취업하고싶어요

Tableau에서 "일자별 에너지 사용량 Tree Map"을 만드는 방법Tree Map은 각 항목의 상대적인 크기를 면적으로 표현하는 시각화 방법으로, 에너지 사용량을 직관적으로 비교하는 데 적합합니다.아래 단계대로 진행하면 Tableau에서 원하는 Tree Map을 만들 수 있다.1. Tableau에서 Tree Map 만들기① 새로운 워크시트(Sheet) 추가Tableau에서 새로운 워크시트(Sheet) 를 생성합니다.② 데이터 필드 추가"측정일"을 행(Columns) 선반에 추가시간에 따른 에너지 사용량을 확인할 수 있도록 함."CO2사용량(L)", "물사용량(L)", "비료사용량(L)"을 "Measure Values(측정값)"로 추가"Measure Values"는 여러 측정값을 하나의 차트에서 표현..

1. 학습 목표실습을 마친 후, 실무에서 활용하는 대시보드의 종류와 지속적인 운영 방법을 학습데이터 기반 의사결정을 돕기 위한 데이터 스토리텔링 기법 소개2. 실무 대시보드 종류다양한 비즈니스 영역에서 활용되는 대시보드 유형과 그 역할을 설명합니다.매출 대시보드OKR 체크, 매출 현황 분석, 매출 증감 원인 파악주요 KPI(매출, 비용, 순이익 등) 시각화프로덕트(Product) 대시보드AARRR 프레임워크, 퍼널 분석, 코호트 분석 등 사용자 행동 데이터 기반 분석마케팅 프로모션 대시보드캠페인 성과 분석, ROI(투자 대비 수익) 측정, 시즌별 프로모션 비교실험 대시보드A/B 테스트 결과 비교 (CVR, CTR 등)실험군과 대조군 비교 및 세그먼트별 분석머신러닝 모델 모니터링 대시보드머신러닝 모델 A/..

대시보드 설계와 구성 요약1. 학습 목표대시보드의 목적과 지표를 설정하는 방법을 익히고, 전체적인 설계 프로세스를 학습.2. 대시보드 구축 프로세스대시보드 뷰어 및 목적 선정 – 대상 사용자와 목적을 정의.문제 정의 – 해결하려는 문제와 대시보드의 활용 목적을 명확히 설정.데이터 선정 및 데이터 마트 구축 – 필요한 데이터(매출, 고객 등)를 선택.지표 선정 – 핵심 성과 지표(KPI)를 결정.스케치 – 레이아웃 및 색상 강조 방안 설정.시각화 – 적절한 그래프 및 시각적 요소 적용.대시보드 완성 – 최종 구성 완료.의사결정 및 액션 도출 – 대시보드 활용 방안 도출.배포 및 권한 설정 – 뷰어 권한 관리 및 대시보드 공유.3. 지표 정의 및 선정산업별로 적합한 지표 선정이 중요(예: 이커머스, 모빌리티..

Tableau의 작동 원리 및 LOD (Level of Detail) 계산식 학습실습 데이터: Superstore 예제 데이터 (2020~2023년 커머스 데이터)2. 텍스트 테이블 (데이터 형태)Wide Format Table: 가로로 확장되는 데이터 형태, 비교 및 시각화에 적합Long Format Table: 세로로 길어지는 데이터 형태, 시간에 따른 변화 분석에 적합총계 계산: 열과 행의 합계를 분석 탭에서 표시 가능3. Tableau 필터 작동 원리필터 종류: 추출 필터, 데이터 원본 필터, 컨텍스트 필터, 차원 필터, 측정값 필터, 테이블 계산 필터필터 실행 순서: 특정 순서대로 실행됨 (필터 추가 시 순서 고려 필요)4. 필터 활용법Top N 필터 vs 차원 필터: Top N 필터가 차원 필..

1. 학습 목표Tableau를 활용한 데이터 시각화 익히기다양한 그래프 유형별 특징과 활용법 이해효과적인 차트 선택법 및 데이터 분석 기법 학습2. 데이터 시각화 개요2-1. 데이터 사우루스데이터의 패턴이 동일해 보여도 시각화 방법에 따라 해석이 달라질 수 있음을 보여주는 예제.2-2. 효과적인 차트 선택법데이터를 효과적으로 전달하기 위해 적절한 차트 유형을 선택하는 방법을 설명.참고 자료: Chart Suggestions A Thought Scatter (Andrew Abela)2-3. Tableau 차트 소개Tableau에서 제공하는 다양한 차트 유형(24개) 및 활용법 정리.예시 차트 유형:막대 그래프(Bar Chart)선 그래프(Line Plot)파이 차트(Pie Chart)트리맵(Treemap)..

