정주행

- 강의 : PM을 위한 데이터 리터러시(프로덕트 데이터 분석)- 카일스쿨- 섹션 13 : 데이터 문화 만들기[데이터 문화]- 전사 의사 결정하고 접근하고, 같이 보는 환경- 실험 기반으로 의사결정하여 리스크를 줄이고, 꾸준히 도전 및 배팅하는 환경→ 데이터 민주화 "모두가 데이터를 활용하고 데이터로 의사 결정하는 것" [데이터 문화 구축을 위한 사람들]- 데이터 문화 생산자 : 주도 - PM, 데이터 조직- 데이터 문화 후원자 : 데이터 문화 활성화를 위해 지지하는 사람 - C레벨- 데이터 활용자 : 데이터를 활용해 적극적으로 문제 해결하는 사람 - 모든 직원 [데이터 문화를 위해 필요한 요소]1) 기술적 관점- 데이터 검색 인프라 : 내용을 자 채우는 것이 핵심- 데이터 거버넌스 : 내용을 잘 채우는..

- 강의 : PM을 위한 데이터 리터러시(프로덕트 데이터 분석)- 카일스쿨- 섹션 12 : 의사 결정[회색 지대 문제]- 우리가 어려움을 느끼는 문제는 대부분 회색 지대(Gray Zone)의 문제- 회색 지대 문제의 특징: 경험을 거의 해보지 않은 형태: 불확실한 문제: 명확히 나눌 수 이쓴 것이 아닌 섞인 문제들: 문제 정의도 어려움→ 문제를 분석한 후 해결해야 함 : 혼자 의사 결정이 아닌, 구성원들과 같이 진행하는 것 ▶ 스스로 옳은 질문을 던지고 자신만의 답을 찾아나가는 과정 [단계 별 의사 결정을 방해하는 요소]- 문제 상황 직면 : 문제가 모호한 경우→ MECE, 세부적으로 쪼개고 생각하기 - 선택할 시점의 도래 : 시간이 얼마 남지 않는 경우→ 시간적 여유 확보 방법을 고민하기 - 선택지 분..

- 강의 : PM을 위한 데이터 리터러시(프로덕트 데이터 분석)- 카일스쿨- 섹션 11 : 실험 설계, A/B TEST  [실험을 해야 하는 이유]- 결정의 프레임워크를 만들 수 있음- 불확실성을 줄이고, 인과 관계를 알기 위한 방법- 큰 LOSS(손실)를 피하기 위함 → 성장을 위해 직관과 데이터를 모두 활용하는 방식 [실험 전략]- 회사의 방향과 Align 되는 실험 전략이 필요 - 실험을 주로 진행할 제품, 데이터 조직의 head가 지정 - 실험을 시작하는 기준 : 모든 것을 실험할 수 있지 않고 모두 다 실험해야 하는 것은 아님1) 충분한 사용자 수가 존재하는 경우(최소한 2-3천명-통계적으로 유의미한 수준)2) 평가 지표를 정의할 수 있음3) 사용할 수 있는 리소스 존재할 경우(개발, 데이터)4..

- 강의 : PM을 위한 데이터 리터러시(프로덕트 데이터 분석)- 카일스쿨- 섹션 10 : 메트릭 하이라키  [메트릭 하이라키]- 메트릭 하이라키 : 지표들의 계층 구조- 목적 : 회사, 제품에 중요한 메트릭에 집중: 우선 순위를 선정할 때 도움: 데이터 기반 문화의 기초 - 장점: 회사 전체적인 메트릭 구조를 파악할 수 있음: 중립적인 관점에서 작성된 형태로 전사적으로 동일 관점으로 바라볼 수 있음: L1, L2 메트릭을 통제할 수 있는 지표로 잘 선정하면 어떤 액션을 해야할 지 판단 수월: L2 메트릭의 개선이 Focus 메트릭에 어떤 영향을 미치는지 파악 가능 [Focus Metric]- 비즈니스에서 가장 중요한 지표: 이익 = 매출 - 비용: 제품에서 고객의 문제를 해결해주는 지표: C레벨 관점에..

[챕터 3] 실무에 바로 쓰는 M 함수 & 동적 경로 취합 | 파워쿼리, 3시간 총정리 특강 🔥 학습 목표 : • M함수의 기초 사용법을 알아본 후, 파일 취합 쿼리를 효율적으로 간소화하는 방법을 학습합니다. • 실무에서 발생하는 다양한 상황에 즉시 적용할 수 있는 파일 취합 활용 예제를 알아봅니다. • 고급편집기를 활용하여 폴더 경로를 동적으로 인식하고 파일을 자동으로 취합하는 쿼리를 작성합니다. [파일 취합 기초]: 도우미 쿼리로 샘플 파일에 각 적용 > [파일 취합 쿼리]에 취합!  1) Folder.Files : 폴더 안의 파일 목록 변환2) Excel.Workbook : 엑셀 통합문서 안의 컨텐츠(시트, 테이블 등)을 반환3) Table.Skip : 테이블에서 상위 n개 행 또는 조건을 만족하..

