[기초 프로젝트 | Day 4] 데이터 리터러시의 중요성

이번 프로젝트를 하면서 가장 크게 와닿았던 건 '데이터 리터러시'의 중요성이었다.

SQL이나 Python을 능수능란하게 다루는 것도 중요하지만, 

어떤 목표를 가지고 무엇을 분석해 어떤 결론을 도출할 것인지,

이 모든 과정에서 정확한 질문을 던지고 답을 찾는 것이 결국 데이터 분석의 전부라는 생각이 들었다.

프로젝트가 끝나면 꼭 <데이터 문해력>이랑 <로지컬 씽킹>을 완독하고 따로 정리해야겠다. 

 

오늘의 TIL은 데이터 리터러시 강의와 <데이터 문해력> 책을 정리해놨던 내용 중,

기초 프로젝트를 하며 (정말정말정말) 중요하단 생각이 든 내용을 옮기는 것으로 대신한다. 

 

---

 

1. 데이터 리터러시란?

데이터를 읽고 이해하며 비판적으로 분석하여 그 결과를 의사소통에 활용할 수 있는 능력

→ 데이터 리터러시는 올바른 질문을 던질 수 있도록 도와줌

 

2. 데이터 분석 접근법

[생각] 문제 및 가설 정의
[작업] 데이터 분석
[생각] 결과 해석 및 액션 도출

 

→ ‘생각’ 부분에서 문제가 되는 경우가 많음

⇒ 데이터 분석이 목적이 되지 않도록 ‘왜?’를 항상 생각해야 함

 

이번 프로젝트를 하면서 문제 제기와 가설 설정이 얼마나 어려운 부분인지, 

분석 프로젝트에선 이 파트에 얼마나 공을 들여야 하는지 정말 뼈저리게 느꼈다...

 

2-1. 문제 정의를 하는 이유

• 문제 정의는 풀고자 하는 것을 명확하게 정의하고
• 이것을 해결하기 위한 데이터 분석의 방향성을 정하고
• 결과를 정리하고 해석하여
• 더 나아지기 위한 새로운 액션 플랜을 수립하기 위함.

So What?
Why so?

 

 

두 질문과 끊임없이 상호 작용하며 답을 구해간다.

 

💡문제정의 팁

• 결과를 공유하고자 하는 사람이 누구인지 정의
• 결과를 통해 원하는 변화를 생각하기
• 경영자의 입장에서 보려고 노력 / 회사의 방향과 맞는 문제 정의
• 많은 사람과 의견 공유
• 혼자서 오래 고민해보는 시간 필요

 

3. 결과와 결론의 차이

• 결과: 데이터 처리, 분석, 모델링 후에 얻어진 구체적인 데이터의 출력으로 숫자, 통계, 그래프, 차트 등의 형태로 나타낼 수 있음
• 결론: 분석된 데이터 결과를 바탕으로 이끌어낸 의미나 통찰로 데이터에 기반한 해석, 추론 또는 권고 사항을 포함 / 목적에 대해 어떤 의미가 있는지 설명하는 것

 

---

 

첫 프로젝트였던 미니 프로젝트는 아무것도 몰라 뭐가 부족한지도 몰랐다면,

두번째 프로젝트인 이번 프로젝트에선 내가 얼마나 부족한지를 깨닫는 발전😂을 이뤘다고 할 수 있겠다...

 

그저 '기술' 익히기에 급급했던 지난 학습 주차와는 달리,

다음 학습 주차에선 데이터 리터러시를 포함, 데이터 분석에 쓰이는 분석 방법을 예제를 통해 공부하고,

직접 사이드 프로젝트를 수행하면서 실전 감각을 쌓아야겠다.