[자격증] 데이터분석 준전문가 (ADsP) Ⅰ 데이터 이해 : 01~15강

정보

업무명 : 데이터분석 준전문가 (ADsP) Ⅰ 데이터 이해 : 01~15강
작성자 : 이상호
작성일 : 2024.06.15
설 명 :
수정이력 :

주요 목차

01강 목록 및 강의 계획
02강Ⅰ-1-1 데이터의 개념
03강Ⅰ-1-1 데이터의 개념2
04강Ⅰ-1-2 데이터베이스의 개념
05강Ⅰ-1-3 데이터베이스의 활용
06강Ⅰ-1-3 데이터베이스의 활용2
07강Ⅰ-2-1 빅데이터의 개념
08강Ⅰ-2-1 빅데이터의 개념2
09강Ⅰ-2-2 비즈니스 모델
10강Ⅰ-2-3 빅데이터의 문제점과 해결방안
11강Ⅰ-3-1 데이터 사이언스란
12강Ⅰ-4-1 DBMS와 SQL
13강Ⅰ-4-2 데이터에 관련된 기술
14강Ⅰ-4-3 빅데이터 분석기술
15강Ⅰ-4-4 데이터 관한 기타 내용

01강 목록 및 강의 계획

[데이터 분석 준전문가 자격증 과목 소개]

구분	시험과목	과목별 세부항목	비고
1과목	데이터의 이해	1.데이터의 이해 2.데이터의 가치와 미래 3.가치 창조를 위한 데이터사이언스와 전략 인사이트
2과목	데이터 분석 기획	1.데이터 분석 기획의 이해 2.분석 마스터 플랜
3과목	데이터 분석	1.R기초와 데이터 마트 2.통계분석 3.정형 데이터 마이닝

[데이터 분석 준전문가 시험안내]

총점 60점 이상시에 자격증 취득
과목별 40% 미만 취득시 과락
응시료 50,000원

구분	시험과목	문항수	배점	시험시간
필기		객관식	객관식	90분 (1시간30분)
	1. 데이터의 이해	10	100 (각 2점)
	2. 데이터분석 기획	10
	3. 데이터분석	30
	계	50	100

[데이터 분석 준전문가 시험 일정]

02강Ⅰ-1-1 데이터의 개념

(1) 데이터의 정의

① 데이터라는 용어는 1646년 영국의 문헌에서 처음 등장, 라틴어 dare(주다)의 과거 분사형으로 ‘주어진 것’ 이란 의미로 사용
② 데이터는 추론과 추정의 근거를 이루는 사실

(2) 데이터의 분류

① 일차데이터(primary data)
- 연구조사자에 의하여 직접 수집된 데이터를 말합니다.
- 조사연구, 실험과 관측연구는 가장 널리 쓰이는 일차데이터 수집방법입니다.
② 이차데이터(secondary data)
- 연구조사자의 문제와는 다른 목적으로 다른 사람에 의하여 수집된 데이터입니다.
- 이차데이터는 데이터를 수집한 사람이 연구조사자와 같은 기관에 있는 사람인가 아닌가에 따라 다시 내부 또는 외부 데이터로 나눕니다.

(3) 데이터 웨어하우스(data warehouse)

데이터 사이의 관계나 패턴을 확인하는 세밀한 분석을 할 수 있도록, 기업 내부와 외부의 모든 데이터를 정리하여 저장하는 데이터 저장소이다.

(4) 데이터 마이닝(data mining)

분석적 기법을 적용하는 과정을 데이터 마이닝이라고 합니다.
기술통계, 교차제표, 회귀분석, 상관관계 등이 데이터 채집 도구로써 사용되는 상태입니다.
그 외 다양한 기법
- 인자분석(factor analysis)
- 군집분석(cluster analysis)
- 판별분석(discriminant analysis)
- 다차원척도법(multidimensional scaling)

