[DataAnalysis] 데이터 분석 첫단추 : 인사이트

데이터 분석에 필요한 것들은 뭘까?

데이터는 패턴이 존재하기 때문에 미래에 대한 의사 결정할 때 데이터의 인사이트를 파악하는 게 중요

 

의외로 유용한 인사이트는 굉장히 간단하다.

 

머신러닝 알고리즘을 어떻게 사용할까도 아니고, 수리 통계학을 이용해서 데이터 특성을 반영한 멋진 수식과 모델을 세우는 것도 아니라는 것이다.

 

수집된 데이터의 측정시기와 배경조사, 본질 파악, 오류 가능성, Feature 엔지니어링, 전처리 등 디테일과의 싸움의 연속과 맞닥뜨리게 될 것이다.

 

가설 > 실험 > 검증,분석,요약으로 이어지는 통계 분석적 접근 방법이 필요하다. 그런데 현실은 가설 하나 건지기도 녹록지 않다.

 

진정한 인사이트를 얻기 위해 우리는 관심사(목표)가 무엇인지를 명확히 하는 것을 시작으로 위에서 언급한 단계를 가급적 모든 구성원이 모든 아이디어(그것이 옳던 그르던)를 총동원하여 꽤 오랜 시간 고민해야 할 것이다.

 

데이터 마케팅을 잘하려면 <데이터 분석>을 잘해야 할까? 아니면 <마케팅>을 잘해야 할까?

데이터 분석 프레임 설계를 위한 질문 리스트
① 문제를 해결하기 위해서는 어떤 데이터가 필요한가?
② 해당 데이터를 얻기 위해서는 어떤 채널을 활용하는 것이 가장 적합한가?
③ 그 채널의 데이터는 수집해서 사용할 수 있는가?
④ 데이터는 어떤 기준에 의해서 수집할 것인가?
⑤ 수집되는 데이터의 양은 적절한가? 너무 많거나 적지 않은가?
⑥ 정제된 데이터를 어떤 관점에서 분석할 것인가?
⑦ 분석한 데이터 결과는 어떤 인사이트를 줄 것으로 예상하는가?
⑧ 분석 결과는 얼마나 문제를 해결하는 데 실행 가능한 솔루션으로 활용 가능한가?

 

빅데이터 시장을 세분화, 각 시장의 규모와 성장성을 가늠해볼 수 있는 요소로 4가지 요인

산업(Industry)

데이터의 공급처(Data Resource)

데이터의 양(Data Scale)

확장성(Scalability)

 

하나의 산업(Industry)이 디지털 환경과 만나 대량의 데이터(Data)를 발생시키고, 데이터의 출처가 공신력이 있고 표준화돼 비즈니스로 공유·확장 가능해지면 해당 산업의 데이터 시장이 빠르게 성장한다. 

 

사람을 따라다니는 데이터 vs 키워드 기반 데이터

개인정보 – 즉 ‘사람을 따라다니는 데이터’다. 성별·나이·관심사 등 해당 정보가 사람과 연결돼 있어 대상을 인식할 수 있는 데이터를 말한다. 이러한 데이터들은 주로 특성 소비자/소비자군을 대상으로 하는 서비스 예를 들어, 광고 타겟팅이라든지 고객 맞춤 서비스와 같은 영역에서 사용된다. 넷플릭스에서 다큐멘터리 콘텐츠를 좋아하는 사람에게 그와 유사한 콘텐츠를 추천할 수 있는 힘은 바로 이러한 소비자의 시청 데이터를 활용하기 때문이다.

ex) 쿠키 데이터

 

사람을 인식할 수 없지만(Unidentifiable) 마케팅에 있어 유의미한 모든 데이터를 의미한다. 특히 디지털 마케팅 단계에서의 데이터와 구분되는 부분은 바로 그 셀 수 없이 많고 파편화된 양(Volume)에 있다. 예를 들어, 네이버에 사용자들이 검색한 [검색어]의 데이터가 바로 여기에 해당한다. 키워드 데이터는 사람을 따라다니지 않는다. 물론 네이버에 로그인한 상태에서 검색어를 친다면 해당 키워드는 사람 정보와 맞물릴 수 있지만 많은 경우, 로그인 안 한 상태에서 바로 검색어를 입력하는 경우도 있다. 엄청나게 셀 수 없는 검색어가 있을 뿐만 아니라, 시계열(월별/시간별)에 따른 검색어의 추이까지 데이터화 시킨다면 그 데이터는 상상할 수 없을 정도로 규모가 커지게 되는 것이다.

ex) 버즈 데이터

 

 

 

 

 

[출처] - https://ditoday.com/%EC%88%A8%EC%9D%80-%EC%86%8C%EB%B9%84%EC%9E%90-%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8%EB%A5%BC-%EC%B0%BE%EC%95%84%EB%82%B4%EB%8A%94-%EB%B9%85%EB%8D%B0%EC%9D%B4%ED%84%B0-%EB%A7%88%EC%BC%80%ED%8C%85/