캡스톤 로드맵
2024. 7. 30. 15:30ㆍ데이터 분석/GCC - 데이터 애널리틱스 과정
1. 질문
가이드 질문
- 어떤 주제를 탐구하고 있나요?
- 해결하려는 문제는 무엇인가요?
- 목표를 달성하기 위한 데이터 측정에 어떤 측정항목을 사용하나요? 이해관계자는 누구인가요?
- 이 분석 결과를 보고받을 대상은 누구이며, 이러한 사실이 분석 과정 및 프레젠테이션에 어떤 영향을 미치나요?
- 데이터는 이해관계자의 의사결정에 어떤 도움이 되나요?
핵심 작업
이해관계자의 요구사항에 중점을 둘 수 있도록 초기에 사례 연구 활동에 관한 문제와 질문을 파악해야 합니다.
- 사례 연구 활동 선택
- 문제 파악
- 핵심 이해관계자 결정
- 데이터 탐색 및 측정항목 설정
2. 준비
가이드 질문
- 데이터는 어디에 있나요?
- 데이터는 어떻게 구성되어 있나요?
- 데이터에 편향이나 신뢰성의 문제가 있나요? ROCCC가 있는 데이터인가요?
- 라이선스, 개인정보보호, 보안, 접근성을 어떻게 다루고 있나요?
- 데이터의 무결성을 어떻게 확인했나요?
- 데이터 무결성은 질문에 답하는 데 어떤 도움이 될까요?
- 데이터에 문제가 있나요?
핵심 작업
준비 단계에서는 분석에 필요한 모든 데이터가 있으며, 신뢰할 수 있고 유용한 데이터가 있는지 확인합니다.
- 데이터 수집 및 적절하게 저장
- 구성 방식 파악
- 데이터 정렬 및 필터링
- 데이터의 신뢰성 판정
3. 처리
가이드 질문
- 어떤 도구를 선택했으며, 그 이유는 무엇인가요?
- 데이터 무결성을 확인했나요?
- 데이터가 정리되었음을 확인하기 위해 어떤 조치를 취했나요?
- 데이터가 정리되었으며 분석할 준비가 되었는지 어떻게 확인할 수 있나요?
- 결과를 검토하고 공유할 수 있도록 정리 과정을 문서화했나요?
핵심 작업
데이터의 신뢰성과 문제와의 관련성을 파악했으므로 분석에 오류가 없도록 데이터를 정리해야 합니다.
- 데이터에 오류가 있는지 확인
- 데이터를 알맞은 유형으로 변환
- 정리 과정 문서화
- 도구 선택
4. 분석
가이드 질문
- 분석을 위해 데이터를 어떻게 구성해야 하나요?
- 데이터 형식이 올바르게 지정되었나요?
- 데이터에서 어떤 놀라운 사실을 발견했나요?
- 데이터에서 어떤 추세나 관계를 발견했나요?
- 유용한 정보를 통해 어떻게 여러분의 질문에 대한 답을 찾거나 문제를 해결할 수 있나요?
핵심 작업
이제 실제 데이터 작업을 통해 유용한 새 정보를 발견하고 문제에 대한 잠재적인 해결책을 발견하게 됩니다.
- 활용하고 액세스할 수 있도록 데이터 집계
- 데이터 구성 및 형식 지정
- 계산
- 추세와 관계 파악
5. 공유
가이드 질문
- 데이터가 시사하는 바는 무엇인가요?
- 결과는 여러분의 초기 질문과 어떤 관련이 있나요?
- 분석 결과를 전달받는 상대방은 누구인가요? 분석 결과를 전달하는 가장 좋은 방법은 무엇인가요?
- 데이터 시각화 자료는 결과를 공유하는 데 어떤 도움이 되나요?
- 상대방이 프레젠테이션에 액세스할 수 있나요?
핵심 작업
공유 단계에서 데이터를 사용하여 스토리와 분석 결과를 전달합니다.
- 결과를 공유하는 가장 좋은 방법 결정
- 효과적인 데이터 시각화 자료 생성
- 결과 발표
- 상대방이 작업물에 액세스할 수 있는지 확인
6. 조치
가이드 질문
- 분석에 기반한 최종 결론은 무엇인가요?
- 유용한 정보를 어떻게 적용할 수 있나요?
- 분석 결과를 바탕으로 여러분이나 이해관계자가 취할 수 있는 다음 단계가 있나요?
- 결과를 확장하는 데 사용할 수 있는 추가 데이터가 있나요?
- 이 사례 연구 활동을 포트폴리오에 어떻게 소개할 수 있나요?
핵심 작업
조치 단계를 완료하면 사례 연구 활동이 마무리됩니다. 그러나 이 단계를 다시 참고하여 분석 과정을 진행하는 데 도움을 받으실 수 있습니다.
- 이해관계자와 다음 단계 공유
- 추가 데이터로 유용한 정보를 새롭게 얻을 수 있는지 판단
- 포트폴리오에 업로드
'데이터 분석 > GCC - 데이터 애널리틱스 과정' 카테고리의 다른 글
면접 성공을 위한 여러 주요 팁 (0) | 2024.07.30 |
---|---|
애널리틱스 로드맵 (1) | 2024.07.30 |
[ 데이터 애널리스트의 역할과 직무 기술서 ] 데이터 애널리스트 & 데이터 과학자 & 데이터 스페셜리스트 차이 (0) | 2024.07.04 |