03강Ⅰ-1-1 데이터의 개념2

(2) 데이터의 분류

① 일차데이터(primary data)
- 일차 데이터(primary data)는 연구조사자에 의하여 직접 수집된 데이터를 말합니다.
- 조사연구, 실험과 관측연구는 가장 널리 쓰이는 일차데이터 수집방법입니다.
- 내가 측정 장비 (온도계 등)로부터 직접 수집한 데이터를 사용
② 이차데이터(secondary data)
- 이차데이터는 연구조사자의 문제와는 다른 목적으로 다른 사람에 의하여 수집된 데이터입니다.
- 이차데이터는 데이터를 수집한 사람이 연구조사자와 같은 기관에 있는 사람인가 아닌가에 따라 다시 내부 또는 외부 데이터로 나눕니다.
- 동일 회사 내 내부 사람이 수집한 데이터를 사용
- 다른 회사 내 외부 사람이 수집한 데이터를 사용

(3) 데이터의 특성

① 존재적 특성 : 객관적인 사실로서의 의미를 가진다.
- 2024년 02월 17일 10시 0분 0초 인천 송도의 온도는 10도이다.
- 측정 장비 (온도계)를 통해 직접 측정하여 사실이 실제로 존재
② 당위적 특성 : 추론, 예측, 추정의 근거를 가진다.
- 현재의 기상 조건과 과거 데이터를 바탕으로 내일 인천 송도의 평균 온도는 15도 예상된다.
- 단순한 사실을 넘어서 미래 가능성에 대한 근거를 제공 ]

(4) 데이터의 유형

구분	형태	예	특징
정성적 데이터	언어, 문자 등	회사의 매출이 증가	비용 소모가 큼 주관적 내용 비정형 데이터
정량적 데이터	수치, 도형, 기호 등	나이, 몸무게, 주가 등	비용 소모가 작음 객관적 내용 정형 데이터

04강Ⅰ-1-2 데이터베이스의 개념

데이터베이스의 정의

데이터베이스 (영어: DataBase, DB)는 여러 사람이 공유하여 사용할 목적으로 체계화해 통합, 관리하는 데이터의 집합이다.
작성된 목록으로써 여러 응용 시스템들의 통합된 정보들을 저장하여 운영할 수 있는 공용 데이터들의 묶음이다.
- 예를 들면 다음과 같은 정보가 데이터베이스에 기록됨
- 카카오톡 메시지
- 인스타그램에 등록한 사진
- 버스/지하철에서 찍은 교통카드
- 카페에서 구매한 커피 영수증
  …

데이터베이스 관리 시스템 (DBMS): 데이터베이스를 운영하고 관리하는 소프트웨어
예를 들면 은행에서 예금/대출 등의 데이터베이스를 통해 다양한 방법 (자신, 은행 직원, 인터넷 뱅킹, ATM)으로 동시 접근 및 데이터 공유 가능

DBMS	제작사	작동 운영체제	기타
MySQL	Oracle	Unix, Linux, Windows, Mac	오픈 소스(무료), 상용
MariaDB	MariaDB	Unix, Linux, Windows	오픈 소스(무료), MySQL 초기 개발자들이 제작
PostgreSQL	PostgreSQL	Unix, Linux, Windows, Mac	오픈 소스(무료)
Oracle	Oracle	Unix, Linux, Windows	상용 시장 점유율 1위
SQL Server	Microsoft	Windows	주로 중/대형급 시장에서 사용
DB2	IBM	Unix, Linux, Windows	메인프레임 시장 점유율 1위
Access	Microsoft	Windows	PC용
SQLite	SQLite	Android, iOS	모바일 전용, 오픈 소스(무료)

(1) 데이터베이스의 정의

분류	내용
1차 개념 확대 (정형 데이터 관리)	소재를 체계적으로 배열 또는 구성한 편집물로서 개별적으로 그 소재에 접근하거나 그 소재를 검색할 수 있도록 한것 숫자, 문자 등이 명확하게 정의, 구조화된 형태를 지님
2차 개념 확대 (빅데이터의 출현으로 비정형데이터 포함)	문자, 기호, 음성, 화상, 영상 등 상호 관련 된 다수의 콘텐츠를 정보 처리 및 정보 통신 기기에 의하여 체계적으로 수집, 축적하여 다양한 용도와 방법으로 이용할 수 있도록 정리한 정보의 집합체 1차 개념 확대에서와 달리 다양한 형태 (문서, 이미지, 비디오, 이메일 등) 존재

