2024-07-15

• Today

1. ADsP

2. 최종 프로젝트 첫 회의

 

---

• Today I Learned

 

Project

 

 

최종 프로젝트를 앞두고 마음이 맞는 팀원들을 꾸렸고,

같이 진행해보기 위해 도메인을 어떤것을 하면 좋을지,

어떤 분석방향이 좋을지, 어떤 분석을 하고 싶은지 등을 이야기 해보았다.

*퍼널 분석
- 고객들이 어떤 특징을 가지고 있는지 알아보고 싶음

---

*CRM 마케팅
- VOC까지 분석해보고 싶당
- 고객 세그멘테이션을 통해 각 고객층 별 맞춤 마케팅 전략을 데이터를 기반으로 뽑아보고 싶다 -> 할 수 있다면 세그멘테이션이 엄청 촘촘하고 다양하게 나오게까지..!=> 고객으로 가자..!

B2B
데이터 컨설턴트가 아닌 이상 개인 고객 데이터를 활용할 수 밖에 없으니까..!

---

*대시보드까지?
- 시간이 된다면 대시보드를 제작하고 싶다
- 플러스!
- 최종적인 목적이 있고, 그 목적을 달성한 다음에 진행하는 방향이 좋을 것 같음!
---
- 뉴스레터 구독 서비스?
- 주류관련 -> 구독 서비스
=> 작은 서비스를 타겟으로 하면 데이터를 좀 더 편하게 주려고 하지 않을까?
-> 무료 구독 서비스가 그런 것 같음!
=> 고객 로그도 다른 것 보다는 많이 쌓여있지 않을까 싶음.
구독 서비스들이 좋을 것 같아=> 우리가 인식하는 구독?
해지를 한다고 해서 금전적인 손해가 있는건 아니고 서비스를 제공하는 것,
정기적으로 결제가 나가는 것?==> 어디에 요청할까?
구독서비스를 진행중이거나
or
진행하다가 중단한 회사
or
구독서비스를 진행해도 좋을 것 같은데? 싶은 회사

---

*구독의 정의는?
> 먼저 정의를 잘 잡고 시작해야할 듯

---

ADsP

모집단에서 표본을 추출하는 방법

- 단순 랜덤 추출법

- 계통추출법

- 층화추출법

 

통계적 추론

: 전수조사가 불가능하면 모집단에서 표본을 추출하고, 표본을 근거로 확률론을 활용하여 모집단의 모수들에 대해 추론하는 것을 추정이라 한다.

: 점 추정은 표본의 정보로부터 모집단의 모수를 하나의 값으로 추정하는 것이다.

: 통계적 추론은 제한된 표본을 바탕으로 모집단에 대한 일반적인 결론을 유도하려는 시도이므로 본질적으로 불확실성을 수반한다.

 

표본조사

: 표본편의는 표본추출 과정에서 특정 대상이 다른 대상에 비해 우선적으로 추출될 때 생기는 오차를 의미한다.

 

이산형 확률 분포

: 기하분포, 이항분포, 초기하분포

 

연속형 확률 분포

: 정규분포

 

제 1종 오류

H0 가 사실인데 H0가 사실이 아니라고 판정

 

회귀분석의 가정

: 독립성, 선형성, 정규성

 

회귀분석의 모형 평가 과정

: 독립변수의 수가 많아지면 모델의 설명력이 증가하지만 독립변수들 간의 상호작용으로 인해 다중공선성 문제가 발생할 수 있다.

: 회귀식에 대한 검정은 독립변수의 기울기가 1이라는 가정을 귀무가설로 두고, 기울기가 1이 아니라는 가정을 대립가설로 둔다.

: 간차의 독립성, 등분산성 그리고 정규성을 만족하는지 확인해야 한다.

: 일반적으로 회귀분석의 가설검정에서 p값이 0.05 보다 작다면 해당 변수는 통계적으로 유의미하다고 간주할 수 있다.

 

라쏘 회귀모형

: 모형에 포함된 회귀계수들의 절대값이 크기가 클수록 penalty 를 부여하는 방식이다.

: 자동적으로 변수선택을 하는 효과가 있다.

: 람다값으로 penalty 의 강도를 조정한다.

: L1 penalty 를 사용한다.

 

보험갱신 여부 예측을 위한 적절한 분석 기법?

: 로지스틱 회귀분석

 

이익도표(Lift) 에서 %Captured Response 를 계산하는 공식은?

: 해당집단에서 목표변수의 특정범주 빈도 / 해당집단에서 전체 빈도 x100

 

오뷴류포의 평가지표중 정밀도에 대한 설명

: 모델이 True 로 예측한 관측치 중 실제 True 인 비율

 

신경망 모형

: 역전파알고리즘을 사용하여 모형을 학습

 

계층적 군집분석 시 사용되는 병합 방법 중 오차제곱합 증가량을 최소화하는 방법

: 와드 연결법

 

자기조직화지도(SOM)

: 고차원 데이터를 저차원으로 표현하여 시각화하는데 유용하다.

: 데이터의 위치 관계를 유지하면서 지도 형태로 형상화한다.

: 경쟁학습을 통해서 각 조직원의 연결강도 가중치를 조절한다.