[ADsP] 3과목 데이터 분석 - 1장 데이터 분석 개요

정리 내용은 [2022 ADsP 데이터 분석 준전문가]책을 기반으로 작성하였습니다.

2022 ADsP 데이터 분석 준전문가 - 교보문고

---

1. 데이터 분석 기법의 이해

1. 데이터 처리

개요
데이터 분석은 통계 기반을 두고 있지만, 통계 지식과 복잡한 가정이 상대적으로 적은 실용적인 분야

 

데이터 활용
대기업은 데이터웨어하우스(DW)와 데이터마트(DM)를 통해 분석 데이터를 가져와서 사용한다.
신규 시스템이나 DW에 포함되지 못한 자료인 경우, 기존 운영시스템(Legacy)이나 스테이징(straging area) 영역과 ODS(Operational data Store)에서 데이터를 가져와서 DW에서 가져온 내용과 결합하여 활용할 수 있다.
하지만 운영 시스템에 직접 접근해 데이터를 활용하는 것은 매우 위험한 일이므로 거의 이루어지지 않고 있다.

스테이징 영역의 데이터는 운영시스템에서 임시로 저장된 데이터이기 때문에 가급적이면 클린징 영역인 ODS에서 데이터 전처리를 해서 DW나 DM과 결합하여 활용하는 것이 가장 이상적이다.

* 데이터웨어하우스: 기업 내의 의사결정 지원 어플리케이션에 정보 기반을 제공하는 하나의 통합된 데이터 저장 공간. 데이터 주제 지향성, 데이터 통합, 데이터 시계열성(시간의 흐름에 따라 변화하는 값 유지), 데이터 비휘발성
* 데이터 마트: 재무, 생산, 운영 등과 같이 특정 조직의 특정 업무 분야에 초점을 맞춰 구축

 

최종 데이터를 구조로 가공
데이터 마아닝 분류: 분류 값과 입력 변수들을 연관시켜, 인구 통계, 요약 변수, 파생변수 등을 산출
정형화된 패턴 처리: 비정형 데이터나 소셜 데이터는 정형화된 패턴으로 처리해야 한다.
1) 비정형데이터: DBMS에 저장됐다가 텍스트 마이닝을 거쳐 데이터 마트와 통합한다.
2) 관계형데이터: DMBS에 저장되어 사회 신경망 분석을 거쳐 분석 결과 통계값이 마트와 통합되어 활용된다.

2. 시각화(시각화그래프)

시각화는 가장 낮은 수준의 분석, 잘 사용하면 복잡한 분석보다도 더 효율적이다.
대용량 데이터를 다룬 빅데이터 분석에서 시각화는 필수이다.
탐색적 분석을 할 때 시각화는 필수
SNA 분석을 할 때 자주 활용

3. 공간분석(GIS)

공간분석은 공간적 차원과 관련된 속성들을 시각화하는 분석이다.
지도 위에 관련 속성들을 생성하고 크기, 모양, 선 굵기 등으로 구분하여 인사이트를 얻는다.

4. 탐색적 자료 분석(EDA)

다양한 차원과 값을 조합해가며 특이점이나 의미 있는 사실을 도출하고 분석의 최종 목적을 달성해가는 과정
탐색적 데이터 분석과정은 데이터에 포함된 변수의 유형이 어떻게 되는지를 찾아가는 과정
데이터의 특징과 내재하는 구조적 관계를 알아내기 위한 기법들의 통칭

EDA의 4가지 주제: 저항성의 강조, 잔차 계산, 자료 변수의 재표현, 그래프를 통한 현시성
탐색적 분석 효율의 예: 2과목 모형 개발 프로세스(KDD, CRSIP-DM 등)에서 언급한 바와 같이 데이터 이해관계(변수의 분포와 특성 파악)와 변수 생성 단계(분석 목적에 맞는 주요한 요약 및 파생변수 생성) 그리고 변수 선택 단계(목적 변수에 의미 있는 후보 변수 선택)에서 활용되고 있다.

5. 통계분석

통계: 어떤 현상을 종합적으로 한눈에 알아보기 쉽게 일정한 체계에 따라 숫자와 표, 그림의 형태로 나타낸 것
기술통계: 모집단으로부터 표본을 추출하고 표본이 가지고 있는 정보를 쉽게 파악할 수 있도록 데이터를 정리하거나 요약하기 위해 하나의 숫자 또는 그래프 형태로 표현하는 절차
추측(추론)통계: 모집단으로부터 추출된 표본의 표본 통계량으로부터 모집단의 특성인 모수에 관해 통계적으로 추론하는 절차

 

활동분야
정부의 경제정책 수립과 평가의 근거자료로 활용(통계청의 실업률, 고용률, 물가지수)
농업(가뭄, 수해 또는 병충해 등에 강한 품종의 개발 및 개량)
의학(의학적 치료 방법의 효과나 신약 개발을 위한 임상실험의 결과 분석)
경영(제품 개발, 품질관리, 시장조사, 영업관리 등에 활용)
스포츠(선수들의 체질 향상 및 개선, 경기 분석과 전략 분석, 선수 평가와 기용 등)

6. 데이터 마이닝

대표적인 고급 데이터 분석법으로 대용량의 자료로부터 정보를 요약하고 미래에 대한 예측을 목표로 자료에 존재하는 관계, 패턴, 규칙을 탐색하고 이를 모형화함으로써 이전에 알려지지 않은 유용한 지식을 추출하는 분석방법

방법론
데이터베이스에서의 지식 탐색:데이터웨어하우스에서 데이터 마트를 생성하면서 각 데이터들의 속성을 사전 분석을 통해 지식을 얻는 방법

기계학습: 인공지능의 한 분야. 컴퓨터가 학습할 수 있도록 알고리즘과 기술을 개발하는 분야로 인공신경망, 의사결정나무, 클러스트링, 베이지안 분류, SVM등이 있다.
패턴인식: 원자료를 이용해서 사전 지식과 패턴에서 추출된 통계정보를 기반으로 자료 또는 패턴을 분류하는 방법으로 장바구니 분석, 연관 규칙 등이 있다.

활용분야
데이터베이스 마케팅(방대한 고객의 행동정보를 활용해 목표 마케팅, 고객 세분화, 장바구니 분석, 추천 시스템 등)
신용평가 및 조기경보시스템(금용기관에서 신용카드 발급, 보험, 대출 발생 시 업무에 적용)
생물정보학(세포의 수많은 유전자를 분석하여 질병의 진단과 치료법 또는 신약개발)
텍스트 마이닝(전자우편, SNS 등 디지털 텍스트 정보를 통해 고객 성향분석, 감성 분석, 사회관계망 분석)

---

모델링 성능 평가 시 활용하는 평가 기준
데이터 마이닝에서 활용하는 평가기준: 정확도, 정밀도, 디렉트 레이트, 리프트 등

시뮬레이션에서 활용하는 평가기준: Throughput, Avaerage Waiting Tiem, Average Queue Length, Time in System