(2) 데이터베이스의 특성

① 통합된 데이터: 이는 중복된 데이터가 존재하지 않는 것을 말합니다.
고객이 여러 개의 계좌를 가지고 있더라도 각 계좌 정보는 고유한 계좌 번호를 통해 식별되며, 고객의 개인 정보는 중복되지 않게 연결
② 저장된 데이터: 컴퓨터가 접근할 수 있는 자기 디스크나 자기 테이프와 같은 저장 매체에 저장되는 것
은행 시스템에 의해 언제든지 접근할 수 있으며, 고객이 온라인 뱅킹을 통해 계좌 이체를 요청할 때 신속하게 처리
③ 공용 데이터: 여러 사용자가 서로 다른 목적으로 데이터를 공동으로 이용하는 것
고객이 계좌 이체를 할 때, 은행 직원, 온라인 뱅킹 시스템, 모바일 앱 등 다양한 접점에서 동일한 데이터에 접근 가능
④ 변화되는 데이터: 기존 데이터의 삭제 및 갱신으로 변화하면서도 현재의 정확한 데이터를 유지
한 고객이 다른 고객에게 돈을 이체하면, 송금하는 고객의 계좌에서는 해당 금액만큼 차감되고, 수령인의 계좌에는 그 금액이 추가

(3) 데이터베이스의 장단점

① 데이터베이스 장점
- 데이터 중복 최소화
- 데이터 공유
- 일관성, 무결성, 보안성 유지
- 최신의 데이터 유지
- 데이터의 표준화 가능
- 데이터의 논리적, 물리적 독립성, 용이한 데이터 접근
- 데이터 저장 공간 절약
② 데이터베이스 단점
- 데이터베이스 전문가 필요
- 많은 비용 부담
- 데이터 백업과 복구가 어려움
- 시스템의 복잡함
- 대용량 디스크로 접근이 집중되면 과부하 발생

05강Ⅰ-1-3 데이터베이스의 활용

(1) 기업관련 데이터베이스

① 1980년대
- (ⅰ) OLTP(On-line Transaction Processing)
  - 호스트 컴퓨터가 데이터베이스를 액세스하고, 바로 처리 결과를 돌려주는 형태이다.
  - 그러므로 데이터베이스의 데이터를 수시로 갱신하는 상태를 가지게 된다.
  - 특징: 실시간 처리, 실시간 갱신
  - 대상: 일반 사용자
    사례: 은행 거래, 온라인 쇼핑, 예약 시스템 등 일상적인 거래 처리
- (ⅱ) OLAP(On-line Analytical Processing)
  - 다양한 비즈니스 관점에서 쉽고 빠르게 다차원적인 데이터에 접근하여 의사 결정에 활용할 수 있는 정보를 얻을 수 있게 해주는 형태이다.
  - 특징: 다차원적 데이터 분석, 의사결정지원
  - 대상: 데이터 분석가, 경영진과 같은 의사 결정자
  - 사례: 재고 관리, 재무 분석, 시장 연구 등에서 전략 수집
② 2000년대
- (ⅰ) CRM(Customer Relationship Management)
  - 일명 ‘고객 관계 관리’라고 하며 기업이 고객과 관련된 내,외부 자료를 분석, 통합하여 고객 중심 자원을 극대화하고, 이를 토대로 고객특성에 맞게 마케팅 활동을 계획, 지원, 평가하는 과정을 말한다.
  - 특징: 고객 중심의 데이터 관리, 개인 맞춤형 마켓팅, 고객 서비스 개선
  - 대상: 소비자, 기업
  - 사례:
    - 아마존: 고객의 구매 이력과 검색 이력을 분석하여 개인 맞춤형 상품 추천
    - 스타벅스: 모바일 앱을 통해 고객의 주문 이력을 관리하고, 맞춤형 쿠폰을 제공 서비스
- (ⅱ) SCM(Supply Chain Management)
  - 일명 ‘ 공급망 관리’라고 하며 기업에서 원재료의 생산, 유통 등 모든 공급망 단계를 최적화하여 수요자가 원하는 제품을 원하는 시간과 장소에 제공하는 것을 말한다.
  - 특징: 공급망 최적화, 재고관리, 수요 예측
  - 대상: 제조업, 유통업
  - 사례:
    - 월마트: 고도의 SCM 시스템을 통해 재고를 최적화하고, 물류 비용을 절감하여 낮은 가격으로 상품을 제공
    - 자라: 신속한 패션 트렌드 반영을 위해 공급망을 통한 빠른 디자인, 생산, 배송 시스템을 구축하여 경쟁 우위를 확보
③ 분야별 데이터베이스

