SQL 코드카타
문제 8
상위 n개 레코드
동물 보호소에 가장 먼저 들어온 동물의 이릉을 조회하는 SQL 문을 작성해 주세요.
내 답안
SELECT NAME
FROM ANIMAL_INS
ORDER BY DATETIME
LIMIT 1;
개선점
1. [MySQL] 상위 n개 값만 남기고 싶을 때 템플릿
1) ORDER BY 기준이 될 column
2) LIMIT n
문제 9
최솟값 구하기
동물 보호소에 가장 먼저 들어온 동물은 언제 들어왔는지 조회하는 SQL문을 작성해 주세요.
내 처음 답안
SELECT DATE(DATETIME) AS '시간' -- DATE(DATETIME)
FROM ANIMAL_INS
ORDER BY DATETIME
LIMIT 1;
내 최종 답안
SELECT DATETIME AS '시간' -- DATETIME
FROM ANIMAL_INS
ORDER BY DATETIME
LIMIT 1;
틀린 이유
1. DATE 함수가 날짜와 시간을 모두 불러낸다고 생각함
개선점
1. [MySQL] 날짜와 시간 함수
DATE(column): column에서 날짜 정보만 보여줌
TIME(column): column에서 시간 정보만 보여줌
문제 10
어린 동물 찾기
동물 보호소에 들어온 동물 중 젊은 동물(INTAKE_CONDITION이 'Aged'가 아닌)의 아이디와 이름 조회하는 SQL문 작성해 주세요. 이때 결과는 아이디 순으로 조회해 주세요.
내 처음 답안
SELECT ANIMAL_ID,
NAME
FROM ANIMAL_INS
WHERE INTAKE_CONDITION IS NOT 'Aged' -- IS NOT
ORDER BY ANIMAL_ID;
내 최종 답안
SELECT ANIMAL_ID,
NAME
FROM ANIMAL_INS
WHERE INTAKE_CONDITION != 'Aged' -- !=
ORDER BY ANIMAL_ID;
틀린 이유
1. WHERE절에 column_name is not 'aged'라고 작성
IS NOT과 !=의 차이를 숙지하지 못함
개선점
1. [MySQL] 비교 연산자
!= 또는 <> : 문자열, 숫자 등과 비교, 같지 않음
IS NOT: boolean(참, 거짓), NULL과 비교, 같지 않음
새롭게 알게 된 것
1. [MySQL] 비교 연산자
1) != 또는 <>
설명
문자열, 숫자 등과 같지 않음
문법
column != 또는 <> 'value'
예시
SELECT ANIMAL_ID,
NAME
FROM ANIMAL_INS
WHERE INTAKE_CONDITION <> 'Aged'
ORDER BY ANIMAL_ID;
2) IS NOT
설명
boolean(참, 거짓), NULL과 같지 않음
문법
column IS NOT TRUE/FALSE/NULL
예시
SELECT 1 IS NOT UNKNOWN, -- 1은 TRUE를 의미, NOT UNKNOWN은 NULL이 아님을 의미
0 IS NOT UNKNOWN, -- 0은 FALSE를 의미, NOT UNKNOWN은 NULL이 아님을 의미
NULL IS NOT UNKNOWN; -- NULL은 UNKNOWN을 의미
결과 1, 1, 0
SELECT *
FROM customers
WHERE certification IS NOT TRUE;
참고 자료
https://dev.mysql.com/doc/refman/8.4/en/comparison-operators.html
Python 알고리즘 코드카타
문제 7
두 수의 나눗셈
나눗셈, 곱셈 후 정수 부분 return
내 답안
def solution(num1, num2):
answer = int((num1 / num2) * 1000)
return answer
개선점
1. int() 용법
1) 실수에서 정수로 변환
3.1415 → 3
2) 문자열에서 정수로 변환
'44235' → 44235
3) 음의 실수 음의 정수로 변환
-324.123 → -324
문제 8
각도기
내 답안
def solution(angle):
if 0 < angle < 90:
return 1
elif angle == 90:
return 2
elif 90 < angle < 180:
return 3
elif angle == 180:
return 4
참고 답안
def solution(angle):
if 0 < angle < 90:
answer = 1
elif angle == 90:
answer = 2
elif 90 < angle < 180:
answer = 3
elif angle == 180:
answer = 4
return answer
개선점
1. if-elif-else 조건문에 각각 return 쓰는 것 vs 변수 사용한 뒤 마지막에 한 번 return 쓰는 것
코드가 짧고 간단할 때 → 전자도 좋다
코드가 복잡할 때 → 후자 사용
2. 문법 체크
return 반환할 값
variable = 할당할 값
데이터 리터러시 1-4, 1-5
지표 설정
1. 지표(Metric)란?
