ADsP · 데이터의 이해 (과목1)

• 정성적 데이터 vs 정량적 데이터

  정성적(qualitative)은 언어·문자 등 형태·의미가 정해지지 않은 데이터, 정량적(quantitative)은 수치·도형처럼 정형화된 데이터.

  🔑 정성=서술/주관, 정량=수치/객관

• 정형 데이터

  정해진 형식과 구조가 있어 연산 가능한 데이터. 관계형 DB, 스프레드시트 등.

  🔑 행·열 스키마 고정=정형

• 반정형 데이터

  형식은 있으나 연산이 불가능한 데이터. 스키마가 데이터 내부에 포함(메타·구조 존재). XML, JSON, HTML, 로그.

  🔑 JSON·XML·로그=반정형

• 비정형 데이터

  구조가 정해지지 않은 데이터. 텍스트, 이미지, 동영상, 음성.

  🔑 영상·이미지·텍스트=비정형

• DIKW 피라미드

  Data(데이터)→Information(정보)→Knowledge(지식)→Wisdom(지혜) 순으로 가치가 정제되는 계층 구조.

  🔑 데이터→정보→지식→지혜

• 데이터베이스(DB) 4대 특성

  통합된 데이터(중복 최소화)·저장된 데이터(컴퓨터 접근 매체)·공용 데이터(공유)·변화되는 데이터(삽입·삭제·갱신).

  🔑 통합·저장·공용·변화

• DBMS

  데이터베이스를 관리하는 소프트웨어. 데이터 정의·조작·제어 기능을 제공.

  🔑 DB를 관리하는 SW=DBMS

• 관계형 데이터베이스(RDBMS)

  데이터를 행과 열의 테이블로 표현하고 관계로 연결하는 DB. SQL로 조작. Oracle·MySQL 등.

  🔑 테이블+관계+SQL=RDBMS

• OLTP

  실시간으로 데이터를 삽입·수정·삭제·조회하는 트랜잭션 중심 처리. 운영계 업무.

  🔑 실시간 거래 처리=OLTP

• OLAP

  데이터를 다차원으로 분석·집계해 의사결정을 지원하는 분석 중심 처리.

  🔑 다차원 분석·집계=OLAP

• 데이터 웨어하우스(DW)

  여러 운영 시스템의 데이터를 주제 중심으로 통합·시계열로 축적한 분석용 저장소.

  🔑 전사 통합 분석 창고=DW

• 데이터 마트(DM)

  특정 부서·주제에 맞게 DW의 일부를 추출한 소규모 데이터 저장소.

  🔑 부서용 소형 창고=마트

• ETL

  Extract(추출)·Transform(변환)·Load(적재). 원천 데이터를 정제해 DW/DM에 적재하는 과정.

  🔑 추출·변환·적재=ETL

• CRM

  고객 관계 관리. 고객 데이터를 분석해 관계를 강화하고 마케팅에 활용.

  🔑 고객관계관리=CRM

• SCM

  공급망 관리. 자재·제품·정보의 흐름을 최적화.

  🔑 공급망관리=SCM

• 빅데이터 3V

  Volume(규모)·Variety(다양성)·Velocity(속도). 빅데이터의 3대 특징.

  🔑 규모·다양성·속도=3V

• 빅데이터 4V·5V

  3V에 Value(가치)를 더하면 4V, Veracity(신뢰성)까지 더하면 5V.

  🔑 3V + 가치=4V, +신뢰성=5V

• 데이터 사이언스

  데이터로부터 지식·인사이트를 추출하는 학문. 분석 기술 + IT + 비즈니스 융합.

  🔑 분석+IT+비즈니스 융합

• 데이터 사이언티스트 역량

  하드 스킬(분석 이론·기술 숙련)과 소프트 스킬(통찰력·소통·협업·스토리텔링)을 겸비.