분야	내용
제조 분야	ERP(Enterprise Resource Planning): 경영자원을 하나의 통합 시스템으로 재구축 BI(Business Intelligence): 의사 결정에 활용하는 비즈니스 프로세스 CRM(Customer Relationship Management): 고객관계관리이라고 하며 고객 중심 자원을 극대화하여 고객 특성에 맞게 마케팅 활동을 계획, 지원, 평가하는 과정이다. RTE(Real-Time Enterprise): 회사의 주요 경영정보를 통합관리하는 실시간 기업의 시스템
금융 분야	EAI(Enterprise Application Integration): 정보를 중앙 집중적으로 통합, 관리, 사용할 수 있는 환경 구현 EDW(Enterprise Data Warehouse): 기존 데이터 웨어하우스의 확장된 버전

[12회 기출문제]

다음 중 기업내부 데이터베이스인 고객관계관리(CRM)에 대한 설명으로 적절한 것은 무엇인가?
① 부품의 설계, 제조, 유통 등의 공정포함
② 외부 공급업체와의 정보시스템 통합으로 시간과 비용 최적화
③ 기업의 내부 고객들만을 대상으로 한 정보시스템
④ 단순한 정보의 수집에서 탈피, 분석 중심의 시스템 구축 지향

[19회 기출문제]

아래는 데이터베이스를 기반으로 기업 내 구축되는 주요 정보시스템 중 하나를 설명한 것이다. 보기에서 가장 적절한 것을 고르면?

기업 전체를 경영자원의 효과적 이용이라는 관점에서 통합적으로 관리하고 경영의 효율화를 기하기 위한 시스템

① ERP
② CRM
③ SCM
④ KMS

06강Ⅰ-1-3 데이터베이스의 활용2

(2) 사회기반구조 관련 데이터베이스

① 개념

사회 각 부문의 정보화가 본격화되면서 데이터베이스 구축이 활발히 추진
정부를 중심으로 무역, 통관, 물류, 조세, 국세, 조달 등 사회간접자본 차원에서 정보망 구축
주요 장점
- 사회기반구조의 문제점을 파악하고 개선하여 더 나은 사회를 만듬
- 다양한 서비스를 제공하여 우리 삶을 더욱 편리함
- 새로운 사업을 창출하고 경제 발전에 기여

② 분류

(ⅰ) EDI(electronic data interchange)
- 무역에 필요한 각종 서류를 표준화된 양식을 통해 컴퓨터통신망을 이용하여 거래처에 전송하는 시스템 친구에게 편지를 보내는 기능과 유사함
- 즉 서류를 전자 파일로 변환해서 빠르고 정확하게 전송
(ⅱ) VAN(Value Added Network)
- 부가가치통신망이라 부르며 공중 전기통신사업자로부터 통신회선을 차용하여 독자적인 네트워크를 형성하는 서비스
- 인터넷보다 더 안전하고 빠르게 정보를 주고받을 수 있는 특별한 네트워크 공간
(ⅲ) CALS(Commerce At Light Speed)
- 전자상거래 구축을 위해 기업 내에서 비용 절감과 생산성 향상을 추구할 목적으로 시작한 서비스
- 제품의 라이프 사이클 전반에 관련된 데이터를 통합하고 공유, 교환할 수 있도록 한 경영통합정보 시스템
- 제품 생산 과정에서 필요한 모든 정보를 하나의 시스템에 담아 관리하는 시스템

