콘텐츠

arrow_downward최신기사

뉴스젤리

위치 데이터의 시각적 분석, 그 무한한 가능성

지도 시각화 활용팁 위치 데이터에서 인사이트를 도출하는 효과적인 방법은 ‘지도 시각화’를 활용하는 것입니다. 앞서 '위치 데이터의 시각적 활용 어떻게 할 수 있을까?'에서 위치 데이터의 시각적 분석을 위해 필요한 지도 시각화 유형과 인사이트를 도출하는 방법에 대해 간략히 알아보았습니다. 위치 데이터를 활용한 시각적 분석의 기본을 이해했다고 볼 수 있는데요. 이번에는 지도 시각화와 관련된 좀 더 깊이 있는 내용과 함께 다양한 지도 시각화 콘텐츠 사례를 살펴보도록 하겠습니다. 각각의 사례를 통해 지도 시각화를 활용한 위치 데이터의 분석 효과를 경험적으로 이해하실 수 있으리라 생각합니다. · · · · · 하나. 지도 시각화를 활용한 시각적 분석, 효과를 극대화하는 방법은? 위체 데이터의 시각화, '어떤 지도'를 활용하느냐에 따라 시각적 분석의 효과는 극대화될 수...

bi

빅데이터와 금융권, 가치 창출 시작은 데이터 시각화로

금융권의 디지털 트랜스포메이션, 데이터 활용을 어떻게 하느냐에 달렸다. 디지털 트랜스포메이션(Digital Transformation), 단어 그대로 ‘디지털에 의한 변화’, ‘디지털로의 전환’ 정도로 이해할 수 있다. 최근 들어 많이 언급되는 이 개념의 단어 뜻만 놓고 보면, 낯설지만은 않다. 디지털은 그간 우리의 모습을 변화시키는데 큰 역할을 해왔기 때문이다. 이는 금융권에도 그대로 적용되는 이야기다. 지금은 많은 사람들이 쉽고 편하게 사용하는 인터넷 뱅킹, 스마트 뱅킹, 최근 등장해 많은 이들의 관심이 집중된 인터넷 은행 등 디지털은 우리의 금융생활을 변화시키고 있다. 최근 4차 산업혁명의 기반이라 할 수 있는 ‘빅데이터’에 대한 중요성이 강조됨에 따라 금융권의 디지털 트랜스포메이션에서도 ‘데이터 활용’에 대한 관심과 노력이 증가하고 있다. 특히 금융권은 데이터 보유량이 많고 증가 속도가 빨라 다른...

[그래프]

실무에서 데이터를 활용하는 방법, 데이터 리터러시와 시각화 대시보드!

데이터 리터러시와 시각화 대시보드 이해하기 사회적으로 데이터 활용에 대한 중요성이 강조되면서, 공공, 민간 분야 가리지 않고 데이터 활용을 기반으로 한 다양한 시도가 이어지고 있습니다. 동시에 데이터를 다룰 줄 아는 인력에 대한 수요도 증가하고 있습니다. 그러나 현실은 인력 자체가 부족한 상황입니다. 최근 소프트웨어정책연구소와 전자정보통신산업진흥회 등 유관 기관과 업계는 2022년까지 빅데이터 산업에서 부족한 인력 수를 2,785명으로 추산했습니다. 문제 상황을 극복하기 위해 기업은 데이터 분야의 역량을 가진 인재를 채용하는 방법뿐만 아니라 자체적으로 인재 육성을 위한 프로그램을 진행하는 등 적극적으로 나서고 있습니다. 이런 흐름은 사회에서 데이터 활용 역량을 보유한 사람이 경쟁력 있는 인재로 인정받고, 그 역할을 하게 된다는 것을 의미합니다. 현업에서 실무를 하는 사람들이...

