ADsP 민트책 모의고사 오답노트

시험 준비하며 작성했던 오답노트 공유 갑니다!!! 

이론과 문제에 대한 해설이 섞여 있습니다. 

 

* EDA의 4가지 주제
저항성의 강조, 잔차 계산, 자료변수의 재표현, 그래프를 통한 현시성

 

* 공간분석(spatial analysis)
지도위에 공간과 관계된 속성을 다양한 표현으로 시각화하는 방법

* 이상값의 인식 방법
1) ESD (Extreme studentized Deviation)
    -평균으로부터 3표준편차 떨어진 값 (각0.15%)
2) 기하평균-2.5 × 표준편차 < data < 기하평균+2.5 x표준편차
3) 사분위수 이용하여 제거하기 (상자 그림의 outer fence밖에 있는 값 제거)
    이상값 정의 : Q1-1.5( Q3-Q1) < data < Q3+1.5(Q3-Q 1) 를 벗어나는 데이터

 

* CRISP-DM 방법론의 모델링 단계에서 수행하는 태스크(task)는 모델링 기법 선택, 모델 테스트 계획 설계, 모델 작성, 모델 평가가 있다. 

* 빅데이터 분석 방법론에서 단계 간 피드백이 반복적으로 많이 발생할수있는 단계
: 데이터준비단계→ 데이터분석단계

 - 데이터 분석단계를 수행하는 과정에서 추가적인 데이터 확보가
필요한 경우 데이터 준비 단계로 피드백하여 단계를 반복하여 진행한다.

 

* 비즈니스 모델 캔버스의 채널(channels)에 대한 기능.
   - 고객에게 밸류 프로포지션을 전달한다.
   - 구매 고객에 대한 애프터 서비스(A/S)를 제공한다.
   - 기업이 제공하는 상품이나 서비스에 대한 고객의 이해를 높여준다.

> 채널은 기업이 고객세그먼트에게 가치를 제안하기 위해 커뮤니케이션을 하고 상품이나 서비스를 전달하는 방법을 의미
   커뮤니케이션, 물류, 판매 채널 등 기업과 고객의 인터페이스 전반이 바로 채널.

   유통 채널을 공급하는 것은 채널 영역이 아님 ! 

* 하향식 데이터 분석 기획에서 문제 탐색 단계에 대한 설명
  - 빠짐없이 문제를 도출하고 식별하는 것이 중요
  - 문제를 해결함으로써 발생하는 가치에 중점을 두는것이 중요
  - 비즈니스 모델 캔버스는 문제 탐색 도구로 활용
  - 현재의 비즈니스 모델 및 유사·동종 사례 탐색을 통해서 도출한 분석기회들을 구체적인 과제로 만들기 전에 분석 유즈케이스로 표기하는것이 필요

 

* 분석 마스터플랜의 세부 이행계획 수립시 고려해야 할 데이터 분석체계 (분석 방법론)에 대한 설명
  - 프로젝트의 세부 일정계획도 데이터 분석체계를 고려하여 작성 

 

* 기업의 데이터 분석 과제 수행을 위한 수준을 평가하기 위하여 분석 준비도 (Readiness) 를 파악해야 한다.
데이터 분석 준비 프레임워크에서 분석업무 파악 영역에는

발생한 사실 분석 업무, 예측 분석 업무, 시뮬레이션 분석 업무, 최적화 분석업무, 분석업무 정기적 개선이 있다. 

 

* 분석과제 관리 프로세스에 대한 설명
  - 과제발굴단계에는 분석 아이디어 발굴, 분석과제 후보제안, 분석과제 확정 프로세스가 있다.
  - 분석과제 중에 발생된 시사점과 분석 결과물은 풀(Pool) 로 관리하고 공유된다.
  - 과제 수행 단계에서는 탐구성, 분석과제 실행, 분석과제 진행관리, 결과 공유 프로세스가 있다.

 

* 기존에 행해졌던 데이터 분석과 비교한 빅데이터 분석의 특징
  - 분석 대상 데이터를 모든 형태 및 내외부 데이터로 확대한다.
  - 데이터의 생산 시점에서부터 실시간에 가까운 분석이 가능하다.
  - 데이터 마트에 정형 데이터를 적재하고 데이터 분석을 통하여 모델을 만들수 있다.

 

* 빅데이터 분석에서 self service Analytics 에 대한 설명
  - self service Analytics에 포함되어야 하는 주요기능은

    BI 도구, Ad hoc Report, OLAP, visual Discovery, MachineLearning 등이다.
  - Self Service Analytics의 성공적인 적용을 위해서는 Reference Method의 작성 및 공유, 표준 데이터의 활용,
   데이터 거버넌스, 도구 사용에 대한 지속적인 교육이 필요하다.
  - Self Service Analytics를 수행하기 위해서는 R, Python 등의 데이터 분석언어와 많은 통계적 지식을 필요로 한다.

   ** Self Service Analytics 에서는 분산처리는 지원하지 않는다.