③ 분야별 데이터베이스

분야	내용	설명
물류	CVO(Commercial Vehicle Operation System) 화물운송정보	트럭의 위치, 운행 경로, 화물 정보 등을 알려주는 시스템
	PORT-MIS 항만운영정보시스템	배의 입출항 정보, 화물 처리 정보 등 항만 운영 정보를 관리하는 시스템
	KROIS 철도운영정보시스템	열차의 운행 시간, 노선, 지연 상황 등 철도 운영 정보를 알려주는 시스템
	LIS (Logistics Information System) 물류 정보 시스템	물류 관련 정보를 수집, 저장, 처리, 분석하는 시스템
지리	GIS(Geographic information System) 지리정보시스템	도로, 건물, 산, 강 등 지리 정보를 보여주는 시스템
지리	RS(Remote Sensing) 원격탐사	위성 사진으로 지구 표면을 관찰하고 변화를 파악하는 시스템
의료	UH(Ubiquitous-Health)	건강 정보를 관리하고 질병 예방 및 건강 증진을 돕는 시스템
교육	NEIS(National Education Information System) 교육행정정보시스템	학생 정보, 교사 정보, 교육 과정 등 교육 관련 정보를 관리하는 시스템

④ LIS (Logistics Information System) 물류 정보 시스템

물류의 과정을 시스템화 또는 전산화하여 운송, 보관, 포장 등 전반적인 물류과정이 효율적으로 관리될 수 있도록 만들어진 정보 처리 시스템
물류 비용을 절감시키고 물류 서비스 품질 향상을 목표

물류의 첫 단계인 주문내역, 결제확인, 주문취소, 반품 등 소비자의 주문을 관리하고 통합적으로 처리하는 주문 관리
판매자는 OMS에 기록된 데이터를 바탕으로 상품의 재고 파악, 입고 예정일 등을 쉽게 확인할 수 있으며, 다수의 채널을 운영하는 대상에게 적합한 시스템
- ① 예측 가능한 재고관리 및 재고파악의 용이
- ② 업무 시간 단축 및 효율성 증대
- ③ 고객의 소비패턴 파악과 고수요 제품 확인
- ④ 고객의 주요 데이터 활용

배송 센터 또는 자재∙재고 창고 내에서 물류 및 자재∙재고를 관리하면서 발생하는 모든 활동을 관리하는 창고 통합 관리 시스템
입고, 적치, 재고, 피킹, 출고 등을 통합 관리하여 고객 기업의 물류 관리 및 운영 능력을 향상
- ① 적정한 인원계획 수립 가능
- ② 창고공간의 효율적인 관리
- ③ 노동 생산성의 향상
- ④ 자재에 대한 실시간 정보 제공

제품을 배송하여 고객에게 전달되는 운송 수단을 배정하고 그 운송 일정을 계획, 관리하여 최종적으로는 성과/지표를 전반적으로 관리하는 시스템
운송 계획을 수립하고 실행하여 물류 프로세스의 최적화를 지원
- ① 운송비 절감 기회 분석 가능
- ② 물류 적재율 향상
- ③ 물류 프로세스 최적화
- ④ 탄소 배출 감소

공급망 관리로, 제품 생산을 위한 원재료 구매부터 최종 소비자까지 전체적인 물류 프로세스를 하나의 통합망으로 관리하는 경영전략시스템
단순한 물류 관리만이 아닌, 소비자의 만족도를 위한 높은 효율성을 높임
- ① 체계화된 물류 시스템 구축
- ② 소비자의 만족도 극대화
- ③ 기업의 경쟁력 강화
- ④ 물류비용 절감

[13회 기출문제]

다음 중 사회기반 구조로서의 데이터베이스에 대한 설명으로 가장 부적절한 것은?
① 물류, 무역, 조세 등 사회간접자본 차원에서 정보망을 통해 유통, 이용된 정보가 데이터베이스로 구축
② 지리, 교통 부문에서 데이터베이스가 보다 고도화되어 데이터베이스를 구축
③ 인터넷의 보편화로 데이터베이스가 사회 전반의 인프라로 자리매김
④ 의료, 교육, 행정 부분에서는 데이터베이스 구축과 활용이 활성화되지 못함

