데이터 분석의
이해
데이터를 설명하고, 예측하고, 더 나은 판단으로 연결하기
데이터 분석의 유형
무슨 일이 일어났는지부터, 무엇을 해야 하는지까지
레모네이드 가게라면 어떤 질문을 할까요?
서술 — 지난달 판매량은 얼마였나?
진단 — 비 오는 날 판매가 줄어든 이유는?
예측 — 내일 기온이면 몇 잔이 팔릴까?
처방 — 가격과 재고를 어떻게 조정할까?
핵심: 같은 데이터도 질문이 달라지면 필요한 분석 방법이 달라집니다.
전통적 통계 데이터 분석
표본을 요약하고, 모집단에 대해 신중하게 추론하기
도수분포표: 값이 얼마나 자주 나타나는지 정리합니다
복잡한 원자료를
범주별 빈도로 바꾸기
데이터를 몇 개의 범주나 구간으로 나눈 뒤, 각 구간에 속하는 관측값의 개수를 표로 정리합니다.
활용: 설문 응답, 점수 구간, 제품별 판매 건수처럼 분포를 빠르게 파악할 때 유용합니다.
도수분포표의 예
히스토그램: 연속형 데이터의 분포를 봅니다
연속형 값을 일정한 구간으로 나눈 예
막대의 높이는 각 구간의 빈도
가로축은 연속된 값의 구간, 세로축은 각 구간에 속한 데이터의 빈도를 나타냅니다.
- 구간 순서는 수치 순서대로 고정됩니다.
- 인접 구간의 연속성을 보여주기 위해 막대는 보통 붙여 그립니다.
- 분포의 중심, 퍼짐, 치우침을 한눈에 볼 수 있습니다.
막대그래프: 범주별 크기를 비교합니다
범주는 떨어져 있고,
순서를 바꿀 수도 있습니다
서로 구분되는 범주의 값을 막대 길이로 표현합니다. 범주가 연속적인 수치일 필요는 없습니다.
히스토그램과 구별: 막대그래프는 범주 사이를 띄우며, 목적에 따라 순서를 재배열할 수 있습니다.
18세 미만 응답자의 코딩 학습 경로
파이 차트: 전체와 부분의 비율을 봅니다
전체 합이 100%인 구성비의 예
‘부분 대 전체’가 핵심
각 조각의 각도와 면적이 전체에서 차지하는 비율을 나타냅니다.
- 범주 수가 적을 때 가장 읽기 쉽습니다.
- 비슷한 크기의 조각을 정밀하게 비교할 때는 막대그래프가 더 적합합니다.
- 조각의 합은 하나의 전체를 의미해야 합니다.
선 그래프: 시간에 따른 변화와 추세를 봅니다
점의 연결이 변화의 방향을 보여줍니다
시간 순서로 관측된 값을 점으로 표시하고 선으로 연결해 증가·감소·변곡점을 파악합니다.
적합한 데이터: 주가, 기온, 방문자 수, 실험 측정값처럼 시간 순서가 중요한 시계열 데이터
시간에 따른 두 시계열의 변화
상자수염그림: 다섯 수치로 분포를 압축합니다
여러 시점의 분포를 한 공간에서 비교
최솟값 · Q1 · 중앙값 · Q3 · 최댓값
여러 수치 자료의 중심과 퍼짐, 이상치를 간결하게 비교할 수 있습니다.
- 상자: 가운데 50%의 데이터
- 상자 안 선: 중앙값
- 수염 바깥 점: 일반적으로 이상치 후보
산점도: 두 변수의 관계를 점으로 탐색합니다
방향 · 강도 · 군집 · 이상치
각 관측값을 좌표의 한 점으로 표시해 두 변수 사이의 패턴을 살펴봅니다.
주의: 산점도에서 관계가 보여도 한 변수가 다른 변수의 원인이라고 단정할 수는 없습니다.
두 변수의 관계와 군집이 나타난 산점도
히트맵: 값의 크기를 색의 차이로 읽습니다
공간 분포와 행렬 데이터를 색으로 표현한 예
많은 값을 빠르게 훑는 시각화
행·열 또는 공간의 각 위치에 대응하는 값을 색상이나 명도로 나타냅니다.
- 시간대별 지하철 혼잡도
- 변수 간 상관계수 행렬
- 지역별 온도·밀도 분포
트리맵: 계층과 구성비를 직사각형 안에 담습니다
큰 범주 안의 작은 범주
전체 사각형을 계층에 따라 나누고, 각 항목의 크기를 면적으로 표현합니다.
적합한 상황: 파일 용량, 예산 구성, 제품군별 매출처럼 계층 구조와 비중을 함께 보여줄 때
프로그래밍 언어 비중을 나타낸 트리맵
워드클라우드: 단어 빈도를 글자 크기로 표현합니다
프로그래밍 언어 빈도를 나타낸 워드클라우드
핵심어를 빠르게 보여주는 요약
텍스트에서 자주 나타나는 단어를 크게 표시해 관심 주제나 빈도를 직관적으로 보여줍니다.