- 특정 목표나 성과를 측정하기 위한 구체적, 측정 가능한 기준
- 목표 달성도를 평가하고 전략적 결정에 필요한 핵심 정보 제공
- 정의한 문제에 대해 정확하게 파악하기 위해 필요
문제 정의와 지표 비교
- 문제 정의: '어떤 문제를 풀고자 하는가?' 정의
둘 이상의 해석이 나오지 않도록 구체적으로 표현하고 정의하였는가?
- 지표: '어떤 결과를 기대하는가?'에 대한 정량적 기준
정의한 문제를 확인하는 데 적합한가?
지표 설정 예제 1
- 목표: 날씬해지기
1) '날씬'을 정의
국가 비만도 정의에 의한 정상 체중 (18.5 이상 23 미만)
→ 지표: BMI (체중/키^2)
이상적으로 생각하는 체지방률 (15%)
→ 지표: 체지방률 (체지방량/몸무게)
2) 핵심 지표: 체지방률, BMI
3) 지표 달성 위한 수단과 세부 지표
수단1: 주 5회 이상 운동
세부 지표1: 운동이행률 (5일/5일)
수단2: 매일 7시 이후 금식
세부 지표2: 식단달성율 (30일/30일)
지표 설정 예제 2 (잘못된 예제)
- 목표: 사용자 성장
- 지표: 사이트 방문자 수
문제점
- 방문자 수는 증가할 수 있지만, 실제 사용자 참여나 수익 창출과는 크게 관련 없을 수 있음
- '사용자 성장'을 명확하게 정의하지 않음: 예시로, 객단가 증가, 재방문율 증가 등
지표 설정 예제 3 (잘못된 예제)
- 문제: 유튜브 광고에 대한 반응이 적다.
- 지표: 문의 수
문제점
- 문의 수가 광고에 대한 반응을 대표하지 못할 가능성이 큼
- '반응이 적다'를 정의해야 함: 예로, '매출이 크게 늘지 않았다.' 또는 '유입 수가 크게 늘지 않았다.'
- 지표: 매출, 유입 수
2. 주요 지표 이해하기
1) Active User (활성 유저)
정의
- 서비스에 들어오는 모든 유저 의미하는 것 아님
- Active User에 대한 정의에 따라 전략과 방향이 달라짐
- Active User에 대한 정의로 '이탈 유저'가 정의됨
- 서비스 지표에 중요한 역할 하게 됨
Active User 설정 사례
(1) 사이트 진입 유저로 Active User를 설정했다면?
- 메인 홈 화면에 진입 시 활성 유저로 정의
- 허들이 가장 낮음
- Active User 지표가 가장 높게 측정됨
- 그러나 해당 유저 대상 액션 효율이 떨어짐
(2) 사이트 진입 후 추가 행동을 한 유저로 Active User를 설정했다면?
- 허들이 두 번째로 낮음
- 사이트에 진입하여 강의 중 하나에 진입한 유저
- 1번 보다 대상 액션 효율이 높을 수 있음
(3) 서비스의 최종 액션까지 수행한 유저를 Active User로 설정했다면?
