[데이터 분석] 데이터 리터러시 관련 정리

Remote Internship 때 수강했던 데이터 리터러시 강의에서 도움됐던 내용을 정리해두려고 한다!

 

• 처음부터 전문가들과 인공지능 엔진을 활용한 모델링 작업하기
• 실무 문제를 데이터로 쌓아 데이터 분석 설계도 만들기
  • 인터뷰보다 효과적인 실무 직관
    • 데이터로 이치를 따짐
    • 데이터 해석 가능
    ⇒ 조직의 인공 힘 향상

 

• 인공지능 엔진의 성능
  • 초반에는 기하급수적 성장 → 후반에는 난이도 높음
  • 설명력이 높은 다양한 피쳐들이 다양하게 존재하는 것이 중요

 

• 데이터 리터러시
  • 데이터 기반 문제해결 시, 데이터를 어떻게 사용하는 것이 좋을지에 대한 가장 기초적인 감각을 중시

 

• 어려운 분석, 빅데이터
  • 전문가들과의 논의 및 협업을 통해 해결하는 것이 효과적

 

• 1%가 데이터를 다루는 전문 스킬을 모두가 할 필요는 없음
• 데이터로 해결할 경우의 효과성, 데이터의 유효성을 현장에서 판단하라!
  • 감각, 사고력 중요

 

• 데이터 분석 프로젝트 실패 요인
  • 데이터가 없어서
  • 현업이 너무 바빠서
  • 문제 정의를 못해서
  • ⚠️ 분석 기법과 툴 연마를 못 해서 프로젝트가 실패하는 경우는 없다
  • ‼️ 문제 정의가 안 돼서 프로젝트를 실패하는 것이다

 

• 데이터 학습 시,
  • 넓은 견지로 살펴보기
  • 데이터 리터러시를 사고력 관점에서 이해하기
  • 사고력을 데이터로 자극하여 감각 끌어올리기

 

• 데이터 역량
  • HARD SKILL
    • 직무 지식
    • 수학, 통계학
    • 디지털 기술
    • 분석기법, 툴
  • SOFT SKILL
    • 문제해결
    • 스토리텔링
    • 설득, 협업
    • 창의성

 

• 데이터 리터러시
  • 데이터 읽을 수 있음
  • 데이터 구할 수 있음

 

• 툴, 기법에 대한 이해는 데이터 역량의 일부
  • 데이터 리터러시, 즉 데이터로 소통할 수 있는 감각이 중요