데이터 분석 준전문가 정리

[1] 데이터의 이해

1-1 데이터의 이해

1.1.1 데이터와 정보

1.1.2 데이터베이스 정의와 특징

1.1.3 데이터베이스 활용

1-2 데이터의 가치와 미래

1.2.1 빅데이터의 이해

1.2.2 빅데이터의 가치와 영향

1.2.3 비즈니스 모델

1.2.4 위기 요인과 통제 방안

1.2.5 미래의 빅데이터

1-3 가치창조를 위한 데이터 사이언스와 전략 인사이트

1.3.1 빅데이터 분석과 전략 인사이트

1.3.2 전략 인사이트 도출을 위한 필요 역량

1.3.3 빅데이터 그리고 데이터 사이언스의 미래

[2] 데이터 분석 기획

2-1 분석과제 정의

2.1.1 개요

2.1.2 분석 기회 발굴

2.1.3 분석 기회 구조화

2.1.4 분석 방안 구체화

2.1.5 분석 활용 시나리오 정의

2.1.6 분석 정의서 작성

2.1.7 전사관점 분석정의 시 고려요소

2-2분석 마스터 플랜

2.2.1 마스터 플랜 수립

2.2.2 분석 거버넌스 체계 수립

[3] 데이터 분석

3-1 데이터 분석 개요

3.1.1 데이터 분석 프로세스

3.1.2 데이터 분석 기법의 이해

3-2 R프로그래밍 기초

3.2.1 R소개

3.2.2 R기초

3.2.3 입력과 출력

3.2.4 데이터 구조화 데이터 프레임

3.2.5 데이터 변형

3-3 통계분석

3.3.1 통계분석의 이해

3.3.2 기초 통계 분석

3.3.3 회귀분석

3.3.4 시계열분석

3.3.5 다차원 척도법

3.3.6 주성분분석

3-4 데이터 마트

3.4.1 데이터 변경 및 요약

- R reshape - melt(), cast()

- 데이터마트

- 요약변수 vs 파생변수

- R sqldf

- R plyr

- R data.table vs data.frame

3.4.2 데이터 가공

- R head, summary

- 변수의 중요도 체크 : R klaR - Wilk's Lambda값이 작으면 목적을 더 잘 설명할 수 있다고 볼 수 있다.

- 변수의 구간화 : binning, 의사결정나무

3.4.3 기초 분석 및 데이터 관리

- 데이터 EDA(탐색적 자료 분석) : R summary

- 결측값 NA 처리(레코드 삭제, 단순대치법, 평균대치법, 단순확률 대치법, 다중 대치법)

- 이상값(Outlier) 찾기 : 극단값 절단 vs 극단값 조정

3-5 정형 데이터 마이닝

3.5.1 데이터 마이닝의 개요

3.5.2 분류분석

3.5.3 예측분석

3.5.4 군집분석

3.5.5 연관분석

3-6 비정형 데이터 마이닝

3.6.1 텍스트 마이닝

3.6.2 사회연결망 분석

3-7 시뮬레이션 최적화

3.7.1 빅데이터와 시뮬레이션

3.7.2 시뮬레이션

3.7.3 최적화