아마 대부분의 제 데이터 분석/시각화 강의는 이 방식에 초점을 맞추고 있을 겁니다. 이미 일어난 사건에 대해 발생한 데이터를 요약, 파악하고 이해하는 건데요. 놓인 데이터를 보고, 그래프로 만들어보고 텍스트로 정리하는 것까지만 해도 충분히 데이터 분석을 할 수 있습니다.

진단분석(diagnostic)

산출물을 있는 그대로 본 다음에는 이유를 생각해 봅니다. 상관관계를 구하거나 패턴을 찾죠. 여기에서 통찰력이라는 개념이 나옵니다. 여기서는 그래프에서 보이는 걸 바로 읽는 것보다 데이터를 더하거나 다른 상황들-굳이 이야기하자면 여러 개의 데이터를 비교해 보는-이 생기겠네요.

예측분석(predictive analytics)

현재의 상황을 근거로 이후를 [예측]하는 방식입니다. 데이터 과학자나 머신러닝 개념이 여기에서 발동되게 되지만 추정이 항상 맞는 것은 아니기 때문에 유의해야 합니다.

처방분석(prescriptive analytics)

가장 복잡한 기술이 필요한 단계입니다. 최적의 결과를 얻기 위한 방법을 찾아내는 분석방법입니다.

이렇게 네 가지의 분석 방법이 있으며, 포스팅에서는 우리나라에서의 통계교육은 기술분석을 위한 여러 도구를 학습하고 이를 가지고 진단분석을 하도록 교육하는데 중점을 두고 있다고 설명하죠. 제 생각에도, 좀 더 넓은 개념에서 데이터를 보고 실무에 맞게 활용하기 위해서 진단 분석 정도의 방식이 적절하지 않을까 생각합니다.

자세한 내용이 필요하신 분들은 위의 링크를 찾아보시고, 통계교육원의 다른 자료들도 살펴보시기 바랍니다.

그럼 저는 다음에도 더 도움이 될만한 자료를 들고 찾아오겠습니다.

keyword