한계: 정확한 크기 비교와 맥락 파악에는 적합하지 않습니다. 정밀 비교에는 막대그래프를 함께 사용합니다.
반복 표본추출은 표본평균의 변동을 보여줍니다
같은 모집단에서 같은 크기의 표본을 뽑아도 평균은 조금씩 달라집니다.
인공지능
예측을 가능하게 하는 기술의 큰 그림 이해하기
AI는 여러 접근과 기술을 포괄하는 큰 개념입니다
인공지능의 개념 및 범위
인공지능 — 지능적 과업을 수행하는 시스템
기계학습 — 데이터에서 규칙을 학습하는 방법
딥러닝 — 여러 층의 신경망을 활용하는 기계학습 기술
용어는 서로 완전히 나뉘기보다 포함·중첩 관계를 이룹니다.
기계학습과 딥러닝
데이터에서 배우는 세 가지 방식과 신경망의 발전
기계학습은 데이터로부터 규칙을 학습합니다
명시적인 모든 규칙을 사람이 코딩하는 대신, 데이터와 경험을 통해 성능을 개선합니다.
지도학습
입력과 정답으로
예측 규칙 학습
비지도학습
정답 없이
구조와 패턴 발견
강화학습
행동과 보상으로
좋은 전략 학습
지도학습: 정답이 있는 데이터로 예측합니다
분류 Classification
결과가 범주일 때
예: 개/고양이, 정상/불량
회귀 Regression
결과가 연속적인 수치일 때
예: 판매량, 온도, 가격
회귀, 결정트리, 베이즈, 신경망 알고리즘
비지도학습: 정답 없이 데이터의 구조를 찾습니다
군집, 연관규칙, 차원축소, 딥러닝 알고리즘
군집화
서로 비슷한 고객이나 사례를 묶습니다.
연관규칙 학습
장바구니에서 함께 구매되는 품목처럼 동시 발생 패턴을 찾습니다.
차원축소
많은 변수의 핵심 구조를 더 적은 차원으로 요약합니다.
강화학습: 행동의 결과로부터 전략을 개선합니다
상태를 보고 행동하고,
보상을 통해 더 나은 정책을 배웁니다.
게임 플레이, 로봇 제어, 자원 배분처럼 연속적인 의사결정 문제에 활용됩니다.
에이전트가 환경과 상호작용하며 정책을 학습
딥러닝은 여러 층의 신경망을 활용합니다
데이터의 복잡한 특징을 사람이 일일이 설계하지 않아도, 여러 층을 거치며 계층적으로 학습할 수 있습니다.
분류 축이 다릅니다
지도·비지도·강화학습은 학습 방식, 딥러닝은 모델을 구성하는 기술입니다. 딥러닝 모델은 세 학습 방식 모두에 활용될 수 있습니다.
포함 관계와 학습 방식은 서로 다른 분류 축입니다.
퍼셉트론은 뉴런을 단순화한 계산 모델입니다
생물학적 뉴런에서 영감을 얻은 인공 뉴런
입력의 가중합이 기준을 넘으면 출력
입력값 × 가중치를 모두 더한 뒤, 편향과 활성화 함수를 적용해 출력값을 만듭니다.
- 가중치: 입력의 중요도
- 편향: 활성화 기준을 조정
- 활성화 함수: 출력을 비선형으로 변환
깊은 신경망은 표현력과 학습 난이도가 함께 커집니다
표현력 증가
복잡한 비선형 패턴과 계층적 특징을 학습
기울기 문제
초기 심층망은 기울기 소실·폭주로 학습이 어려웠음
계산·데이터 부담
더 많은 연산 자원과 충분한 학습 데이터가 필요
딥러닝은 인식·생성·제어의 성능을 크게 높였습니다
다양한 신경망 구조의 예
음성 — 음성 인식, 합성, 번역
이미지 — 분류, 탐지, 생성
텍스트 — 질의응답, 요약, 생성
제어 — 자율주행, 로봇, 게임
세 가지 질문으로 기계학습 기법을 고릅니다
데이터와 목적이 달라지면 같은 문제라도 선택하는 기법이 달라질 수 있습니다.
데이터 분석가가 갖춰야 할 역량
기술·통계·도메인 지식을 연결해 의미 있는 판단 만들기
컴퓨팅·프로그래밍 역량은 분석을 구현합니다
데이터를 수집하고,
정리하고, 분석하고,
반복 가능한 코드로 만듭니다.
- 프로그래밍과 데이터 처리
- 알고리즘과 컴퓨팅 사고
- 결과 재현과 자동화
기본적인 프로그래밍 능력 확보
수학·통계는 타당한 결론을 이끌어냅니다
수치 자료를 분석하고 해석하는 과정
계산보다 중요한 것은
적절한 방법을 선택하는 판단
- 기본 통계 용어와 확률 이해
- 분석 가정과 한계 점검
- 그래프와 수치의 올바른 해석
- 불확실성을 포함한 결과 전달
좋은 데이터 분석은
세 가지 역량의 협업에서 완성됩니다.
관심 있는 한 영역에서 시작하되, 다른 분야의 전문가와 협력하며 역량의 폭을 넓혀 갑니다.
