#책추천 #공기업_데이터분석가 #매출분석 🌸
안녕하세요 구독자님, 데이터리안 혜정입니다.
봄꽃이 하나둘 피고 있네요. 혹시 구독자님은 봄 나들이 계획이 있으신가요? 저희 데이터리안 사무실은 서울숲 근처에 있는데요. 4월에는 튤립 축제를 한다고 하니 서울숲에 놀러 오시는 것도 추천합니다! (서울숲이 있는 성수동 나들이 꿀팁은 데이터리안 팟캐스트에서도 들으실 수 있어요🌷) 이번 4월 뉴스레터는 데이터 분석을 시작하는 분들을 위한 책 추천, 분석 방법 소개부터, 분석을 위한 체크리스트까지 준비했어요. 오늘 뉴스레터도 구독자님께 도움이 되었으면 좋겠습니다.
4월 한 달도 건강하고 즐겁게 보내시길 바랄게요. 저는 5월에 다시 찾아뵙겠습니다🖐
|
|
|
1. 블로그 | 데이터 분석을 시작할 때 꼭 읽어봐야할 책 5권
2. 인터뷰 | 데이터 프로덕트를 만드는 기획자 겸 데이터 분석가가 일하는 법
3. 블로그 | ARPPU를 이용하여 매출 분석 시작하기
4. 블로그 | 차이를 만드는 분석을 위한 체크리스트
|
|
|
📚
데이터 분석을 시작할 때
꼭 읽어봐야할 책 5권
|
|
|
안녕하세요, 데이터 분석가 보민입니다. 데이터 분석가로 일을 시작한 후 매년 꾸준히 데이터 분석가를 꿈꾸는 학생분들, 취준생 분들을 만나 이야기를 나누고 있는데요. 대학교에서 강연을 하거나 외부 행사에서 강연을 하고 나면 Q&A 시간에 꼭 나오는 질문 중 하나가 추천 도서에 대한 질문이더라고요.
그런데 구독자님, 그거 아시나요? 입문자를 위한 책을 추천하는 것이 가장 어려운 일이라는 것을요… 입문자를 위한 책은 유익하면서도 방향성을 제시해 줄 수 있어야 하며, 무엇보다도 재미(!)가 있어야 하거든요. 공부를 시작할 때도 첫인상이 좋아야 이후로 꾸준히 공부를 해나갈 수 있기 때문인데요.
그래서 오늘은 제가 그동안 읽었던 책들 중에서 가장 쉽고 재미있으면서도 데이터 분석 커리어 또는 실무에 도움이 되는 책들을 선정해 보았어요. 사람마다 책의 난이도에 대해 느끼는 편차가 있을 수 있지만, 아주 주관적인 제 점수와 책 소개를 참고하여 나에게 맞는 좋은 책들을 발견하실 수 있길 바랍니다.
⋯⋯⋯
데이터 분석과 친해지고 싶다면
업계 선배들의 노하우를 해킹하고 싶다면
- 월스트리트저널 인포그래픽 가이드 (난이도 ⭐)
- 컨버티드: 마음을 훔치는 데이터분석의 기술 (난이도 ⭐⭐)
남들과 조금 다른 결과를 만들고 싶다면
- 새빨간 거짓말, 통계 (난이도 ⭐⭐⭐)
- 빅데이터 시대, 성과를 이끌어내는 데이터 문해력 (난이도 ⭐⭐⭐)
|
|
|
💌
데이터 프로덕트를 만드는
기획자 겸 데이터 분석가가 일하는 법 |
|
|
무역 관련 공기업 빅데이터 팀에서 일하고 계신 DY님을 만나 이야기를 나눴는데요. 그 내용을 구독자님께 공유합니다! IT 스타트업에서 데이터 분석가로 일하고 있는 저에게는 신기한 이야기들이 많았습니다. 데이터 프로덕트를 만드는 기획자 겸 데이터 분석가는 어떻게 일하고 있을까요?
⋯⋯⋯
Q. 안녕하세요 DY님, 자기소개 부탁드려요.
안녕하세요. 무역 관련 공기업 빅데이터 팀에서 일하고 있는 DY입니다. 기획 및 데이터 분석 업무를 겸하고 있어요. 직원들을 위한 데이터 분석 환경을 마련하는 것부터 시작해서 사내에서 필요한 데이터 분석, 데이터 분석을 활용한 서비스를 만드는 일을 하고 있습니다. 이전 직장은 통신사 데이터 분석을 하는 곳이었어요.
