태블로 1일차

빅데이터를 지탱하는 기술

https://yozm.wishket.com/magazine/detail/1943/

성장하고 싶은 데이터 분석가를 위한 추천 도서 6권 | 요즘IT

 

https://www.hanbit.co.kr/store/books/look.php?p_code=B6208936856

실무로 통하는 인과추론 with 파이썬

 

Tableau 첫째날

 

사실 이걸 배우기 위해서 이 캠프에 참여했다.

데이터를 다루는 것 중에서도 가장 회사에 기여할 수 있는 것 중 하나는 사람의 마음을 움직일 수 있는 근거를 보이는 것이라 생각했기 때문.

데이터 시각화는 그러한 점에서 내게, 그리고 회사에서 가장 필요한 역량으로 자리할 것이라고 생각했다.

인사팀에서도 어떠한 컬럼들이 내게 주어질지 모르지만 그러한 컬럼들을 가지고 다가올 일을 예측하고, 문제를 해결할 수 있을지 참 설렌다.

며칠 전 친구와 대화를 하면서 사실상 자기 업무에서 그러한 데이터 분석 역량을 뽐낼 수 있는 부분이 없다고 이야기를 들었는데 그 말도 맞는 얘기였다. 내가 처하게 될 상황도 몇몇의 회사를 가지 않는 한 비슷할 것이다. 그럼에도 불구하고 회사에 기여하고 나의 역량을 강화시킬 수 있을만한 부분들을 찾아가며 하나하나씩 상부에 요청을 하고 새로운 데이터를 수집하는 등의 노력이 필요할 것 같다.

 

3주차까지 듣는데, 여러 실습들을 해보면서 막연한 태블로에 대한 기대감이 사실 줄어들고 있긴 하다.

이 어플이 굉장히 유용하다는 것은 알지만 비용이 너무 크다는 것을 들어서, 친구네 회사에서도 쓰기로 하고 꽤나 오랜 시간이 지났는데

지금 철수를 한다는 이야기를 들었다. 그런 의미에서 태블로에서 쉽게 하는 이 작업들을 파이썬이나 SQL로도 충분히 할 수 있을 역량을 갖추는 게 중요해보인다.

 

https://help.tableau.com/current/pro/desktop/ko-kr/shortcut.htm

바로 가기 키

 

조원분이 공유해주신 바로가기 키가 적혀있는 링크

아직 무슨 기능이 있는지도 다 모르지만 쓸만한 정보이다.

 

chatGPT 의 사용이 만연한 지금 오늘 실습 시간에 배운 것들까지는 기존의 파이썬 데이터 시각화로도 가능했기 때문에 우리나라에서 큰 비용을 지불하면서 태블로의 기능을 활용할 수 있을지는 모르겠다. 하지만 사용하기만 한다면 굉장히 좋은 툴일 것이다.

 

---

 

1. 데이터 레이크 (Data Lake)

• 정의: 데이터 레이크는 모든 형태의 데이터를 원시 상태로 저장하는 중앙 집중형 저장소입니다. 구조화된 데이터(예: 데이터베이스 테이블)뿐만 아니라 비구조화된 데이터(예: 텍스트 파일, 이미지, 로그 파일 등)도 포함됩니다.
• 특징:
  • 대량의 데이터 저장 가능
  • 데이터 스키마가 유연하여 다양한 데이터 형식을 수용
  • 데이터 분석 및 머신러닝에 용이
• 사용 예: 로그 데이터, IoT 센서 데이터, 소셜 미디어 피드 등

2. 데이터 웨어하우스 (Data Warehouse)

• 정의: 데이터 웨어하우스는 주로 비즈니스 인텔리전스(BI)와 분석을 위해 구조화된 데이터를 저장하는 시스템입니다. 데이터는 정제되고, 통합되어, 분석에 최적화된 형태로 저장됩니다.
• 특징:
  • 데이터가 정제 및 변환되어 저장됨 (ETL 프로세스)
  • 주로 관계형 데이터베이스 기술을 사용
  • 빠른 쿼리 성능 제공
• 사용 예: 기업의 판매 데이터, 고객 데이터, 재무 데이터 분석 등

3. 데이터 마트 (Data Mart)

• 정의: 데이터 마트는 특정 비즈니스 라인이나 부서에 맞춰 설계된 데이터 웨어하우스의 서브셋입니다. 특정 목적이나 주제에 집중하여 데이터를 제공합니다.
• 특징:
  • 특정 부서(예: 마케팅, 재무)나 주제(예: 판매, 고객)에 최적화
  • 데이터 웨어하우스보다 상대적으로 작은 규모
  • 빠른 데이터 접근과 분석 가능
• 사용 예: 마케팅 분석을 위한 고객 데이터, 재무 보고를 위한 재무 데이터 등

 

---

 

1. 차원 (Dimension)

• 정의: 차원은 데이터를 분석할 때의 "맥락"을 제공하는 속성입니다. 주로 데이터를 분류하거나 그룹화하는 데 사용됩니다.
• 특징:
  • 일반적으로 범주형 데이터로, 특정 측정값에 대한 추가적인 정보를 제공합니다.
  • 예를 들어, 시간(년, 분기, 월), 지역(국가, 도시), 제품 카테고리(전자기기, 의류) 등이 차원이 될 수 있습니다.
• 사용 예: 판매 데이터를 분석할 때, 시간, 지역, 제품 등이 차원으로 사용되어 특정 측정값(예: 판매량, 수익)을 그룹화하고 분석할 수 있습니다.

2. 측정값 (Measure)

• 정의: 측정값은 수치적 데이터를 나타내며, 분석의 대상이 되는 실제 수치입니다. 주로 수량, 금액, 비율 등을 포함합니다.
• 특징:
  • 일반적으로 연속형 데이터로, 다양한 수학적 연산(합계, 평균, 최대값 등)을 수행할 수 있습니다.
  • 예를 들어, 판매량, 수익, 비용, 고객 수 등이 측정값이 될 수 있습니다.
• 사용 예: 특정 기간 동안의 판매량이나 수익을 분석할 때, 이들이 측정값으로 사용됩니다.

요약

• 차원: 데이터를 분류하고 분석하는 데 필요한 맥락 제공 (예: 시간, 지역, 제품 카테고리)
• 측정값: 분석의 대상이 되는 수치적 데이터 (예: 판매량, 수익)

 

---