- 현재 위치
- home > 컴퓨터·ICT·어학 > 컴퓨터·IT 도서 > 전산통계/해석 > 당신을 야근에서 구해줄 무기 데이터 리터러시[비제이퍼블릭]
;)
1. 찐문과는 코딩이 어려워서 업무 자동화, 데이터 분석 꿈도 못 꾼다구요!
직장에서 편하게 일 하고, 인정받고자 업무 자동화/데이터 분석을 꿈꾸지만, 막상 코딩을 배우는 일이 더 어렵지 않으신가요? 편하려고 배운 데이터 분석 공부가 내 인생을 더 복잡하게 만들지는 않나요? 이젠 코딩 말고, 엑셀로! 제대로 데이터 분석해 봅시다!
2. 엑셀과 SQL 만으로 데이터 리터러시를 보유한 프로 일잘러로 거듭나기!
SQL? 그것도 코딩이면 어려운 거 아닌가요? 아니요, 전혀 그렇지 않습니다. 몇 가지의 규칙만 이해하면 바로 적용할 수 있습니다. 조금의 노력을 투자해 엑셀과 SQL 만으로 데이터 분석을 해내는 당신, 직장에서 인정받는 프로 일잘러로 거듭나세요!
3. 카카오 브런치 누적 조회수 260만에 달하는 자타공인 업무 멘토 저자의 도서!
모두가 인정하는 “업무 멘토”의 도서답게! 처음부터 끝까지 쉽고 재밌고 유익하게 구성되어 있습니다. 여러분의 기대를 뛰어넘는 도서, 바로 “당신을 야근에서 구해줄 무기 데이터 리터러시”입니다.
직장에서 편하게 일 하고, 인정받고자 업무 자동화/데이터 분석을 꿈꾸지만, 막상 코딩을 배우는 일이 더 어렵지 않으신가요? 편하려고 배운 데이터 분석 공부가 내 인생을 더 복잡하게 만들지는 않나요? 이젠 코딩 말고, 엑셀로! 제대로 데이터 분석해 봅시다!
2. 엑셀과 SQL 만으로 데이터 리터러시를 보유한 프로 일잘러로 거듭나기!
SQL? 그것도 코딩이면 어려운 거 아닌가요? 아니요, 전혀 그렇지 않습니다. 몇 가지의 규칙만 이해하면 바로 적용할 수 있습니다. 조금의 노력을 투자해 엑셀과 SQL 만으로 데이터 분석을 해내는 당신, 직장에서 인정받는 프로 일잘러로 거듭나세요!
3. 카카오 브런치 누적 조회수 260만에 달하는 자타공인 업무 멘토 저자의 도서!
모두가 인정하는 “업무 멘토”의 도서답게! 처음부터 끝까지 쉽고 재밌고 유익하게 구성되어 있습니다. 여러분의 기대를 뛰어넘는 도서, 바로 “당신을 야근에서 구해줄 무기 데이터 리터러시”입니다.
저자: 피터
저자 소개
서문
베타 리더 추천사
이 책의 구성
1장. 엑셀, 그 너머에 있는 데이터
1-1. 당신은 충분히 데이터를 논할 자격이 있다
1-1-1. 야근에서 구해줄 무언가, 커리어를 도와줄 무언가
1-1-2. 데이터 리터러시란 무엇인가
1) 보유 데이터로 할 수 있는 것과 할 수 없는 것을 알아야 합니다
2) 데이터 타입에 대한 이해가 필요합니다
3) 숫자의 진정한 의미를 생각합니다
4) 가설을 세우고 세부 기준을 공유하며 한계를 받아들이고 팩트로 피드백합니다
5) 데이터를 활용하는 데 걸리는 시간을 알아야 합니다
1-1-3. 문제를 데이터로 정의하는 방법
1-2. 데이터 리터러시에 대한 몇 가지 오해
1-2-1. 엑셀은 수준 낮은 도구이며 구식이다?
1-2-2. 데이터 시각화는 전부이거나 아무것도 아니다?
1-2-3. 지오데모(Geo-Demo) 속성을 쓰는 것은 후진적이다?
1-2-4. 이제 모든 것을 다 알 수 있을 것이다?
2장. 실전에서 쉽게 시작하기 위한 SQL
2-1. 분석이 편한 환경을 만들어보자
2-1-1. 서버로 일한다는 것은 무엇일까?
2-1-2. 나만의 데이터베이스 만들기
2-1-3. 업무 현장에서 데이터를 활용하기 위한 환경설정
1) 같지만 다른 변수를 다시 같은 변수로
2) 기준이 다른 변수들
3) 합집합이 아닌 교집합만
4) 데이터 정합성, 핵심은 무엇인가
2-2. [SQL] SQL로 데이터를 간단히 다루어보자
2-2-1. 처음 데이터를 받으면 해야 할 일들
1) 관측치 확인하기
2) 결측치 개수
3) 범주형 변수의 분포
4) 연속형 변수의 평균
5) 연속형 변수의 사칙연산
6) 최대와 최솟값
7) 시간 데이터 계산하기
8) 조건으로 열 만들기
9) 순위 매기기
10) 표준편차, 최빈값, 중간값
2-2-2. 샘플 데이터 분석해보기
2-2-3. 여러 테이블을 분석해보기
2-2-4. SQL, 어떻게 계속 해볼까?