DAISY

성별, 연령별, 지역별…데이터를 나누면 인사이트가 보인다

시각적 데이터 탐색 및 분석을 위한 데이터 집산(Data Aggregation) 이야기를 이어가 봅시다. 지난 글에서는 데이터 집산 개념과 수치형 변수를 활용한 데이터 집산에 대해 알아보았습니다. 이번 글에서는 범주형 변수를 활용한 데이터 집산의 개념과 시각화 유형에 대해 자세히 알아보겠습니다. · · · 데이터를 보는 수십 개의 눈, 어떤 기준으로 볼 것인가 범주형 변수란 무엇일까요? 범주형 변수(dimension)란 개별 항목(category)으로 구분되는 데이터 값을 갖는 변수를 말합니다. 일반적으로 값은 텍스트, 날짜 형태를 띱니다. 간혹 숫자 형태의 값을 갖는 변수를 범주형 변수로 활용하기도 하는데, 이 경우 수학적으로 계산할 수 없다는 점에서 수치형 변수와 구별됩니다. 이를 범주형 변수의 종류로 설명할 수 있는데, 좀 더 세분화해 ① 텍스트 ②...

DAISY

숫자는 계산하라고 있는 것, 차트 만들기에서도 예외 없다

지난 글 ‘데이터 하나로 몇 개의 차트를 만들 수 있을까요?’에서 데이터 집산(Data Aggregation)의 개념을 알아보았습니다. 시각화에서 데이터 집산은 그 기준이 되는 변수의 유형에 따라 두 가지(수치형, 범주형)로 나뉘는데요. 이번에는 수치형 변수를 활용해 데이터 집산을 해보고, 시각화했을 때의 효과까지 자세히 알아봅니다. · · · · · 시각화 차트를 만드는 순간, 당신은 이미 데이터 집산을 했다 먼저 수치형 변수의 개념을 간단히 알아봅시다. 수치형 변수(measure, value)란 계산이 가능한 숫자 형태의 값을 가진 변수를 의미합니다. 시각화 차트는 수치형 변수와 범주형 변수(dimension, 항목(category)으로 구분되는 값)의 조합으로 만들어집니다. 이때 범주형 변수 항목별로 수치형 변수의 값이 합산(SUM)되는 것이 일반적입니다. 시각화 차트를 만드는 과정을 통해 자세히 알아보겠습니다. 먼저 시각화를 하기 위해 필요한 데이터인 로우(raw)...

DAISY

데이터 하나로 몇 개의 차트를 만들 수 있을까?

 데이터 하나로 만들어진 이 모든 차트 데이터 분석 결과 보고서나 자료를 보면, 많은 시각화 차트와 데이터 표가 포함된 경우가 많습니다. 이런 보고서를 보고 있노라면, ‘이 보고서에 정말 많은 종류의 데이터가 활용됐구나’, ‘이 모든 것을 다 이해하기는 힘들겠다’ 등의 생각이 듭니다. 데이터에 압도되는 듯한 느낌이 드는 것이죠. 그러나 꼭 그럴 필요는 없습니다. 사실 특정 조사 기관이 하나의 조사를 한다면, 해당 조사 결과 데이터는 하나로 정리되었을 것이기 때문입니다. 여기에서 데이터란 정제되지 않은 상태의 원본 데이터인 로우(raw) 데이터를 의미합니다. 이들이 보고서에 여러 개의 시각화 차트와 데이터 표를 넣은 이유는 데이터 분석 과정에서 발견한 여러 인사이트를 전달하기 위한 보조 자료로써 활용했기 때문입니다. 여기에서 우리는...

광고데이터

마케팅 분석 실전편: 통계 활용하기②

마케터에게 데이터란 자신의 마케팅 성과를 수치로 보는 일과 같습니다. 광고 집행 이후 노출과 클릭, 전환 같은 사람들의 반응을 수치로 확인합니다. 단순히 데이터를 확인하는 데서 나아가 분석을 통해 인사이트를 도출해 냅니다. 이는 다음 전략을 수립하기 위한 근거가 돼 줍니다. 지난 ‘마케팅 분석 실전편 : 통계 활용하기 ①’에서는 마케터가 데이터에서 의미를 찾기 위한 방법으로서 기본적인 통계 분석에 대해서 알아보았습니다. 표준편차와 표준점수를 활용해 데이터를 정확히 파악하고, A/B 테스트를 통해 가설 검정하는 방법에 대해 이야기했습니다. 이번에는 지난 시간에 이어 마케팅 데이터가 갖고 있는 패턴을 파악할 수 있는 데이터의 상관관계와 예측 분석에 대해 이야기해보고자 합니다. . . . . . 스텝 3. 매출에 영향을 주는...