첫 커리어는 웹 기획자로 시작했습니다. 기획 업무를 하다 보니까 커뮤니케이터, 조율의 역할을 많이 한다는 생각이 들더라고요. 그래서 나만의 전문성, 하드 스킬이 좀 있었으면 좋겠다고 생각했고요. 좋은 기회에 회사 내부에서 조직 이동을 할 기회가 생겨 데이터 분석가로 직무를 변경하게 되었습니다.
Q. 지금 회사에서는 어떤 일을 주로 하고 계신가요? 어떤 데이터를 주로 다루는지, 공기업에서 하는 데이터 분석은 어떤 분석인지 궁금해요.
저희는 중소기업의 수출을 돕는 공기업이다 보니, 기업의 수출과 관련된 데이터를 다루고 있습니다. 우리나라 기업이 어느 나라에 어떤 품목을 수출했는지, 우리 회사의 어떤 지원사업에 참여했었고, 어떤 해외 바이어들을 만나고 싶어 하는지 등의 데이터를 다룰 수 있습니다. 그 외에도 전 세계의 수출입 무역 데이터, 해외 기업 정보를 따로 구매해서 보기도 하고, 자체 서비스에서 쌓고 있는 데이터들도 있어요.
데이터를 활용한 업무 예시를 한가지 얘기해 보면요. 국내 기업에게 해외 바이어들을 매칭해주는 일을 하고 있습니다. 데이터를 활용하면 국내 기업의 제품을 사줄 수 있는 전 세계 바이어들을 좀 더 빠르게, 적합하게 찾아볼 수 있습니다. 또 바쁜 업무로 데이터를 들여다볼 수 없는 중소기업에게 수출 유망 국가를 추천해 주거나, 수출입 데이터 등 수출품과 관련된 정보들을 얻을 수 있는 사이트를 만들어서 제공하기도 합니다.
다른 예시로는 정부가 공공기관의 일하는 방식을 데이터 중심으로 바꾸는 <데이터기반 행정 활성화>를 추진하고 있는데요. 저는 직원들이 업무에 데이터를 활용할 수 있도록 사내에 데이터 분석 환경을 만들고, 직원들이 필요로 하는 데이터를 조회할 수 있는 기능을 만드는 역할도 하고 있습니다.
⋯⋯⋯
직무 전환을 위한 DY님의 노하우부터 데이터를 활용해서 기획한 서비스 사례까지 인터뷰 전문에서 확인해 보세요!
|
|
|
🏃♂️
ARPPU를 이용하여
매출 분석 시작하기
|
|
|
안녕하세요, 데이터 분석가 송혜정입니다.
오늘만큼은 6개월 차 신입 데이터 분석가 된 구독자님! 회사에 갔는데, 팀장님이 새로운 업무를 하나 주시네요.
🤔1월보다 2월에 매출이 50% 증가했는데, 왜 증가했을까요? 분석해서 다음 주까지 결과 공유해줘요.
매출 분석은 아직 공부하지 못했는데…! 매출 분석 업무를 받았습니다. 매출 분석에 사용하는 지표와 이를 이용하여 매출을 분석하는 방법, 그리고 매출 분석을 전개해 나가는 과정을 이번 글에서 공부하고 이 업무를 해결해 봅시다.
⋯⋯⋯
매출을 쪼개서 분석하자
팀장님이 말씀하신 ‘매출’을 쪼개서 보면 매출의 변동 원인을 파악하기가 쉽습니다. 그럼, 매출은 어떻게 나눠볼 수 있을까요?
회사의 전체 매출은 각각의 고객이 낸 매출의 합으로 표현할 수 있습니다. 여기서 고객당 매출액, ‘객단가’라고도 불리는 지표가 두 가지 있습니다. 하나는 ARPU, 다른 하나는 ARPPU 인데요. 비슷한 철자인데, ARPPU에 ‘P’가 하나 더 있는 걸 보실 수 있죠. 각각의 의미와 계산식은 아래와 같습니다.
|
|
|
매출 증가 시나리오 3가지
앞에서 ARPPU가 전체 매출액을 구매 고객 수로 나눈 값이라고 했죠.