- 가장 허들이 높음
- 자사 서비스의 Goal 액션을 한 유저
- 자사 서비스의 핵심과 효용성을 경험한 유저
- 해당 유저 대상 액션을 할 때 효율과 이익이 가장 높음
- Active User 지표가 가장 낮게 측정
(1)에서 (3)으로 갈수록
Actice User 수는 감소
정밀도와 허들은 높아짐
Actice User 설정: 우리 서비스만의 Actice User 찾기
- 어디까지 경험한 유저가 우리의 활성 유저일까?
- 일반 유저와 활성 유저를 나누는 기준은?
- 유저는 어디서 우리 서비스의 효용성을 느낄까?
- 우리가 핸들링할 수 있는 유저의 사이즈는 얼마나 될까?
Actice User 관련 주요 지표
2) Retention Ratio (재방문율)
정의
- 정의: 서비스를 사용한 사람이 다시 서비스를 사용하는 비율(%)
- 리텐션: '한번 획득한 유저가 서비스로 다시 돌아왔는가?'에 대한 지표
- 리텐션이 높은 서비스는 획득비용에 투자한 비용을 빠르게 회수할 수 있음
- 리텐션은 서비스(특히 앱 서비스) 성장에 있어 매우 중요한 지표
- 리텐션은 기본적으로 방문을 기준으로 측정,
하지만 Active User에서 활성의 기준을 정해줬던 것과 같이 서비스의 특성에 따라 '활성'의 기준을 다르게 정의할 수 있음
- 일반적으로 리텐션은 시간이 지남에 따라 자연스럽게 감소 (Product B)
- 기울기가 점점 완만해지며 안정화되는 그래프를 가지고 있다면
시장에 적합한 서비스라 할 수 있음 (Product A)
Retention에 대한 이해
- 리텐션이 높은 세그먼트를 발굴하는 작업이 필요함 → 발굴 결과로 액션 아이템 만들기
- 서비스의 사용 주기에 따라 리텐션 조회 기간을 늘려야 함
- 사후 분석 시에 용이
(1) N-Day Retention
정의
- 최초 사용일로부터 N일 후에 재방문한 Active User의 비율
- 일반적으로 사용하는 리텐션 지표는 N-Day 리텐션
- 게임, 소셜 등 습관적으로 사용하거나 반복적으로 행동 유도하는 제품에 적합
- 유저가 Active User로 집계된 최초 날을 Day 0으로 설정
- Day 0에 액티브 상태가 된 모든 유저들의 N일 차 리텐션을 계산
- N-Week, N-Month도 가능
활용 예제
- 1월 1일을 기준으로 판단
N-day 리텐션의 한계
- 위 사용예시에서 튜브는 1월 3일을 제외하고는 전부 방문
그렇다면, 1월 3일의 리텐션에도 튜브를 포함하는 게 맞는 것 아닐까?
- 서비스의 사용 주기가 길 경우, N-day 리텐션을 사용하면 실제보다 더 과소평가
어느 서비스에 활용?
- N-day 리텐션은 사용자가 매일 접속하는 서비스에 활용하기 적절한 지표
→ 카카오톡, 인스타그램, 게임
(2) Unbounded Retention
정의
- 특정 날짜를 포함하여 그 이후에 재방문한 유저의 비율
- 특정일을 포함하여 그 이후에 한 번이라도 재방문한 유저의 비율
- 유저가 정기적으로 반복해서 방문하는 서비스가 아닐 경우 적합
- 그래프 해석: Day 5는 5일 차 이후에 한번 더 들어온 유저의 비율
- Unbounded retention은 이탈률의 반대 개념
활용 예제
- 마지막 방문일 이전에는 방문한 것으로 계산
- 실제로 방문하지 않았어도 계산에는 함께 포함한다.
