데이터 분석 포트폴리오 만들기

1. 어떻게 데이터를 수집할 수 있는지

 

2. 어떻게 데이터를 분석 하는지

 

3. 어떻게 분석 결과를 도출하는지

 

4. 분석 결과를 어떻게 효과적으로 시각화할 수 있는지

 

---------------------------------------------------------------

 

필수 스킬을 활용해서

 

데이터 수집 / 데이터 분석 / 분석 결과 도출 / 결과 시각화 를 보여준다.

 

[필수 스킬]

 

데이터 수집 - 데이터 분석 - 결과의 활용

 

1. 데이터 수집 기술

 - SQL = 매우 기본적, 필수적

 - DATA Crawling = 파이썬(BeautifulSoup package) : 웹상에서 모아올때

* 양쪽의 기본을 익혀두도록 하자 (SQL이 더 중요)

 

2. 데이터 분석 기술

(descriptive analysis - model analysis - algorithm building)

 - descriptive analysis : 월 평균 판매량, 카테고리별 판매 현황 등

 - Model analysis : 다음 달 판매량 예측(선형회귀)

 - algorithm building : 알고리즘을 직접 개발 (머신러닝, 딥러닝, 리서치)

* descriptive analysis을 중점적으로 하고, 자주쓰이는 알고리즘과 모델들은 익혀둔다.

 

3. 분석 결과 활용 기술

 - Data Visualization : R/Python 으로 Plot그리기, BI 툴로 대시보드 만들기(Tableau, PowerBI)

 - 분석 결과의 상용화 : 설계모델의 상용화 작업 들에서만 사용

 

---------------------------------------------------------------

 

포트폴리오의 목적 = 경력 대신 , 업무 수행 능력을 보여주는 것

 

포트폴리오의 내용 = 데이터 사이언스 업무의 과정 및 필수 기술

 

포트폴리오의 방향  =  지식 < 비즈니스 문제 해결  : 얼만큼 알고 있다가 아니라 실전에 활용할 수 있는 능력을 보여줘야함

 

- 문제 설정

- 스킬 활용

- 문제 해결 과정

 

캐글 같은 data science competition에 참여해보자

 

side project : Github

코딩테스트 : leetecode

 

---------------------------------------------------------------

 

학력, 경력을 넘을 수 있는 것은 skill이 중요하다!

블로그 운영 (실제로 물품을 판매해본 사람)

SKILL SET이 가장 좋은 스펙

 

희망 커리어의 채용 공고 찾아보기 (10개정도, 관련업무 직종으로(타이틀 대신에, 데이터, 분석, 대시보딩 등 키워드 위주로 검색)

여러 채용 공고에 공통적으로 나타나는 구체적인 스킬들을 집중적으로 공부.

 

따라서, 필수 스킬 + 구체적 스킬 = SKILL SET

 

---------------------------------------------------------------

 

내가 갖고 있는 스킬은 무엇이고 무엇을 보완해야 하는가

 

---------------------------------------------------------------

 

데이터 분석 기술

가장 기본적인 통계 공부를 우선적으로 한다.

 

---------------------------------------------------------------

 

데이터 사이언티스트는

- 비지니스 문제 해결

- 비지니스 가치 생산

- 데이터 분석 활용의 일을 한다.

 

---------------------------------------------------------------

 

디지털 마케팅 회사 : 데이터 수집 - 데이터 분석 - 결과의 활용(보고) 모두 일을 한다. + 비지니스 프로덕트를 생성하기도 함

대기업 : 데이터 분석에 전문화 (하둡에서 업무에 필요한 쿼리만 가져오는 수준만 수집하고 분석하고 보고하는데 집중)

            (모델의 퍼포먼스 평가 업무에 특화되는 등 데이터 분석에도 여러 단계가 있음)