데이터시각화3 BI분석가 데이터분석가 준비법(대시보드, 분석, 커뮤니케이션) 데이터 직무를 준비하는 취업 준비생의 포트폴리오를 함께 점검하다 보면 Tableau나 Power BI로 만든 대시보드는 상당히 잘 구성되어 있는데, 자신이 BI 분석가와 데이터 분석가 중 어느 방향을 준비하고 있는지 설명하는 단계에서 답변이 모호해지는 경우가 있습니다.매출과 고객 수, 전환율을 한 화면에 정리했고 필터와 차트도 다양하게 구성했지만, 왜 해당 지표를 선택했는지와 누가 이 화면을 사용해 어떤 결정을 내려야 하는지를 질문하면 시각적으로 보기 좋게 만들었다는 설명에서 멈추는 식입니다.반대의 경우도 있습니다. Python과 SQL을 이용해 데이터를 전처리하고 여러 변수의 관계를 분석했으며 통계 검정까지 수행했지만, 분석 결과를 현업 담당자가 어떤 업무에 활용해야 하는지와 이후 어떤 지표를 계속 관.. 2026. 10. 8. 데이터분석 취업 Python만으론 부족(SQL, 지표, 비즈니스) 데이터분석 취업을 준비하는 학생의 포트폴리오를 보면 Python으로 만든 결과물이 가장 먼저 눈에 들어오는 경우가 많습니다. pandas로 데이터를 정리하고, matplotlib이나 다른 시각화 도구로 그래프를 만들고, 결측치를 처리하거나 간단한 분석 모델을 적용한 프로젝트도 있습니다. 처음에는 준비가 잘 된 것처럼 보이지만 프로젝트 설명을 조금 더 깊게 들어가면 예상하지 못한 빈틈이 나타납니다. 분석에 사용한 데이터는 어디에서 가져왔는지, 필요한 데이터만 다시 조회해야 한다면 어떤 조건을 사용해야 하는지, 매출 증가율이나 재구매율 같은 지표의 기준을 어떻게 정의했는지, 그래프에서 숫자가 달라졌다면 실제 업무에서는 어떤 행동으로 이어져야 하는지 설명하지 못하는 경우입니다.처음 설명은 보통 Python으로.. 2026. 9. 20. 데이터 분석 포트폴리오 작성법(문제정의, 지표분석, 시각화) 데이터 분석 취업을 준비하는 분의 프로젝트를 검토하면서 온라인 쇼핑몰 매출 데이터를 분석한 자료를 본 적이 있습니다. Python으로 데이터를 정리하고 Tableau로 대시보드를 만들었으며, 월별 매출과 카테고리별 주문 건수도 보기 좋게 표현되어 있었습니다. 처음에는 결과물이 충분히 완성된 것처럼 보였지만, 재구매율이 낮은 이유를 묻자 설명이 막혔습니다. 재구매 고객을 어떤 기준으로 구분했는지, 주문 취소와 환불 데이터를 제외했는지, 분석 기간이 다른 고객을 같은 조건으로 비교해도 되는지 정리하지 않았기 때문입니다. 차트는 있었지만 그 차트가 어떤 문제를 해결하기 위해 만들어졌는지는 보이지 않았습니다. 자료를 다시 살펴보니 전체 고객을 기준으로 계산한 재구매율과 첫 구매 후 90일이 지난 고객만을 대상으.. 2026. 8. 21. 이전 1 다음
