ABOUT ME

-

Today
-
Yesterday
-
Total
-
  • [경영정보시각화능력 요약] 2장-01. 데이터 개념
    자격증/경영정보시각화능력 2024. 5. 20. 22:41
    728x90
    반응형

     

    경영정보시각화능력 요약 / 경영정보시각화 요약 / 경영정보시각화능력 2장 / 경영정보시각화 2장

    경영정보시각화능력 데이터해석및활용 / 경영정보시각화능력 2과목 / 경영정보시각화능력 챕터2

     

    II. 데이터 해석 및 활용

       01. 데이터 이해 및 해석

          1. 데이터 개념

          2. 데이터 해석

     

     


    1. 데이터 개념

    [1] 데이터의 정의

     

    (1) 데이터—정보—지식—통찰 (DIKW)

    데이터 Data 정보 Information 정보 Knowledge 통찰(지혜) Wisdom
    -현실세계를 관찰 및 측정한 결과
    -가공되지 않은 객관적 사실
    -데이터를 가공해 의미가 생김
    -맥락, 관계, 구조를 부여함
    -정보를 해석 및 통합한 결과
    -현실세계에 대한 이해
    -지식과 경험을 깊게 이해함
    -새로운 관계, 패턴을 발견
    (ex) 주식 거래 내역 (ex) 주식 동향 보고서 (ex) 미래의 주식 가격 예측 (ex) 주식 투자 전략 제안

     

    ※ DIKW피라미드와 예시 - 좀더 자세히 알아보기: https://buly.kr/Gkq8CkK

     


    [2] 데이터의 역할과 가치

     

    (1) 데이터의 역할: 의사결정 지원부터 사회적 통찰까지, 데이터는 넓은 분야에서 사용되고 있음

    • 합리적인 의사결정을 지원 (ex) 소비자와 경쟁사 동향 데이터를 분석하여, 다음분기 경쟁우위 전략을 수립
    • 문제 원인을 파악하고 해결책 도출 (ex) 고객 만족도 설문 데이터를 분석하여, 제품/서비스 문제점을 파악하고 개선
    • 과거~현재 데이터를 분석해 미래를 예측 (ex) 과거 재고데이터와 현시점 현황을 분석하여, 미래 재고관리 계획을 수립
    • 조직 운영성과를 관리 (ex) 매출, 이익 등 지표를 정해놓고 분석하여, 사업 성과를 측정하고 관리
    • 고객별 개인화 서비스 (ex) 웹/앱 내 고객 행동데이터를 분석하여, 고객별 맞춤 컨텐츠를 추천
    • 사회, 경제, 문화 등의 추세를 분석 (ex) 사회적인 ESG 관심도 상승 추세를 분석하여, 기업 ESG 전략을 수립
    • 품질 모니터링을 통해 품질관리 및 개선 (ex) 제품 불량률, 고객 클레임 등을 분석하여, 제품/서비스 품질을 관리하고 개선
    • 리스크 평가 및 관리 (ex) 신용 리스크 평가, 사기 탐지, 사업 운영 리스크 관리 등
    • 과학적 연구의 기초 (ex) 사회과학, 의학 등 거의 모든 분야의 가설설정, 실험설계, 결과분석의 기초가 됨
    • 사회, 경제, 문화적 통찰을 얻음 (ex) 공공 정책 제안 및 결정, 문화적 트렌드의 이해 등

     


    [3] 구조에 따른 데이터 분류

     

    (1) 데이터 분류: 데이터 구조와 형식에 따라 정형, 반정형, 비정형 데이터로 구분함

      정형 데이터 반정형 데이터 비정형 데이터
    특징 - 미리 정해진 구조와 형식
    - 검색/정렬/분석하기 쉬움
    - 데이터 구조가 엄격함
    - 일부 정형화된 구조와 형식
    - 데이터 구조가 유연함 (정형보다)
    - 데이터와 메타데이터가 공존함
    - 정해진 구조나 형식이 없음
    - 처리/분석을 위해 가공이 필요함
    - 보통 크기가 매우크고 기술이 필요함
    용도 - 트랜잭션 처리 (데이터베이스 상)
    - 정확한 데이터 분석 등
    - 웹/앱간 데이터 교환
    - 웹 데이터 관리 등
    - 감성분석
    - 비디오/이미지 분석 등
    예시 (ex) 엑셀 스프레드 시트 (ex) SML, JSON, 이메일 등 (ex) 텍스트, 이미지, 비디오, 오디오 등

