[데이터 분석] 문제 유형 6가지

 

데이터 분석은 단순히 정보를 플랫폼에 연결하여 인사이트를 찾는 것 뿐만 아니라, 문제를 해결하는 것이다.

문제의 근원을 찾고 실질적이 해결책을 찾기 위해 창의적인 사고를 하기 위해서는 문제가 무엇이든 간에, 가장 중요한 것은 문제를 이해하는 것! 어떤 정보를 포함해야 하는지, 데이터를 변환할 수 있는 방법 및 데이터를 사용하는 방법을 결정하는데 도움이 되는 문제 해결 방법으로 분석을 진행하는 것이 바람직함.

 

일반적인 문제 유형 6가지

데이터 분석의 일반적인 6가지 문제 유형 (source: 구글)

 

1. 예측, Making predictions

• Using data to make informed decisions about how things may be in the future.
• 예측 문제 예시 : 새로운 고객을 유치하기 위한 최상의 광고방법
• 과거 광고 결과를 기반으로 위치, 미디어 유형, 신규 고객 수에 대한 데이터 등을 기반으로 목표 고객에 도달하기 위한 최적의 광고 배치를 예측

 

2. 분류, Categorizing things

• Grouping data based on common features.
• 분류 문제 예시 : 콜센터 고객 만족도 향상
• 특정 키워드 또는 점수를 기준으로 콜 센터의 고객 통화를 분류하여, 최고 성과를 내는 콜센터 고객 서비스 담당자를 식별하거나 취한 특정 조치와 고객 만족도 점수를 높이는데 활용할 수 있음

 

3. 특이점 발견 (이상 감지), Spotting something unusal

• Identifying data that is different from the norm.
• 특이점 발견 문제 예시 : 건강 기능 체크 기능을 가진 스마트 워치 소프트웨어
• 집계된 건강 상태 데이터를 기반으로 특정 데이터가 정상 추세를 벗어나면 이를 감지하고 알람 발생

 

4. 주제 파악, Identifying themes

• Recognizing broader concepts and trends from categorized data.
• 주제 파악 문제 예시 : UX 설계 시, 사용자 상호작용 데이터 기반으로 항목을 분류 문제와 유사하게하거나, 제품 기능의 우선순위를 정하는 데 도움이 되는 주제를 발견
• 분류 vs. 주제 파악(테마 식별) : 분류는 범주에 항목을 할당하는 것, 주제 파악(테마 식별)은 범주를 더 넓은 테마로 그룹화하함

 

5. 연결 검색, Discovering connections

• Identifying similar challenges across different entities - and using data and insights to find common solutions.
• 연결 검색 문제 예시 : 물류 회사가 다른 회사와 협력하여 고객에게 제때 배송
• 배송 허브 대기 시간을 분석하고 정시 배송 횟수를 늘리기 위해 일정 변경하는 방식의 분석 활용

 

6. 패턴 발견, Finding patterns

• Using historical data about what happened in the past to understand how likely it is to happen again.
• 패턴 찾기 문제 예시 : 기계 고장으로 인한 다운타임 최소화
• 유지 보수 데이터에서 패턴을 찾아, 정기 유지보수 최적 시간을 발견 등

 

(출처 : 구글)