20251221 TIL

Today I Learn

: 아티클 스터디

 

- 아티클 1 : SQL 질문 잘 하는 방법 - 윤선미 데이터리안

https://datarian.io/blog/how-to-ask-good-sql-questions

SQL 질문 잘 하는 방법

 

• 질문 전 체크리스트
  • 코드에 이탈자 있는지?
  • 쿼리 실행 후 에러메시지 읽어보고 그에 맞는 조취 취했는지?
  • 문제에서 요구하는 조건 빠짐없이 작성? 특히 WHERE 절의 필터링 조건, ORDER BY 절의 정렬 조건, SELECT 절의 컬럼명이 정확하게 정의 되었는지 확인
  • 질문에 포함된 쿼리 실행? 질문 사항 이외에 다른 에러가 발생하지 않는지 확인
  • 여러 DBMS를 선택할 수 있는 플랫폼을 사용하고 있다면 문법에 맞는 DBMS가 선택되어 있는지 확인
• 검색
  • 구글 검색
  • 영문 검색
  • 검색키워드 잘 넣기 (범위 적당히 좁히기)
  • 신뢰할 수 있는 사이트 클릭
    • stackoverflow
    • http://dev.mysql.com/ : MySQL 공식문서
    • https://www.postgresql.org/ : PostgreSQL 공식문서
  • 언제 쓰여졌는지 확인
    • MySQL의 경우 2018년 이후부터 윈도우함수 적용

 

- 아티클 2 : 분석이 막막하다면 이렇게 생각해보세요 - 윤선미 (데이터리안)

 

- 데이터분석은 창의력의 영역이라기보단 '분석방법론'을 얼마나 많이 알고있느냐의 차이 (경험이 더 중요)

• RFM 고객 세분화 분석
• 매출 분석 방법론
• 퍼널 분석
• 리텐션 분석
• AARRR

- 데이터 분석과 관련된 책을 읽는 것도 좋은 방법

• 아이디어 불패의 법칙
• 순서 파괴

 

- 아티클 3 : RFM 고객 세분화 분석이란 무엇일까요 - 이보민 (데이터리안)

Recency: 얼마나 최근에 구매했는가
Frequency: 얼마나 자주 구매했는가
Monetary: 얼마나 많은 금액을 지출했는가

 

이 세가지 기준으로 데이터를 추출한 후 이 값들을 어떤 기준으로 나눌지는 각 산업군에 따라 달라짐

 

- 아티클 4 : 데이터 분석가에게 코딩 테스트가 필요할까?

https://yozm.wishket.com/magazine/detail/1708/

데이터 분석가에게 코딩테스트가 필요할까? | 요즘IT

 

- 기업 내 데이터 분석가의 업무

• 분석할 수 있는 데이터는 준비되어 있다.
• 서비스를 통해 풀고자 하는 문제를 명확하게 인지했다.
• 복잡한 혹은 최신 논문에 나오는 데이터 분석 기법을 활용하지 않았다.
• 데이터 분석팀 외에도 다양한 팀과의 협업을 통해 문제를 해결했다.
• 특별히 어떤 툴을 썼다 하는 내용은 언급되지 않는다.

- 정해진 답이 없는 데이터 분석가의 업무

• 데이터를 활용해 정해진 답이 없는 문제 해결 : 역량을 확인하는데에는 정답이 정해져 있는 코딩테스트보다 과제 전형이 대체로 더 효과적임
• 특별히 어떤 툴을 썼다 하는 내용은 언급되지 않음 : 많은 조직에서 데이터 분석가에게 '어떤 문제를 왜 풀어서 무슨 변화를 만들 수 있는지'가 '문제를 어떻게 풀 것인지'보다 더 크게 기대하기 때문

 

데이터 직군의 경우, 기술 외에도 코딩테스트로는 확인하기 어려운 다른 역량들 필요

코딩역량만으로 판단하지 않음

but 데이터 직군 코딩테스트에서 언급되는 예시도 있음

• 머신러닝 모델의 평가 지표 계산
• SQL을 활용한 메트릭 계산
• 텍스트 등의 데이터 파싱 및 전처리

데이터 분석가라면 프로그래머스 1단계 정도의 python 실력은 반드시 있어야하고, 2-3은 과하지만 good to have

 