이 수식을 전체 매출액 관점으로 수정해 볼게요. ARPPU에 구매 고객 수를 곱하면 전체 매출액이 됩니다.
그럼, 매출액이 증가했을 때 세 가지의 시나리오를 생각해 볼 수 있습니다.
|
|
|
⋯⋯⋯
기본적인 분석 방법의 이해를 위해 간단한 수치로 이 세 가지 시나리오를 살펴볼게요. 매출 분석의 기초가 궁금하셨다면 저와 함께 매출 분석을 시작해 봐요!
|
|
|
안녕하세요, 데이터 분석가 윤선미입니다. 앞에서 보민님과 혜정님이 분석을 시작하는 단계에서 도움이 될 만한 책과 분석 방법론을 소개해 주셨어요. 이렇게 데이터 분석을 시작하고 나면 분석의 품질에 대해서 고민하는 시점이 오는데요. 차이를 만드는 고품질의 분석과 그렇지 못한 분석에는 어떤 차이가 있을까요? 이를 먼저 고민하고 정리하신 네이버 Head of Data Science & Director of US R&D 김진영님의 글을 소개합니다. 더 나은 분석을 위한 체크리스트를 확인해보세요👀
이 글의 원문은 김진영님 브런치에 업로드된 "차이를 만드는 분석을 위한 체크리스트"입니다.
⋯⋯⋯
데이터 사이언스 업무를 하면서 어떤 분석/모델링 프로젝트는 조직 전체에 엄청난 임팩트를 만드는 데 반해 어떤 프로젝트는 소리 소문 없이 잊히는 것을 목격하면서 둘 사이에 어떤 차이가 있을까 종종 고민했습니다. 실제 데이터&분석 팀을 운영하게 되면서부터는 팀 전체의 성과를 더 나은 것으로 만들기 위해 팀원들과 함께 비슷한 고민을 하고 있습니다. 아직도 갈 길이 멀지만, 차이를 만드는 고품질의 분석과 그렇지 못한 분석 가운데 어떤 차이가 있는지 그동안 깨달은 바를 적어보고자 합니다.
신뢰할 수 있는 분석
분석은 주어진 데이터에서 최선의 결론을 끌어내는 기술이며, 이 정의가 함축하듯 분석에 사용되는 데이터, 그리고 분석 기법은 어느 정도의 불확실성을 전제합니다. 따라서 제가 생각하는 분석의 품질에서 가장 기본적이면서 중요한 요소가 신뢰성입니다. 믿을 수 없는 분석 결과로는 고객을 설득할 수도 없을뿐더러, 어떤 이유에서건 오류가 있는 결과가 전달된다면 고객을 잘못된 길로 인도할 수 있기 때문입니다.
✅ 체크리스트
분석 결과에 대한 발표를 듣거나 리포트를 읽을 때 가장 먼저 생각하는 부분은 원본 데이터부터 분석 과정, 최종 결론에 이르기까지 신뢰할 수 있는지입니다. 신뢰할 수 없는 분석 결과에 시간을 낭비하고 싶은 사람은 아무도 없을 거예요. 신뢰성의 검증 방식은 주어진 상황에 따라 다르겠지만, 보통 다음과 같은 기본적인 질문에서 시작하는 것을 추천합니다.
- 원본 데이터는 어떻게 수집되었는가? 누락되거나 오류 가능성은 없을까?
- 데이터가 필터링 및 샘플링되었을 경우 결과에 어떤 영향을 미칠 수 있을까?
- 평균 및 중간값이 제시된 경우 표본의 크기는 충분히 큰가? 신뢰구간은 제시되었는가?
- 통계적 추론 기법이 사용된 경우 관련된 가정이 주어진 데이터 및 문제 상황에 부합하는가?
⋯⋯⋯
이 글에서는 신뢰할 수 있는 분석, 이해할 수 있는 분석, 반복할 수 있는 분석에 관해 이야기하는데요. 이해할 수 있는 분석, 반복할 수 있는 분석을 위해서는 어떤 질문을 던져야 할까요? 더 많은 내용은 블로그 글 전문에서 보실 수 있어요.
|
|
|
✨ 구독자님! 데이터리안 콘텐츠와 함께 데이터 분석 능력을 업그레이드 해봐요
|
|
|
데이터리안
데이터 분석, 데이터리안과 시작하세요
contact@datarian.io
|
|
|
|
|