07강Ⅰ-2-1 빅데이터의 개념

(1) 빅데이터의 정의

① 가트너 그룹(Gartner Group)의 더그 래니(Doug Laney) 최초 제안

3V
양/규모 (Volume)	다양성(Variety)	속도(Velocity)
센서 측정 데이터, 비정형 데이터	영상, 사진 등	원하는 데이터의 추출 및 분석속도

② 정의

(좁은 의미) 3V로 요약되는 데이터 자체
(중간 의미) 데이터 자체뿐 아니라 처리, 분석 기술적 변화 또한 빅데이터로 정의
(넓은 의미) 인재, 조직 변화까지 포함하여 빅데이터를 정의

(2) 빅데이터의 출현배경

(산업계) 고객 데이터를 축적하여 보유하여 데이터의 숨어있는 가치를 발굴하고 출현
- 쿠팡에서 물건 구매 시 회원정보 필요  데이터 수집/축적/적재  자주 구매한 상품, 연관 상품 (고기-쌈장-채소 등)
(학계) 거대 데이터를 다루는 학문 분야가 늘어나면서 기술 아키텍처 및 통계 도구 발전
- 목표: 내일 온도 예측
- 과거: 사람에 의해 수작업으로 온도 측정/기록  예보관에 의해 추론
- 현재: 측정 장비에 의해 자동화 측정/기록  슈퍼컴퓨팅 및 통계 기술에 의해 예측
(기술발전) 디지털화, 저장 기술의 발달, 인터넷의 보급 등의 기술 발전
- 과거: 편지, 사진 촬영 시 종이 보관
- 현재: 이메일, USB 외장하드 등의 전자 문서 > 클라우드 활용 (구글 드라이브 등)

(3) 빅데이터의 기능

구분	설명
사전처리 ▶ 사후처리	①필요한 정보만 수집 형태에서 가능한 다양한 많은 데이터를 모으고 ②데이터를 다양한 방식으로 조합해 주요한 정보를 찾는 것 ①온라인 쇼핑몰의 구매 데이터, 고객 리뷰, 제품 조회 기록 등을 모두 수집하여 고객의 구매 패턴, 선호도를 분석하고 개인 맞춤형 상품 추천 ②금융 데이터, 거래 데이터, 소셜 미디어 데이터 등을 분석하여 사기 행위를 예측
표본조사 ▶ 전수조사	표본을 조사하여 모집단을 추정하는 형태에서 전수조사 형태로 변화 일부 고객에게 온라인 설문조사 대신 모든 고객 데이터를 분석하여 고객 만족도를 정확하게 파악하고 개선 방향을 설정
질 ▶ 양	데이터가 추가될 경우 양질의 정보가 오류 정보를 포함되나 더 좋은 예측 결과 도출 초기에는 선택된 소수의 댓글 분석하여 대중의 감정을 예측할 때, 분석된 데이터의 질이 전체 대중의 실제 감정을 반영하는 데 한계가 있음 최근 빅데이터 (데이터의 양)이 크게 증가해서 대규모 데이터를 분석함으로써 얻어진 통찰력은 보다 정확하게 대중의 감정과 트렌드를 반영
인과관계 ▶ 상관관계	상관관계를 통하여 특정 현상에 대한 분석 온도와 아이스크림 판매량 사이의 상관관계를 분석하고, 미래의 판매량을 예측하기 위한 모델을 개발 즉 기계학습 알고리즘을 활용하여 온도 변화가 아이스크림 판매에 미치는 영향을 보다 정확히 예측

[14회 기출문제]

다음 중 글로벌 기업의 빅데이터 활용사례로 그 연결이 부적절한 것은?
① 구글 – 실시간 자동 번역시스템을 통한 의사소통의 불편해소
② 라쿠텐 – 이용자의 콘텐츠 기호를 파악하여 새로운 영화를 추천해주는 씨네매치 (Cinematch) 시스템 운영
③ 월마트 – 소셜 미디어를 통해 고객 소비 패턴을 분석하는 월마트랩(Wallmart Labs) 운영
④ 자라 – 일일 판매량을 실시간 데이터 분석으로 상품 수요를 예측