- N-day 리텐션과 비교 시 결과값에 큰 차이가 있음
Unbounded 리텐션의 한계
- 1월 6일에 계속 접속하지 않던 사람(무지)이 접속할 경우, 이 전의 리텐션 값들이 전부 변동되는 상황이 발생할 수 있음
- 해당 지표는 절대적인 수치보다는 지표가 어떻게 변화하는지에 대해 트렌드를 보는 용도로 활용하는 것이 권장됨
어느 서비스에 활용?
- 사용 빈도가 높지 않은 서비스에 활용하기 적절한 지표
→ 채용 사이트, 쇼핑몰, 부동산 매물 서비스
- 위와 같이 사용 주기가 좀 더 긴 서비스들에서는 N-day 리텐션을 적용하게 될 경우 불필요한 할인, 푸시 메시지 발송 등 잘못된 액션을 할 가능성이 존재
(3) Bracket 리텐션
정의
- 설정한 특정 기간을 기반으로 재방문율 측정
- Bracket 리텐션은 N-Day 리텐션을 확장한 개념: 일/주/월 단위가 아닌 지정한 구간으로 나눔
- 1 (0일 차) / 2 (1~3일 차) / 3 (4~6일 차) / 4 (7~11일 차)
- 활성 유저가 특정한 활동을 위해 각 Bracket 내 서비스에 재방문 시 잔존 유저로 해석
활용 예제
- Day 0: 1월 1일 (신규 가입일 or 최초 접속일)
- Day 1~3: 1월 2일 ~ 1월 4일
→ 방문한 유저: 튜브, 어피치, 라이언, 프로도
- Day 4~6: 1월 5일 ~ 1월 7일
→ 방문한 유저: 튜브, 어피치, 무지
- 하루 정도 서비스에 접속을 안 했더라도, 리텐션에 영향을 주지 않기 때문에 기준이 조금 더 여유로움
어느 서비스에 활용?
- 서비스 사용주기가 길거나 주기적인 경우 사용하기 적합한 지표
→ 식료품 배달 서비스, 세차 서비스
Retention 활용 예제
Q1. 아래 데이터가 페이스북의 방문자 데이터라고 할 때, 어떤 리텐션을 사용해야 할까?
A. N-Day 리텐션
페이스북은 사용주기가 매우 짧은 SNS 서비스이다.
Q2. 앞서 정한 리텐션 기준으로 1월 5일의 리텐션을 계산해 보라
A. 50%
3) Funnel (퍼널)
정의
- 유저들이 어디서 이탈하는가?
- 퍼널은 잠재고객을 유입시키며 최종적인 목표 액션을 달성할 때까지의 과정
- 모든 서비스와 비즈니스는 각 단계로 갈수록 이용자 수가 줄어들게 됨
- 각 단계의 전환율 (or 첫 유입 대비 전환율)을 측정
AARRR
- 퍼널과 함께 자주 언급되는 용어
- 디지털 마케팅 시 활용하는 프레임워크에서 파생됨
- 단계별 전환율을 지표화하여 서비스 보완 지점을 찾음
Acquisition: 유입
Activation: 활성화
Retention: 재방문(재구매)
Revenue: 수입
Referral: 추천
4) LTV (Life Time Value, 고객 평생 가치)
LTV의 역할
- 해당 유저가 우리에게 평생 주는 이익은 얼마나 될까?
