ADsP. PART.3 - 데이터 분석 - 데이터 분석 기법의 이해

1.데이터 처리

• 데이터 분석은을 기반을 두고 있지만, 통계지식과 복잡한 가정이 상대적으로 적은 실용적인 붕야이다.

  활용

• 대기업은 데이터웨어하우스(DW)와 데이터 마트를 통해 분석 데이터를 가져와서 사용한다.
• 신규시스템이나 DW에 포함되지 못한 자료의 경우, 기존 운영시스템(Legacy)이나 스테이징 영역(staging area)과 ODS(Operation Data Store)에서 데이터를 가져와서 DW에서 가져 온 내용과 결합하여 활용할 수 있다
• 하지만 운영시스템에 직접 접근해 데이터를 활용하는 것은 매우 위험한 일으므로 거의 이루어지지 않고 있으며, 이테이징 영역(staging Area)의 데이터는 운영 시스템에서 임시로 저장된 데이터이기 때문에 가급적이면 클린징영역인 ODS에서 데이터의 전처리를 해서 DW나 DM과 결합하여 활용하는 것이 가장 이상적이다.

최종 데이터 구조로 가공

1)데이터마이닝 분류

• 분류값과 일반변수들을 연관시켜 인구통계,요약변수,파생변수 등을 산출한다

2)정형화된 패턴 처리

• 비정형 데이터나 소셜 데이터는 정형화된 패턴으로 처리해야 한다.

가)비정형 데이터

• DBMS에 저장됐다가 텍스트 마이닝을 거쳐 데이터 마트와 통합한다.

나)관계형 데이터

• DBMS에 저장되어 사회 신경망분석을 거쳐 분석결과 통계값이 마트와 통합되어 활용된다,

2.시각화(시각화 그래프)

• 시각화는 가장 낮은 수준의 분석이지만 잘 사용하면 복잡한 분석보다도 더 효율적이다
• 대용량 데이터를 다루는 빅데이터 분석에서 시각화는 필수이다
• 탐색적 분석을 할 때 시각화는 필수이다
• SNA분석(사화연결망 분석)을 할 때 자주 활용된다.

3.공간분석(GIS)

• 공간분석(Spatial Analysis)은 공간적 차원과 관련된 속셩들을 시각화하는 분석이다
• 지도 위에 관련된 속성들을 생성하고 크기,모양,선 굵기 등으로 구분하여 인사이트를 얻는다

4.탐색적 자료 분석(EDA)

개요

• 탐색적 분석은 다양한 차원과 값을 조합해가며 특이한 점이나 의미 있는 사실을 도출하고 분석의 최종 목적을 달성해가는 과정으로 데이터의 특징과 내재하는 구조적 관계를 알아내기 위한 기법들의 통칭이다.
• 프리스톤 대학의 튜키교수가 1977년 저서를 발표함으로 EDA가 등장한다.

EDA의 4가지 주제

• 저항성의 강조
• 잔차 계산
• 자료변수의 재표현
• 그래프를 통한 현시성

탐색적 분석의 효율의 예

• 2가지 모형 개발 프로세스(KDD,CRISP-DM 등)에서 언급한 바 와 같이 데이터 이해 단계, 변수 생성 단계 그리고 변수선택 단계에서 활용되고 있다

5.통계분석

가)통계

• 어떤 현상을 종합적으로 한눈에 알아보기 쉽게 일정한 체계에 따라 숫자와 표,그림의 행태로 나타내는 것이다

나)기술통계(descri[tive statistics)

• 모집단으로부터 표본을 추출하고 표본이 가지고 있는 정보를 쉽게 파악할 수 있도록 데이터를 정리하거나 요약하기 위해 하나의 숫자 또는 그래프의 형태로 표현하는 절차이다

다)추측(추론)통계( inferential statistics)

• 모집단으로부터 추출된 표본의 표본통계량으로부터 모집단의 특성인 모수에 관해 통계적으로 추론하는 절차이다

라)활용분야

• 정부의 경제정책 수립과 평가의 근거자료로 활용
• 농업,의학,경영,스포츠

6.대아터마이닝

가)개요

• 대표적인 고급 데이터 분석법으로 대용량의 자료로부터 정보를 요약하고 미래에 대한 예측을 목표로 자료에 존재하는 관계, 페턴, 규칙 등을 탐색하고 이를 모형화함으로써 이전에 알려지지 않은 유용한 지식을 추출하는 분석방법

나)방법론

• 데이터베이스에서의 지식탐색: 데이터웨어하우스에서 데이터마트를 생성하면서 각 데이터들의 속성을 사전분석을 통해 지식을 얻는 방법이다.
• 계계학습(Machine learning) : 인공지능의 한 분야로, 컴퓨터가 학습할 수 있도록 알고리즘과 기술을 개발하는 분야로 인공신경망, 의사결정나무, 클러스터링(군집화),베이지만 분류, SVM 등이 있다.
• 패턴인식(Pattern recognition) : 원자료를 이용해서 사전지식과 패턴에서 추출된 통계자료를 기반으로 자료 또는 패턴을 분류하는 방법으로 장바구니분석(연관분석),연관규칙 등이 있다.

다)활용분야

• 데이터베이스 마케팅,신용평가 및 조기 경보 시스템,생물정보학,텍스트마이닝