     

    ※ 정형, 반정형, 비정형데이터와 예시 - 좀더 자세히 알아보기: https://buly.kr/2qWGiLO

     


    [4] 특성에 따른 데이터 분류

     

    (1) 데이터 분류: 데이터 유형과 특성에 따라 크게 범주형, 수치형 데이터로 구분함

    • 범주형 데이터: 숫자가 아닌, 범주/종류로 구분되는 값을 가진 데이터
    • 수치형 데이터: 산술적인 연산이 가능한 숫자값을 가진 데이터
    명목형 데이터 순서형 데이터 이산형 데이터 연속형 데이터
    - 범주로만 구분되는 데이터
    - 데이터 간 순서도 없음
    (ex) 혈액형, 국적, 색상등
    - 범주 간 순서가 있는 데이터
    - 상대적인 순위만 비교 가능
    (ex) 메달, 만족도조사 등
    - 개수를 셀 수 있는 숫자값
    - 정수로 표현되는 데이터
    (ex) 고객 수, 제품 판매수량 등
    - 연속적으로 이어지는 숫자값
    - 실수로 표현되는 데이터
    (ex) 길이, 속도, 무게 등

     

    ※ 범주형, 수치형데이터와 예시 - 좀더 자세히 알아보기: https://buly.kr/AEy5v7D

     


    [5] 데이터 수명주기 (Data Life Cycle)

     

    (1) 데이터 수명주기: 데이터 생성 ~ 폐기까지 데이터가 진행되는 단계

    ① 데이터 수집 ② 데이터 저장 ③ 데이터 처리
    - 데이터 기록 or 수집함
    - 데이터 정리, 포맷을 위한 초기처리를 함
    - 적절한 데이터 저장시스템 선택
    - 보안조치, 백업/복구계획 수립
    - 집계, 요약 등을 통해 데이터를 처리함
    - 분석할 수 있도록 구조화된 형태로 변환
    ④ 데이터 분석 ⑤ 데이터 보관 ⑥ 데이터 폐기
    - 통계모델링, 머신러닝 등을 통해 분석
    - 인사이트를 발굴해 의사결정을 수행함
    - 보존정책에 따라 데이터를 저장/보관

    - 보안/보호정책에 따라 안전하게 폐기

     


    [6] 빅데이터의 개념

     

    (1) 빅데이터의 등장

    • 빅데이터 등장 배경: 컴퓨팅기술 발전, 데이터 저장비용 감소, 오픈소스 기술 등장, 클라우드컴퓨팅 확산, 디지털화, IoT 증가, 머신러닝 등장, 데이터기반 의사결정 및 데이터과학 부상
      - 오픈소스 기술 등장: Apache, Hadoop등. 분산 컴퓨팅 환경을 구축하고 병렬처리 기술을 구현할 수 있게 됨
      - 클라우드컴퓨팅 확산: AWS, Azure등. 빅데이터 구현을 위한 초기투자 부담 절감

     

    (2) 빅데이터의 특성  |  5V — 규모 Volume, 속도 Velocity, 다양성 Variety, 정확성 Veracity, 가치 Value

    규모 Volume 속도 Velocity 다양성 Variety 정확성 Veracity 가치 Value
    방대한 양의 데이터 실시간 생성/수집/처리 다양한 형식의 데이터 정확도와 품질이 중요 가치있는 통찰을 추출

     

    ※ 빅데이터 특성 5V 뜻 예시 - 좀더 자세히 알아보기: https://buly.kr/6tZhIyW

     


    참고도서: 경영정보시각화능력 필기_이기적 2024

    728x90
    반응형