[챕터 2] 열 피벗해제 고급 예제 및 파일 취합 자동화 | 파워쿼리, 3시간 총정리 특강 🔥 학습 목표 : • 복잡한 머리글 구조를 가진 표를 '열 피벗해제 고급 활용' 단계를 통해 정규화하는 방법을 배웁니다. • 파워쿼리에서 기본으로 제공하는 '파일 병합' 기능을 활용해 폴더 내의 엑셀 파일을 간편하게 통합하는 방법을 학습합니다. • 파워쿼리 편집기에서 M 함수를 검토하고 각 단계를 보다 효율적으로 간소화하는 방법을 알아봅니다. [파워쿼리 데이터 가공]- 데이터 행/열 바꿈 - 피벗 열 - 열 피벗 해제  [파일 병합 기능]- 파워 쿼리 병합 기능 주의사항 : 파일 병합 기능을 사용하려면 데이터의 머리글 순서가 항상 동일해야 한다.- 머리글을 한 줄로 바꾸는 과정 : 행/열 바꿈 → 열 병합 → 행..

[챕터 1] 초보자를 위한 파워쿼리 기초 사용법 | 파워쿼리, 3시간 총정리 특강 🔥 학습 목표 : • 파워쿼리를 사용하기 전에 꼭 알아야 할 올바른 데이터 구조를 이해합니다. • 파워쿼리 편집기의 화면구성을 이해하고, 다양한 기본 기능을 활용해 데이터를 가공하는 방법을 알아봅니다. • b>열 피벗해제 기능을 활용해 '세로방향 블록쌓기' 규칙이 지켜진 올바른 데이터로 변환하는 방법을 알아봅니다. [파워 쿼리의 중요성]- 데이터 정제(=전처리)와 함께 매크로 통한 업무 자동화 가능- 잘못된 데이터 구조를 올바른 형태로 바꿔 준다 → 범위를 표로 바꾼다 [데이터 관리 규칙]1. 데이터는 표준화해서 일관성있게 관리하기 → 데이터 유효성 검사2. 원본 데이터에는 셀 병합 절대 사용 금지3. 하나의 셀에는 한 ..

- 강의 : [오빠두엑셀] 비즈니스 엑셀 차트 시각화 챌린지 의 숨겨진 비밀 공" data-og-host="www.oppadu.com" data-og-source-url="https://www.oppadu.com/challenges/mckinsey-chart/" data-og-url="https://www.oppadu.com/challenges/mckinsey-chart/lobby/" data-og-image="https://scrap.kakaocdn.net/dn/YINRk/hyXGFJ98ts/ukN9fddzWwl6uPA2DU2yZ1/img.jpg?width=747&height=1005&face=0_0_747_1005,https://scrap.kakaocdn.net/dn/nXH3E/hyXGMbr0nW/7..

- 강의 : PM을 위한 데이터 리터러시(프로덕트 데이터 분석)- 카일스쿨- 섹션 9 : 데이터 레포트 작성, 데이터 시각화[데이터 리포트]- 리포트의 특징 : 특정 대상과 목적을 위한 / 정보를 전달 / 구조화된 형태(정리)- 어떤 사람들을 대상으로 하는가 : 레포트를 제공할 대상을 정의하고, 레포트의 목적도 같이 생각- 정보를 전달 : 관찰이나 측정을 통해 수집된 데이터를 실제 문제에 도움이 될 수 있도록 해석하고 정리한 지식- 구조화된 형태 : 원인 제시 → 결과 해석 등으로 구조가 존재▶ 문제 정의 및 목적 / 어떤 지표를 사용 / 결론과 과정 / 과정에서 필요한 의사 결정 / 앞으로의 액션 플랜 / 추가로 파악하면 좋은 요소 [데이터 시각화]- 배경 : 데이터의 양이 많아지면서 직접 계산 불가 ..

- 강의 : PM을 위한 데이터 리터러시(프로덕트 데이터 분석)- 카일스쿨- 섹션 7-8 : 데이터 로그 설계, 데이터 QA&프로젝트 회고 [데이터 QA]- QA(Quality Assurance) : 서비스의 품질을 향상하기 위한 활동- 데이터 QA : 데이터의 품질을 향상하기 위한 활동→ 데이터 QA를 진행하지 않고 배포 시, 데이터 분석할 때 데이터가 잘못 기록되는 상황을 인지할 가능성 존재 - 데이터 QA로 확인해야 할 것1) 데이터 로그가 기록되는가?2) 지정한 이름으로 지정한 값(value)으로 기록되는가?3) 지정한 데이터 타입대로 기록되는가?4) 의도한 시점에 trigger 되는가?5) AOS, IOS가 동일하게 데이터가 저장되는가?   - 데이터 QA하는 방법 : GA, Firebaseㄴ ..