- 고객 생애 주기: 한 명의 유저가 서비스를 사용하기 시작하여 이탈할 때까지의 기간
- LTV는 한 명의 유저가 생애 주기 동안 얼마만큼의 이익을 주는지 정량적으로 지표화한 것
- LTV는 유저와의 관계를 측정하고 이를 사업적 이익으로 가져가는 데 중요한 지표
- LTV가 높다는 것은 해당 서비 스와 관계가 좋고, 충성도가 높은 고객이 많다는 것
활용 예제
- 신규유저 (프로도)가 1월에 서비스에 처음 들어와서 구매를 하다가 이탈함
- 프로도의 LTV는 50000 + 20000 + 5000 = 75000
- LTV 추측이 가능하다면, 신규 유저를 데려오는 비용(CAC: Customer Acquisition Cost)의 산출 및 효율적인 예산 운용이 가능
LTV 산출 방법
- 이익 x Life Time x 할인율(미래 비용에 대한 현재 가치)
- 연간 거래액 x 수익률 x 고객 지속 연수
- 고객의 평균 구매 단가 x 평균 구매 횟수
- (매출액 – 매출 원가) / 구매자 수
- 평균 구매 단가 x 구매 빈도 x 구매 기간
- (평균 구매 단가 x 구매 빈도 x 구매 기간) – (신규 획득 비용 + 고객 유지 비용)
- 월평균 객단가 / 월 가중 평균 잔존율
- LTV를 산출하는 방법은 매우 여러 가지이며, 서비스마다, 관점마다 다르기 때문에 다각도로 고민이 필요함
LTV 정리
- 자사 서비스에 딱 맞는 LTV를 산출하는 것은 매우 어려운 일
- 사용 주기, 변수, 객단가 등 여러 가지를 고려해야 함
- LTV를 늘리기 위한 방안: 객단가 상승, 구매 빈도를 높임, 이탈률 감소, 이용시간을 증가 등
- LTV는 가정을 베이스로 하는 지표이기 때문에 꾸준한 모니터링이 필요
- LTV에 관심이 더 생긴다면 읽어보면 좋을 자료들
- PAP Excel로 Retention 변화에 따른 LTV 시뮬레이션하기
- 토스 - 무한한 사업 전략의 세계로 건너가는 법
- EO planet - 이제 LTV(고객생애가치)를 정확히 계산해 봅시다
3. 북극성 지표
1) 북극성 지표란?
북극성 지표
- 제품/서비스의 성공을 정의
- 제품/서비스가 유저에게 주는 core value를 가장 잘 나타낸 것
- 장기 성장을 위해 필수적으로 모니터링해야 함
좋은 북극성 지표의 특징
- 제품/서비스 전략의 핵심
- 유저/고객이 제품/서비스에서 느끼는 가치
- 회사의 사업 목표를 나타내는 지표 중 선행지표 (후행 X)
좋은 북극성 지표를 위한 체크리스트
- 유저가 목적을 달성하는 때가 언제인가?
- 모든 유저가 해당되나?
- 측정 가능한 지표인가?
- 측정 주기가 적절한가? (일, 주, 월 등)
- 외부 요인으로부터 영향을 많이 받지는 않았는가?
- 북극성 지표의 성장이 사업 성장과 함께하는가?
- AARRR 퍼널 전 과정이 북극성 지표에 영향 주는가?
- 북극성 지표의 변화가 적어도 매주 관찰 가능한가?
좋지 않은 북극성 지표의 예
- 외부 요인의 영향 많이 받는 지표
- 유저/고객의 전체 여정 반영하지 않는 지표
- 유저/고객이 직접 가치를 느낄 수 없는 지표
- 측정 불가하거나, 기간 설정이 안 되는 지표
- 예시: 회원 가입 수, DAU, Retention, 다운로드 수, 페이지 뷰 수
(하지만, 상황에 따라 북극성 지표로 사용될 수도 있다)
2) 북극성 지표의 사례
북극성 지표의 유형
대표적인 북극성 지표 사례
3) 북극성 지표가 중요한 이유
북극성 지표가 중요한 이유: 방향성
- 제품/사업 조직이 무엇에 최적화되어야 하고, 무엇을 포기해도 되는지에 대한 방향 제시
- 제품/사업 조직의 진척과 가치창출을 전사에 보여줌: 지원 조직이 더욱 적극적으로 지원, 제품개발 액션 실행속도가 빨라짐
- 제품/서비스 조직이 결과에 책임지도록 함: 비즈니스 임팩트에 따라 평가가 가능
북극성 지표가 중요한 이유: 효율 증대
- 전 직원을 하나의 목표에 집중시킴
- 서로 상반된 목표에 집중하거나, 중복으로 일하는 것을 방지 (MECE한 구조)