A/B 테스트

마케팅 분석 실전편: 통계 활용하기 ①

시각화 차트 외에도 데이터의 의미를 파악할 방법이 있을까요? 평소 마케터 여러분들이 데이터를 보는 이유에 대해 생각해봅시다. 데이터 자체가 마케팅 결과이자 자신의 성과이기 때문이죠. 광고 집행 이후 노출과 클릭, 전환 같은 사람들의 반응이 수치상 얼마나 나오는지 살펴보며 이 데이터를 다시 비용으로 나누어 ROI(투자 대비 성과)를 계산하기도 합니다. 즉, 마케터는 본인의 성과를 측정하기 위해 끊임없이 원본 데이터의 숫자들을 집계하고 분석하고, 다시 그 변화의 정도를 보며 인사이트를 만들어냅니다. 원본 데이터의 집계와 계산을 통해 새로운 의미를 뽑아주는 방법에는 '통계분석'이 있습니다. 앞으로 두 차례에 걸쳐 마케터 여러분께 걸쳐 데이터 분석의 실전이라 할 수 있는 통계분석에 대해 알려드리려 합니다. 그리고 여러 애드테크 솔루션에서 통계 분석 방법들을 활용하고...

교육

빅데이터 시대, 누구나 알아야 할 데이터 리터러시

빅데이터 활용에 대한 관심과 더불어 데이터의 중요성을 인지하는 사회의 분위기가 확대되고 있습니다. 데이터 없이는 생존이 불가능한 시대로 접어들고 있다고 해도 과언이 아닐 텐데요. 공공, 민간의 다양한 분야에서 데이터를 활용해 가치를 창출해내기 위한 여러 시도를 하고 있는 것만 봐도 이를 알 수 있습니다. 데이터의 중요성이 확대되고 이를 활용하기 위한 시도가 증가하는 시대에, 우리가 알아야 할 것은 무엇일까요? 정보 포화의 상태에서 정보를 선별해 수용하기 위한 정보 검색 능력이 기본 역량으로 이야기됐던 것처럼, 빅데이터의 시대에 우리가 갖춰야 할 필수 역량은 무엇인지 알아보도록 하겠습니다. • • • • • • 1. 선택이 아닌 기본 역량, 데이터 리터러시 빅데이터 시대에 갖춰야 할 역량을 바탕으로 영업이익률(gross...

나이팅게일

[전병국의 데이터스토리] 가장 위대한 데이터 분석가

많이들 묻는다. 도대체, 데이터 분석이란 무엇인가? 데이터 분석가는 어떤 사람이어야 하는가? 앞으로 이 분야는 어떻게 될 것인가? 생각보다 대답이 쉽지 않다. 일부 들리는 이야기들이 있지만 중구난방이다. 계속 발전하는 미래형 산업이라 아무래도 확실한 주장은 무리일까? 결국 미래를 기다리거나 뭐가 되든 부딪혀 보는 수밖에 없는 걸까? 달리보면 대답은 오히려 쉽다. 미래에 대한 해답은 미래에 있지 않기 때문이다. '명심보감(明心寶鑑)'의 한 구절도 그렇게 말한다. "욕지미래 선찰이연(慾知未來 先察已然)". 미래를 알고 싶으면 먼저 과거를 살피라는 말이다. 천년의 지혜다. 성공적인 데이터 분석과 데이터 분석가의 비밀은 미래가 아니라 과거에 있다. 구글은 커녕 컴퓨터조차 없던 시대에 그 열쇠들이 있다. 200년 전 이야기도 그 중 하나다. 1. 어느 소녀의 꿈...