정주행

[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 ..

- 강의 : PM을 위한 데이터 리터러시(프로덕트 데이터 분석)- 카일스쿨- 섹션 7 : 데이터 로그 설계, 데이터 QA [데이터 로그 설계 프로세스]- 문제 정의와 지표 정의하기에 기반해서 데이터 로그 설계 진행 1. 성과 지표 설정- 목적에 부합하는 지표를 설정해야 함1) 기획 확인하기 : 문제 정의 및 목표 확인2) 성과를 측정할 수 있는가? 보조 지표를 모니터링해서 볼 수 있음3) 성과 지표 고민 2. 데이터 로그 설계: 데이터 소스 확인 - 어디에서 발생하는가? 서버 / 앱 / 웹: 클라이언트 로그와 서버 로그는 상호 보완적  ㄴ 둘 다 기록할 수 있는 로그의 경우는 보통 서버에서 기록하도록 권장(클라이언트 수집 시 글자수 개수 제한 多): 서버에 기록해야 하는 데이터- 틀리면 안되는 데이터 :..

- 강의 : PM을 위한 데이터 리터러시(프로덕트 데이터 분석)- 카일스쿨- 섹션 7 : 데이터 로그 설계, 데이터 QA 기능 출시를 준비하면서 해야 하는 것: 데이터를 어떻게 저장할 것인가에 대한 논의 1) 데이터베이스의 데이터 : 개발자분들이 주도적 진행(DB 설계 등)2) 앱, 웹 서비스에서 사용자의 행동 데이터 : PM, 데이터 분석가 등 진행 [데이터 로그 설계]- 로그(LOG)의 사전적 의미 : 통나무, 일지에 기록하다 → 컴퓨터에 접속한 기록, 유저의 행동을 기록- 데이터 로깅 : 로그를 기록하는 행위  ㄴ EX) '결제하기' 버튼 클릭 시 데이터 확인하고자 하는 경우 : 결제하기 버튼 클릭 이벤트 = click_button 이벤트 - 로깅을 해야 하는 이유: 서비스의 성과 측정을 위한 정의..

- 강의 : PM을 위한 데이터 리터러시(프로덕트 데이터 분석)- 카일스쿨- 섹션 6 : 결제 전환율 개선 프로젝트 - 문제 정의, 데이터 기반 프로젝트 진행 Process  [프로젝트 진행 프로세스] 1. 현황 파악 및 문제 정의- 고객이 어떤 부분에서 불편함을 겪고 있을까? → 화면 기획서 & 데이터 파악- 고민할 부분 :  ㄴ 화면, 기능적으로 직접 사용하면서 불편한 점은 없는지 : 이런 불편함을 겪는 사람이 얼마나 될지  ㄴ 해당 기능의 사용 프로세스에서 갑자기 수치가 떨어지는 부분이 있는지(퍼널별 전환율)  ㄴ 신규 유저와 기존 유저의 격차   ㄴ 직접 서비스를 사용하며 수많은 가설 생성하기  → 어디에 배팅할지 고민(많은 사용자가 겪는 것을 개선할지 or 결제하는 부분을 개선할지) ▶ 회사의 ..

- 강의 : PM을 위한 데이터 리터러시(프로덕트 데이터 분석) - 카일스쿨- 섹션 5 : 성과 측정을 위한 지표 정의 요약 정리  지표 : 측정하고 싶은 것을 숫자로 표현한 것- 방향이나 목적, 기준 따위를 나타내는 표지- 추상적인 개념과 관련되는 지수, 척도→ 비즈니스의 성장(=변화)를 확인하고자 하는 목표 [좋은 지표의 조건]- Objective : 업무의 목적과 관련된 지표- Measurable : 측정 가능한 지표- Actionable : 지표를 토대로 행동할 수 있는 지표- Understand : 누구나 이해할 수 있는 지표- Specific : 정의를 명확하게 한 지표(다양한 관점으로 해석되지 않는 지표)- 불확실성을 줄여줄 수 있는 지표 - 지표 고민 시점 : 최초 문제 정의 과정에서부터 ..