북극성 지표의 구조
4) 북극성 지표 예제
Q. 온라인 교육 플랫폼의 북극성 지표를 세운다면?
A. 목표, 사용자, 목표에 가장 크게 영향 미치는 요소로 나누어 생각해 보는 것이 좋다
목표: 사용자들에게 유용하고 가치 있는 학습 경험 제공
전략: 사용자의 학습 성공 증진
사용자: 학생, 전문가, 취미를 추구하는 사람 등
이 목표에 가장 크게 영향 미치는 요소: 평균 완강율, 평균 학습 시간, 사용자 평점
북극성 지표: 평균 완강율
설정한 이유: 코스 완료하는 사용자가 많을수록 플랫폼의 교육 컨텐츠가 효과적임을 의미하며, 이는 사용자 만족도와 직결됨
4. 결론 도출
1) 결과와 결론의 차이
결과
- 데이터 처리, 분석, 모델링 후에 얻어진 구체적인 데이터의 출력
- 숫자, 통계, 그래프, 차트 등의 형태로 나타낼 수 있음
- 예시: "고객 설문 조사 데이터를 분석한 결과, 고객 만족도와 구매 빈도 사이에 강한 상관관계가 있음을 보여줄 수 있습니다."
- 계산과 분석 통해 나온 결과물
- '무엇을'
결론 (실제로 우리가 필요한 부분)
- 분석된 데이터 결과를 바탕으로 이끌어낸 의미나 통찰
- 데이터에 기반한 해석, 추론 또는 권고 사항을 포함
- 예시: "고객 만족도와 구매 빈도 사이의 강한 상관관계를 보여주는 결과를 토대로 고객 만족도 향상이 전반적인 매출 증가로 이어질 수 있다는 결론을 내릴 수 있습니다."
- 목적에 대해 어떤 의미가 있는지 설명하는 것
- '그것이 왜 중요한지?'
→ 이르는 과정은 본질적으로 동일하지만, 표현 방식이 다름
결론 도출 시 주의사항
- 결과, 결론 도출 시에는 스토리텔링이 필요함
- 하지만 필요 이상으로 자신의 해석을 융합하면 안 됨: 데이터를 통해 알 수 있는 범위 내에서만 생각
2) 결론 도출 예제
Q1. 결론 도출이 합리적인가요?
맞다면 왜 그렇고,
아니라면 왜 아닌지 설명해 봅시다.
- 주어진 데이터: 가맹점별 A 제품 판매 데이터
- 결론: 모든 가맹점에서 가장 많이 팔리고 있는 A 제품이 대구 지점에서만 판매 실적이 부진한 것은 대구에 큰 경쟁사가 있기 때문이다.
A. 내 답변
결론 도출이 합리적이지 않다.
- 다른 지역과 대구의 차이가 경쟁사 유무밖에 없는가? 다른 차이가 있다면 그 차이도 고려해 봐야 한다.
- 우리 회사의 판매 데이터 분석으로 결론을 얻어내야 한다. 우리 회사 판매 데이터만으로 경쟁사와의 연관성을 도출하기 어렵다.
A. 강의 답변
- 실제로 경쟁사 때문에 판매 부진이 일어난 것일 수 있으나, 우리에게는 관련 데이터가 없다.
- 문제와 같은 결론은 분석의 품질을 떨어뜨리는 주범
Q2. 다음의 분석 결과를 가지고 결론을 도출해 보세요.
