[ADSP] 3과목 1장 데이터 분석 개요

데이터 분석 기법의 이해

데이터 처리

활용

• 대기업은 데이터웨어하우스(DW)와 데이터마트(DM)를 통해 분석 데이터를 가져와서 사용
• 신규시스템이나 DW에 포함되지 못한 자료의 경우, 기존 운영시스템(Legacy)나 스테이징 영역(Staging)과 ODS(Operational Data Store)에서 데이터를 가져와서 DW에서 가져온 내용과 결합하여 활용

최종 데이터 구조로 가공

1. 데이터마이닝 분류
   • 분류값과 입력 변수들을 연관시켜 인구통계, 요약변수, 파생변수 등을 산출
2. 정형화된 패턴 처리
   • 비정형 데이터나 소셜 데이터는 정형화한 패턴으로 처리해야 함
   • 비정형 데이터
     • DBMS에 저장됐다가 텍스트 마이닝을 거쳐 데이터 마트와 통합
   • 관계형 데이터
     • DBMS에 저장되어 사회 신경망분석을 거쳐 분석결과 통계값이 마트와 통합되어 활용

시각화(시각화 그래프)

• 복잡한 분석보다도 더 효율적
• 탐색적 분석을 할 때 시각화는 필수
• SNA 분석(사회연결망 분석)을 할 때 자주 활용

공간분석(GIS)

• 공간적 차원과 관련된 속성들을 시각화
• 지도 위에 크기, 모양, 선 굵기 등으로 구분하여 인사이트 얻음

탐색적 자료 분석(EDA)

개요

• 특이한 점이나 의미 있는 사실을 도출하고 분석의 최종 목적을 달성해가는 과정
• 데이터의 특징과 내재하는 구조적 관계를 알아내기 위한 기법

  EDA의 4가지 주제

• 저항성의 강조
• 잔차 계산
• 자료변수의 재표현
• 그래프를 통한 현시성

탐색적 분석의 효율

모형개발 프로세스(KDD, CRISP-DM)에서 데이터이해 단계(변수의 분포와 특성 파악)과 변수생성 단계(분석목적에 맞는 주요한 요약 및 파생변수 생성) 그리고 변수선택 단계(목적변수에 의미있는 후보 변수 선택)에 활용

통계분석

통계

어떤 현상을 종합적으로 한눈에 알아보기 쉽게 일정한 체계에 따라 숫자와 표, 그림의 형태로 나타내는 것

기술통계

모집단으로부터 표본을 추출하고 표본이 가지고 있는 정보를 쉽게 파악할 수 있도록 데이터를 정리하거나 요약하기 위해 하나의 숫자 또는 그래프의 형태로 표현하는 절차

추측(추론)통계

모집단으로부터 추출된 표본의 표본통계량으로 부터 모집단의 특성인 모수에 관해 통계적으로 추론하는 절차

데이터마이닝

개요

대용량의 자료로부터 정보를 요약하고 자료에 존재하는 관계, 패턴, 규칙 등을 탐색하고 모형화함으로써 유용한 지식을 추출하는 분석 방법

방법론

• 데이터베이스에서의 지식탐색
  • 데이터웨어하우스에서 데이터마트를 생성하면서 각 데이터들의 속성을 사전분석을 통해 지식을 얻는 방법
• 기계학습(Machine Learning)
  • 인공신경망, 의사결정나무, 클러스터링, 베이지안 분류, SVM 등
• 패턴인식(Pattern recognition)
  • 통계 정보를 기반으로 자료 또는 패턴을 분류하는 방법
  • 장바구니 분석, 연관규칙

활용분야

• 데이터베이스 마케팅
• 신용평가 및 조기경보시스템
• 생물정보학
• 텍스트마이닝