3장. 데이터와 데이터의 관계를 알게 되는 기초 분석들
3-1. 상관분석
3-1-1. 인과관계와 상관관계
3-1-2. 상관계수를 구해보자
3-2. 회귀 분석
3-2-1. 회귀 모델과 과적합, 교차 검증
3-2-2. 회귀식을 구해보자
4장. 데이터로 일하기 위해서는
4-1. 모두가 좋아하는 데이터 드리븐 (Data-Driven)
4-1-1. 신뢰를 주는 스토리텔링
1) 공유해야 할 결과물
2) 지표는 최대한 가공을 적게
3) 노이즈(Noise)는 정말 노이즈인가?
4) 최종 목표는 수익 창출
4-1-2. 설명할 수 있는 빅데이터
1) 도입한 성과를 설명해야 하는 초반 결과물
2) 성공 모델을 위한 비설명/고성능 결과물
3) 설명인가, 실적인가?
4-1-3. 사람이 할 일, 데이터가 할 일
4-1-4. 무거운 시스템보다는 얻고자 하는 것부터
4-2. 데이터는 자산이다
4-2-1. 플랫폼에 상품을 등록하는 기업들
4-2-2. 데이터 가공 판매, 확대되는 데이터 가공 분야
4-2-3. 데이터 활용, 우린 무엇부터 시작할까?
1) 기존 데이터를 요약하는 인사이트
2) 기존 데이터로 미래를 예측하는 인사이트
3) 기존 데이터와 외부 데이터를 결합한 인사이트
4) 외부 데이터를 통한 시장 인사이트
에필로그
인덱스
서문
베타 리더 추천사
이 책의 구성
1장. 엑셀, 그 너머에 있는 데이터
1-1. 당신은 충분히 데이터를 논할 자격이 있다
1-1-1. 야근에서 구해줄 무언가, 커리어를 도와줄 무언가
1-1-2. 데이터 리터러시란 무엇인가
1) 보유 데이터로 할 수 있는 것과 할 수 없는 것을 알아야 합니다
2) 데이터 타입에 대한 이해가 필요합니다
3) 숫자의 진정한 의미를 생각합니다
4) 가설을 세우고 세부 기준을 공유하며 한계를 받아들이고 팩트로 피드백합니다
5) 데이터를 활용하는 데 걸리는 시간을 알아야 합니다
1-1-3. 문제를 데이터로 정의하는 방법
1-2. 데이터 리터러시에 대한 몇 가지 오해
1-2-1. 엑셀은 수준 낮은 도구이며 구식이다?
1-2-2. 데이터 시각화는 전부이거나 아무것도 아니다?
1-2-3. 지오데모(Geo-Demo) 속성을 쓰는 것은 후진적이다?
1-2-4. 이제 모든 것을 다 알 수 있을 것이다?
2장. 실전에서 쉽게 시작하기 위한 SQL
2-1. 분석이 편한 환경을 만들어보자
2-1-1. 서버로 일한다는 것은 무엇일까?
2-1-2. 나만의 데이터베이스 만들기
2-1-3. 업무 현장에서 데이터를 활용하기 위한 환경설정
1) 같지만 다른 변수를 다시 같은 변수로
2) 기준이 다른 변수들
3) 합집합이 아닌 교집합만
4) 데이터 정합성, 핵심은 무엇인가
2-2. [SQL] SQL로 데이터를 간단히 다루어보자
2-2-1. 처음 데이터를 받으면 해야 할 일들
1) 관측치 확인하기
2) 결측치 개수
3) 범주형 변수의 분포
4) 연속형 변수의 평균
5) 연속형 변수의 사칙연산
6) 최대와 최솟값
7) 시간 데이터 계산하기
8) 조건으로 열 만들기
9) 순위 매기기
10) 표준편차, 최빈값, 중간값
2-2-2. 샘플 데이터 분석해보기
2-2-3. 여러 테이블을 분석해보기
2-2-4. SQL, 어떻게 계속 해볼까?
3장. 데이터와 데이터의 관계를 알게 되는 기초 분석들
3-1. 상관분석
3-1-1. 인과관계와 상관관계
3-1-2. 상관계수를 구해보자
3-2. 회귀 분석
3-2-1. 회귀 모델과 과적합, 교차 검증
3-2-2. 회귀식을 구해보자
4장. 데이터로 일하기 위해서는
4-1. 모두가 좋아하는 데이터 드리븐 (Data-Driven)
4-1-1. 신뢰를 주는 스토리텔링
1) 공유해야 할 결과물
2) 지표는 최대한 가공을 적게
3) 노이즈(Noise)는 정말 노이즈인가?
4) 최종 목표는 수익 창출
4-1-2. 설명할 수 있는 빅데이터
1) 도입한 성과를 설명해야 하는 초반 결과물
2) 성공 모델을 위한 비설명/고성능 결과물
3) 설명인가, 실적인가?
4-1-3. 사람이 할 일, 데이터가 할 일
4-1-4. 무거운 시스템보다는 얻고자 하는 것부터
4-2. 데이터는 자산이다
4-2-1. 플랫폼에 상품을 등록하는 기업들
4-2-2. 데이터 가공 판매, 확대되는 데이터 가공 분야
4-2-3. 데이터 활용, 우린 무엇부터 시작할까?
1) 기존 데이터를 요약하는 인사이트
2) 기존 데이터로 미래를 예측하는 인사이트
3) 기존 데이터와 외부 데이터를 결합한 인사이트
4) 외부 데이터를 통한 시장 인사이트
에필로그
인덱스