Tableau 소개2-1. Tableau 구조Tableau Prep: 데이터 전처리 담당Tableau Desktop: 데이터 시각화 수행Tableau Cloud (Online): SaaS 기반으로 Tableau Server 기능 제공Tableau Server: 대시보드 게시 및 배포 기능2-2. 실무에서 누가 사용할까?Creator: 원본 데이터 편집, 대시보드 편집 및 게시 가능Explorer: 대시보드 편집 및 게시 가능Viewer: 공유된 대시보드 보기만 가능주요 사용자는 데이터 분석가, BI 분석가, 데이터 엔지니어 등3. 실습 환경 준비Tableau 평가판 다운로드 가능Tableau Public vs Tableau Desktop 비교 (공유 방식 차이)Tableau Cloud 로그인 및 실습 진..

태블로(Tableau)를 처음 배우는 경우, 다음과 같은 핵심 개념과 기능을 중점적으로 익히면 효과적으로 활용할 수 있을 것 같다.1. 기본 개념 이해데이터 연결: 엑셀, CSV, 데이터베이스(SQL 등)와 연결하는 방법 익히기데이터 변환: 차원(Dimension)과 측정값(Measure)의 차이 이해하기필터(Filter)와 정렬(Sort): 데이터 시각화를 위한 필터링과 정렬 방식 학습2. 데이터 시각화 및 차트 유형기본 차트: 바 차트, 라인 차트, 히트맵, 트리맵, 스캐터 플롯 등 만들기맵 시각화: 지리적 데이터 활용한 지도(Map) 만들기테이블 & 하이라이트: 데이터 강조 및 테이블 형식 활용혼합 차트: 듀얼축 차트, 스택형 차트 등 결합된 시각화 기법3. 계산 및 분석 기능계산 필드(Calcul..

본 회귀 분석에서는 **선형 모델(OLS 회귀)**을 활용하여 데이터의 관계를 평가하였으나, 여러 가지 문제점이 발견되었습니다.1️⃣ 모델 문제점 및 비선형성 가능성F-통계량 및 p-value가 NaN으로 나타남이는 선형 모델이 적절하지 않을 가능성이 높음을 시사하며, 회귀 분석이 정상적으로 수행되지 않았을 가능성이 큽니다.표준 오차(inf) 발생일부 회귀 계수의 표준 오차가 무한대(inf)로 나타나, 다중공선성 문제 또는 데이터 부족으로 인해 모델이 불안정할 가능성이 있습니다.R² = 1.000 (완벽한 결정계수) → 과적합 가능성R² 값이 1.0으로 나타났지만, 이는 모델이 훈련 데이터에 과적합(Overfitting)되었을 가능성이 큽니다.실제 예측력은 떨어질 가능성이 있어, 보다 일반화된 모델링이 ..

# 필요한 함수 다시 정의 def evaluate_model(y_test, y_pred, model_name):     r2 = r2_score(y_test, y_pred)     mae = mean_absolute_error(y_test, y_pred)     rmse = mean_squared_error(y_test, y_pred, squared=False)     return {'Model': model_name, 'R² Score': r2, 'MAE': mae, 'RMSE': rmse} # Random Forest 모델 학습 (다시 정의 후 실행) rf = RandomForestRegressor(n_estimators=100, random_state=42) rf.fit(X_train, y_trai..

환경 변수와 생육 변수 간의 상관관계 히트맵을 생성했다. 이를 통해 다음과 같은 인사이트를 얻을 수 있다.CO₂ 사용량과 생육 변수:CO2_usage는 flowerTop(꽃 개수), grwtLt(생장 길이), hvstGrupp(수확 그룹 수)와 유의미한 양의 상관관계를 보인다.이는 CO₂ 공급이 토마토 생육 촉진에 긍정적인 영향을 미칠 가능성이 있음을 시사한다.난방 에너지 사용량과 생육 변수:heating_energy_usage는 stemThck(줄기 두께)와 약한 상관관계를 가지며, 일정 수준의 온도 조절이 생육에 영향을 줄 가능성이 있음.수확량과 에너지 사용량:hvstGrupp(수확 그룹 수)와 heating_energy_usage, CO2_usage 간의 연관성이 나타남.에너지를 적절히 투입할 경우..