한빛출판네트워크

데이터 분석의 개론, 기초, 응용을 한 권으로

이 책의 독자는 데이터 분석가가 되고 싶은 사람, 데이터를 사업과 업무에 활용하고 싶은 기획자나 마케터, 혹은 데이터 분석과 관련된 업무를 신규로 시작하고 싶은 관리자이다. 현장에서 사용되는 데이터를 기반으로 데이터 분석을 설명하는 이 책은 총 3개 파트로 구성되어 있다. 왜 매상이 감소하고 있는가나 어떤 고객이 떠나고 있는가처럼 당장 급하고 관심있는 주제를 다루며, 데이터 분석의 기초를 설명하고, 결정트리 분석이나 기계학습 등을 활용해서 어떻게 데이터 분석을 응용할 수 있는가를 설명한다.

출판사 리뷰

데이터 전문가가 아닌 우리에게 정말 필요한 것은 데이터 분석이란 무엇인가, 데이터 과학이란 무엇인가를 이야기하는 이론서나 전문가나 쓰는 R 프로그래밍이 아니다. 이 책은 가볍게 개념과 이론을 살펴보고 나서 기업 분석가가 실제 데이터를 기반으로 당장 실무에서 데이터를 분석하고 활용하는 실용적인 방법을 알려준다.

이 책의 내용

• 왜 매상이 감소하는가? 
• 어떤 특성의 고객들이 떠나는가? 
• 어떤 배너광고의 반응이 더 좋은가? 
• 집객효과가 가장 큰 광고 조합은 무엇인가? 
• 과거 행동으로부터 현재 행동을 예측할 수 있는가? 
• 어떤 고객층을 타깃으로 정할 것인가? 
• 어떤 행동을 취한 고객들이 계속해서 이용하는가? 
• 더 즐거운 팀을 구성하는 방법

CHAPTER 01 데이터 과학자라는 직업
    1.1 데이터 과학자란? 
    1.2 데이터 과학자의 세 가지 타입 
    1.3 데이터 과학자의 현실 

CHAPTER 02 비즈니스에서의 데이터 분석 흐름
    2.1 데이터 분석의 다섯 가지 흐름 
    2.2 현실의 모습과 이상적인 모습 
    2.3 문제 발견 
    2.4 데이터 수집과 가공 
    2.5 데이터 분석 
    2.6 액션 
    2.7 정리 
    2.8 R 언어 기초 

CHAPTER 03 〈사례 :히스토그램〉 왜 매상이 감소하고 있는가?
    3.1 현실의 모습과 이상적인 모습 
    3.2 문제 발견 
    3.3 데이터 수집과 가공 
    3.4 데이터 분석 
    3.5 액션 
    3.6 정리 
    3.7 R 언어 코드 상세설명 

CHAPTER 04 〈사례 : 크로스 집계〉 어떤 속성의 고객들이 떠나고 있는가?
    4.1 현실의 모습과 이상적인 모습 
    4.2 문제 발견 
    4.3 데이터 수집과 가공 
    4.4 데이터 분석 
    4.5 액션 
    4.6 정리 
    4.7 R 언어 코드 상세설명 

CHAPTER 05 〈사례 : A/B 테스트〉 어느 쪽의 배너광고가 반응이 더 좋은가?
    5.1 현실의 모습과 이상적인 모습 
    5.2 문제 발견 
    5.3 데이터 수집과 가공 
    5.4 데이터 분석 
    5.5 액션 
    5.6 정리 
    5.7 R 언어 코드 상세설명 

CHAPTER 06 사례 : 〈중회귀분석〉 집객효과가 가장 큰 광고의 조합은 무엇인가?
    6.1 현실의 모습과 이상적인 모습 
    6.2 문제 발견 
    6.3 데이터 수집과 가공 
    6.4 데이터 분석 
    6.5 액션 
    6.6 정리 
    6.7 R 언어 코드 상세설명 

CHAPTER 07 사례 : 〈로지스틱 회귀분석〉 과거의 행동으로부터 현재의 행동을 예측할 수 있는가?
    7.1 스마트폰의 유저수를 늘리고 싶다 
    7.2 ID 이전 실패가 원인 
    7.3 정답을 포함한 데이터가 없을 때의 데이터 수집 
    7.4 모델 검증 
    7.5 액션 
    7.6 정리 
    7.7 R 언어 코드 상세설명 

CHAPTER 08 〈사례 :클러스터링〉 어떤 고객층을 타깃으로 정할 것인가?
    8.1 어떤 유저들이 있는지 파악하고 싶다 
    8.2 행동패턴으로 유저층 분류하기 
    8.3 주성분을 설명변수로 사용하기 
    8.4 클러스터링 실행 
    8.5 액션 
    8.6 정리 
    8.7 R 언어 코드 상세설명 

CHAPTER 09 〈사례 :결정트리분석〉 어떤 행동을 취한 고객들이 계속해서 이용하는가?
    9.1 이용시작 직후의 탈퇴자를 줄이고 싶다 
    9.2 '재미'의 구조 이해하기 
    9.3 클러스터를 설명변수로 사용하기 
    9.4 결정트리분석 실행 
    9.5 액션 
    9.6 정리 
    9.7 R 언어 코드 상세설명 

CHAPTER 10 〈사례 : 기계학습〉 보다 즐거운 팀을 구성하기 위해서는?
    10.1 팀플레이 즐거움의 최대화 
    10.2 데이터 분석을 통해 서비스에 부가가치 더하기 
    10.3 요일에 영향을 받지 않는 데이터 만들기 
    10.4 예측모델 구축 
    10.5 액션 
    10.6 정리 
    10.7 R 언어 코드 상세설명