- 아티클 5 : 데이터 분석가가 되고 싶은 취준생을 위한 안내서

https://yozm.wishket.com/magazine/detail/1649/

데이터 분석가가 되고 싶은 취준생을 위한 안내서 | 요즘IT

 

- 면접 때 지원자 역량 확인하는 질문 세가지

• 데이터 분석 프로젝트의 목적을 인지하고 있으며, 다른 사람을 설득할 수 있는가?
• 문제를 풀기 위해 제한된 상황에서 적용할 수 있는 여러 방법의 장단점을 인지하고 있으며, 각각 최적의 방법으로 활용할 수 있는가?
• 데이터 분석을 통해 현 상황 해석 뿐만 아니라 이후 액션을 통해 상황을 바꾸는 것까지 연결할 수 있는가?

- 이에 대한 답변

• 어떤 프로젝트였나요?
  • "예전에 교육받으면서 연습했던 프로젝트로, ~~에서 데이터를 구해서 ~~를 확인하는 프로젝트였습니다."
• 프로젝트 과정에서 왜 이런 방법으로 분석했나요?
  • "여러 방법을 써봤는데 이 방법이 점수(데이터)가 제일 잘 나왔기 때문에 사용했습니다."
• 그래서 어떤 결론이 났나요?
  • "데이터에서 이런 추세가 있다는 것을 확인할 수 있었습니다."
• but 이 답변들은 데이터 분석가의 '기술'은 확인할 수 있지만, '역량'을 확인하는 건 어려움 BAD!!!

데이터 분석 프로젝트는 '데이터를 수집하는 것'에서부터 시작함. 당연하게도 수집하려는 데이터는 수집 가지 내용으로 구성되어 어마어마한 '전처리 작업'을 필요로 함. 그래서 이를 가공하는 기술이 중요한데, 잘 가공된 데이터를 사용하면 이러한 능력을 보여줄 수 없음

"분석 기술만큼이나 데이터 인프라, 활용력, 의사결정 문화, 거버넌스가 중요하다"

법과 저작권 문제를 넘지 않는 선에서 직접 데이터를 수집(크롤링)해 보는 것도 좋음

 

데이터 분석 결과를 효과적으로 전달할 방법 중 하나는 '숫자'임. 

데이터 분석가의 존재 의의는 '조직의 문제를 데이터와 분석을 통해서 해결하는 것'

 

중고 신입을 선호하는 이유는 '실무에 바로 투입할 수 있어서'가 가장 큰 이유임.

새롭게 합류하는 구성원에게 가장 기대하는 건 문제를 '잘' 정의하는 것. '정해진' 문제를 풀기 위해서는 어떤 것들이 필요한지 구체적으로 '잘' 정의하는 것

- 면접 때 이야기하면 좋은 어필이 될 것들

• 데이터 분석으로 이 문제를 해결하고 싶었고,
• 이를 위해 구체적으로 이러한 가설을 세워 데이터를 수집했고,
• 이러한 방법으로 해결했다.

"결과가 이랬습니다"라고 끝나는 것이 아니라 "결과가 이렇게 나와서 이런 액션을 했고, 이렇게 바뀌었습니다"라고 설명하기

실패한 액션이라도 "이를 통해서 어떤 것을 배울 수 있었는지", "왜 실패한 것 같은지" 등의 내용이 있으면 좋음

 

제한된 상황에서 각자의 장단점이 있는 여러 가지 선택지 중에서 최선의 결과를 만들어 내는 의사 결정의 과정을 가능하면 많이 연습해보고, 면접에서 이를 잘 어필하는 것이 필요

ex) 내가 했던 데이터 분석 프로젝트에서 이 데이터가 A 그룹인지, B 그룹인지를 나누기 위해 '정확성을 중요하기 여길 것인지', '빠른 실행을 중요하게 할 것인지' 혹은 '가지고 있는 데이터에서 쓰일 방법을 선택할 것인지' 등 데이터를 활용하는 이유를 설명할 수 있어야함.