본문내용
1. 데이터 이해
1.1. 정성적 데이터와 정량적 데이터
정성적 데이터와 정량적 데이터는 데이터를 표현하는 방식에 따라 구분되는 개념이다. 정성적 데이터는 언어나 문자로 표현된 데이터를 말한다. 예를 들어 '회사 매출이 증가하였다'와 같은 문장으로 표현된 데이터가 이에 해당한다. 이러한 정성적 데이터는 저장, 검색, 분석에 많은 비용이 소모된다. 반면 정량적 데이터는 수치, 도형, 기호 등으로 표현된 데이터를 말한다. 나이, 몸무게와 같은 데이터가 이에 해당하며, 정량적 데이터는 간단한 정형화로 인해 비용이 적게 든다. 따라서 정성적 데이터는 언어나 문자로 표현되어 비용이 많이 들지만, 정량적 데이터는 수치로 표현되어 비용이 적게 든다고 할 수 있다.
1.2. 정형 데이터, 반정형 데이터, 비정형 데이터
정형 데이터는 데이터베이스 테이블이나 CSV 파일과 같이 구조화된 형태로 존재하는 데이터이다. 수치, 도형, 기호 등의 형태로 표현되어 있어 저장, 검색, 분석이 용이하다. 반면에 비정형 데이터는 소셜미디어 데이터, 영상, 이미지와 같이 형태가 정해져 있지 않은 데이터이다. 이러한 비정형 데이터는 언어나 문자로 표현되어 있어 저장, 검색, 분석에 많은 비용이 든다. 반정형 데이터는 정형 데이터와 비정형 데이터의 중간 형태로, 센서 데이터와 같이 일정한 구조가 있지만 눈으로 보았을 때는 무엇인지 알 수 없는 데이터를 말한다. 반정형 데이터는 한 번의 데이터 변환 과정이 필요하다. 정형 데이터는 분석과 활용이 쉽지만 비정형 데이터에 비해 정보의 폭이 좁고, 비정형 데이터는 정보의 폭이 넓지만 분석과 활용이 어렵다. 따라서 기업에서는 다양한 유형의 데이터를 종합적으로 활용하여 새로운 가치를 창출하고자 한다.인간은 암묵지와 형식지라는 두 가지 유형의 지식을 가지고 있다. 암묵지는 매뉴얼화되어 있지 않고 개인에게 체화되어 있는 지식으로, 예를 들어 김치 담그기나 자전거 타기와 같은 기술적 노하우가 이에 해당한다. 이러한 암묵지는 개인에게 내면화되어 있어 겉으로 드러나지 않는 특징이 있다. 반면에 형식지는 문서나 매뉴얼로 표현된 지식으로, 교과서나 동영상 등과 같은 자료에 언어, 숫자, 기호 등의 형태로 명시화되어 있다. 기업이나 조직 차원에서는 이러한 암묵지를 형식지로 전환하여 공유하고자 한다. 이를 통해 개인의 지식이 기업의 자산이 되고 경쟁력으로 작용할 수 있다.
1.3. 암묵지와 형식지
암묵지는 개인에게 체화되어 있어 겉으로 드러나지 않는 지식이다. 예를 들어 김치 담그기나 자전거 타기 등의 기술은 암묵지에 해당한다. 이러한 암묵지는 개인에게 내면화되어 있으며, 조직 내에서 공유화되어 공통된 지식이 될 수 있다.
반면 형식지는 문서나 매뉴얼 등을 통해 언어·숫자·기호로 표현된 명시적인 지식이다. 교과서나 비디오와 같이 문서화된 지식은 형식지에 해당한다. 형식지는 개인의 암묵지로 연결되어 전달됨으로써 조직 내에서 공유될 수 있다.
암묵지와 형식지는 서로 상호작용하며 조직의 지식 창출 과정에서 중요한 역할을 한다. 암묵지를 형식화하여 형식지로 전환하고, 형식지를 내면화하여 암묵지로 활용하는 것이다. 이를 통해 조직 구성원 간 지식 공유와 활용이 이루어지며, 지식 경영이 실현될 수 있다.
1.4. DIKW 모델
D(Data)는 가공하기 전의 순수한 수치나 기호이다.
I(Information)는 데이터에 패턴을 인식하고 의미를 부여한 것이다.
K(Knowledge)는 상호 연결된 정보 패턴을 이해하여 이를 토대로 예측한 결과물이다.
W(Wisdom)는 창의적 아이디어이다.
DIKW 모델은 데이터-정보-지식-지혜의 차등적 관계를 나타내는 개념이다. 데이터에서 시작하여 정보-지식-지혜의 단계로 갈수록 가치가 높아진다. 정보는 데이터에 의미를 부여한 것이고, 지식은 정보 간의 관계를 이해한 것이며, 지혜는 창의적인 통찰력이다.
1.5. 데이터 단위
1바이트(byte)는 8비트(bit)로 구성되며, 1킬로바이트(KB)는 1024바이트(byte)이다. 1메가바이트(MB)는 1024킬로바이트(KB)이고, 1기가바이트(GB)는 1024메가바이트(MB)이다. 1테라바이트(TB)는 1024기가바이트(GB), 1페타바이트(PB)는 1024테라바이트(TB), 1엑사바이트(EB)는 1024페타바이트(PB), 1제타바이트(ZB)는 1024엑사바이트(EB), 1요타바이트(YB)는 1024제타바이트(ZB)이다. 이처럼 데이터 단위는 커지면서 그에 따라 1단위가 1024배씩 증가한다. 이는 데이터 용량이 기하급수적으로 증가하고 있음을 보여준다. 데이터베이스의 특징으로는 통합된 데이터, 저장된 데이터, 공용 데이터, 변화되는 데이터 등이 있다.
2. 데이터 분석 기획
2.1. 분석 대상과 방법
분석 대상과 방법은 지침에서 제시된 바와 같이 분석을 수행하기 위해 선정된 대상과 활용될 방법을 의미한다. 분석 대상과 방법을 결정하기 위해서는 먼저 분석의 목적과 범위를 명확히 설정해야 한다. 이를 토대로 최적의 분석 대상과 방법을 선정할 수 있다.
분석 대상은 분석 목적에 맞는 데이터와 정보로 구성되며, 최대한 구체적이고 명확하게 선정되어야 한다. 분석 방법은 분석 대상에 적합한 기법과 도구를 의미하며, 분석 결과의 정확성과 신뢰성을 확보할 수 있어야 한다. 분석 기법과 도구는 대상 데이터의 특성, 분석 목적, 시간과 비용 등을 고려하여 선정한다.
분석 대상과 방법을 결정할 때 고려해야 할 주요 요소로는 가용 데이터의 특성, 분석 목적과 범위, 분석 결과 활용 계획, 자원(인력, 예산, 시간) 등이 있다. 분석 대상과 방법은 상호 밀접하게 연관되어 있기 때문에 이들 사이의 조화와 균형을 이루는 것이 중요하다.
이와 같은 요소들을 종합적으로 고려하여 분석 대상과 방법을 결정함으로써 분석의 효과성과 효율성을 높일 수 있다. 또한 분석 대상과 방법에 대한 지속적인 검토와 개선을 통해 분석의 질적 향상을 도모해야 한다.
2.2. 분석 기획 방안
분석 대상과 방법에 따라 최적화, 통찰, 솔루션, 발견의 4가지 유형으로 구분할 수 있다. 방법을 알고 대상을 알면 최적화가 가능하고, 방법은 모르지만 대상을 알면 통찰이 가능하며, 방법은 알지만 대상을 모르면 솔루션이 가능하고, 방법...
