일 :
1. 아이템 선정하기
2. 데이터 검색/수집
3. 데이터 전처리 (정리)
4. Explorary Data Analysis
– 가능한 모든 형태로 분석
– 통계적분석, 시각화
5. 결론 도출
– 데이터 분석을 통한 의미있는 결과 도출할 것.
빅데이터 분석에 들어갈 절차들 :
1. 결측치 처리 (결측치 채우기, 평균,…)
2. 칼럼명 정리
3. 불필요한 칼럼 삭제
4. 파생칼럼 생성 (기존 데이터에서 필요한 부분만)
5. 탐색적 자료분석(EDA – Exploratory Data Analysis)
6. 기술통계 (평균, 합, 표준편차, 최대, 최소, …)
7. 그룹별 통계
8. 조건별 통계
9. 칼럼별 연관관계 산출
10. 데이터 시각화(그룹별 통계기반)
키워드에 대한 정보 빅 데이터 분석 프로젝트 주제
다음은 Bing에서 빅 데이터 분석 프로젝트 주제 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 [프로젝트발표영상] 배달 매출 예측 분석
- 동영상
- 공유
- 카메라폰
- 동영상폰
- 무료
- 올리기
YouTube에서 빅 데이터 분석 프로젝트 주제 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 [프로젝트발표영상] 배달 매출 예측 분석 | 빅 데이터 분석 프로젝트 주제, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.