상황 설명
- 데이터: 온라인 소매점의 최근 6개월 판매 데이터
- 목적: 판매 성과 분석 및 개선 방안 도출
데이터 분석 결과
- 6개월 동안 전자제품의 판매량이 의류에 비해 25% 증가
- 매주 금요일에는 다른 요일에 비해 판매량이 15% 더 높음
- 오후 6시부터 9시 사이의 판매량이 전체 일일 판매량의 30%를 차지
A. 내 답변
전자제품의 판매량이 의류에 비해 25% 증가했다.
판매 성과가 특정 요일, 특정 시간대에 몰린 것을 확인할 수 있다.
전자제품을 판매 성과 몰린 요일, 시간대인 금요일 오후 6시부터 9시 사이에 적극 홍보하자.
A. 강의 답변
- 전자제품이 의류보다 인기가 높으므로, 전자제품에 대한 마케팅을 강화해야 한다.
- 금요일과 저녁 시간대의 높은 판매량을 고려할 때, 이 시간대에 특별 프로모션을 진행하면 전체 판매량을 증가시킬 수 있다.
- 위의 결론과 반대로, 가장 부진한 시간대에 프로모션 진행해 판매율을 끌어올리는 전략 제시도 가능하다.
- 결론은 결과들을 바탕으로 도출된 해석이나 추론이다!
3) 결론을 잘 정리하는 법
결론을 정리하는 법
- 앞서 문제 정의, 지표 설정을 할 당시의 목적을 떠올리며 정리
- 결론을 공유할 대상이 누구이며, 어떻게 변화하길 원하는지 생각
결론을 잘 정리하는 법
(1) 단순하고 쉽게 전달
- 핵심 지표 위주로 먼저 보고
- 지표를 해석하는 방법에 대해서도 설명
- 해당 지표에 오너십이 있는 조직에서 활용할 만한 포인트 제안
- 액션 아이템을 제안하는 것이 핵심
(2) 흥미 유발
- 모든 내용을 담지 말기
- 상대가 궁금해할 만한 내용은 뭘까 고민하고 필터링하기
- 궁금한 사람들을 위해서는 디테일한 문서 따로 공유
(3) 대상자 관점에서의 접근
- 공유받는 사람(=대상자)의 시선에서 이해하기 쉽도록 정리
- 지식의 저주에 빠지지 않고 논지를 뒷받침해줄 자료들을 함께 첨부
- 대상자의 허들이 낮은 시각화 활용
(4) 시각화 팁
- 화려한 그래프보다는 대상이 직관적으로 이해할 수 있도록 구성
- 선, 막대 그래프로 거의 대부분의 리포팅이 가능하다
- 각 그래프의 범례와 단위 함께 표기해 주기
결론 보고서에 쓰면 좋은 플로우
- 전체 내용을 한 문장으로 정리하는 요약
- 해당 보고서의 메인 주제
- 해당 보고서 쓴 이유와 원하는 변화
- 문제 정의 단계
- 핵심 내용 전개
- 결론 및 액션 아이템
결론을 잘 정리하는 법
- 앞서 문제 정의, 지표 설정을 할 당시의 목적을 떠올리며 정리
- 결론을 공유할 대상이 누구이며, 어떻게 변화하길 원하는지 생각
5. 결국 데이터 리터러시란?
결국, 데이터 리터러시란?
- 눈앞에 있는 데이터에 의존하지 않고 스스로 목적과 문제를 정의
- 그 목적을 달성하는 데 필요한 데이터와 지표 설정
- 데이터를 어떻게 봐야 문제의 정보를 효과적으로 얻을 수 있는지 분석
- 단순히 데이터를 보는 방식이나 분석 방법론, 통계지식에 매몰되지 않는 것
- '왜?'를 항상 생각하기
데이터 리터러시 관련 도서 추천
- 빅데이터 시대, 성과를 이끌어 내는 데이터 문해력, 카시와기 요시키 저
- 로지컬 씽킹, 데루야 하나코, 오카다 게이코 저
구조화된 사고 하는 방법론
MECE 및 로직트리 실습 가능