  🔑 하드=분석력, 소프트=통찰·소통

• 데이터 가치 산정이 어려운 이유

  데이터 재사용·재조합·다목적 활용이 일상화되어 특정 데이터의 가치를 산정하기 어렵다.

  🔑 재사용·재조합·다목적

• 빅데이터가 만든 변화

  사전처리→사후처리, 표본조사→전수조사, 질→양, 인과관계→상관관계로 패러다임 이동.

  🔑 사후·전수·양·상관관계

• 가치 패러다임 변화

  디지털화(Digitalization)→연결(Connection)→에이전시(Agency) 순으로 가치의 원천이 이동.

  🔑 디지털화→연결→에이전시

• 빅데이터 활용 3요소

  데이터(자원)·기술(테크놀로지)·인력(인적자원). 빅데이터 활용의 기본 3요소.

  🔑 데이터·기술·인력

• 일차원적 위기 요인

  사생활 침해·책임 원칙 훼손·데이터 오용. 빅데이터 시대의 부정적 측면.

  🔑 사생활·책임훼손·오용

• 사생활 침해 통제 방안

  동의제에서 데이터 사용자의 '책임제'로 전환해 사생활 침해 문제를 해결.

  🔑 동의→책임으로 전환

• 알고리즘 비즈니스

  알고리즘을 상품·서비스로 제공하는 비즈니스. 알고리즈미스트의 역할이 부상.

  🔑 알고리즘을 파는 비즈니스

• 전략적 인사이트

  단순 분석을 넘어 경쟁의 본질을 이해하고 차별적 역량을 창출하는 통찰.

  🔑 분석을 넘어 통찰·차별화

• 빅데이터 기본 분석 테크닉

  연관규칙학습·유형분석·유전 알고리즘·기계학습·회귀분석·감정분석·소셜네트워크분석.

  🔑 연관·유형·유전·기계·회귀·감정·SNA

• 트랜잭션(Transaction)

  DB에서 하나의 논리적 작업 단위. ACID 성질(원자성·일관성·고립성·지속성)을 만족.

  🔑 논리적 작업 단위=트랜잭션

• 메타데이터

  데이터를 설명하는 데이터. 구조·의미·형식 등의 정보.

  🔑 데이터를 설명하는 데이터

• 인덱스(Index)

  데이터 검색 속도를 높이기 위한 자료 구조.

  🔑 검색 빠르게=인덱스

• 데이터 무결성

  데이터의 정확성·일관성·유효성이 유지되는 상태.

  🔑 정확·일관·유효=무결성

• 암묵지 vs 형식지(SECI)

  암묵지는 학습·경험으로 체화된 지식, 형식지는 문서화된 지식. 공통화·표출화·연결화·내면화로 상호작용.

  🔑 암묵=경험, 형식=문서화

• 데이터화(Datafication)

  일상의 현상을 데이터로 기록·수집해 분석 가능한 형태로 만드는 것.

  🔑 현상을 데이터로=데이터화

• 데이터 사이언스 3영역

  분석 기술(Analytics)·IT(데이터 처리)·비즈니스 분석. 세 영역의 균형이 핵심.

  🔑 분석·IT·비즈니스 균형

• 인문학 열풍의 이유

  컨버전스→디버전스, 생산→서비스, 공급자→소비자 중심으로 시장이 이동하면서 통찰·맥락의 중요성이 커짐.

  🔑 디버전스·서비스·소비자 중심

• 빅데이터 회의론

  투자 효과 검증 실패 사례와 과대 포장에 대한 경계. 거품·과장 우려.

  🔑 거품·과장에 대한 경계

• 데이터 거버넌스(개요)

  전사 데이터를 관리하기 위한 원칙·조직·프로세스 체계.

  🔑 전사 데이터 관리 체계

비슷한 덱

• ADsP · 데이터 분석 기획 (과목2)

  한국어 · 34장

• ADsP · 데이터 분석 (과목3)

  한국어 · 45장