이미 소장하고 있다면 판매해 보세요.
- 해외배송 가능?
- 문화비소득공제 가능
이 상품의 태그
상세 이미지
책소개
목차
|
｜1장 ｜ 데이터 드리븐 보고
1.1 일상의 보고 상황 1.2 데이터 드리븐 의사결정이란 _1.2.1 일상부터 비즈니스 의사결정까지 _1.2.2 데이터 드리븐 흐름 _1.2.3 데이터 드리븐 효과 1.3 데이터 드리븐 보고란 _1.3.1 데이터 드리븐 보고에 관한 오해들 _1.3.2 데이터 드리븐 보고의 여섯 가지 유형 _1.3.3 데이터 드리븐 보고가 나와 무슨 관계가 있을까? 1.4 데이터 드리븐 보고 5원칙 _1.4.1 설명 가능해야 한다 _1.4.2 데이터 드리븐 보고는 중립적이지 않다 _1.4.3 문제를 정의할 수 있어야 한다 _1.4.4 MVP부터 시작하라 _1.4.5 추론과 예측을 구분하라 ｜2장 ｜ 데이터 드리븐 보고 절차 2.1 데이터 드리븐 보고 전략 2.2 분석 전 알아야 하는 용어 _2.2.1 독립변수와 종속변수 _2.2.2 테이블, 행과 열 _2.2.3 데이터 분리 _2.2.4 모델링 2.3 분석 목표 설정 _2.3.1 분석 목표(가설)를 확실하게 정의하라 _2.3.2 의사결정자에게 최대한 많이 질문하라 2.4 계획서 작성 _2.4.1 분석 계획서의 필수 요소 2.5 데이터 선정 _2.5.1 데이터 수집 _2.5.2 EDA & 데이터 정제 2.6 분석 방법 결정 및 해석/검증 _2.6.1 기본 통계 _2.6.2 가설검정 _2.6.3 선형회귀분석 _2.6.4 분류예측모델 2.7 보고 대상자에 따른 보고 방식 _2.7.1 실무자용 보고 _2.7.2 의사결정자용 보고 ｜3장 ｜ 데이터 드리븐 보고 실전 사례 with 챗GPT 3.1 데이터와 친해지자: EDA & 기술통계 [사례] 행복에 영향을 미치는 변수와 국가별 행복지수 분석하기 _3.1.1 상황 _3.1.2 분석 목표 파악하기 _3.1.3 분석 계획 세우기 _3.1.4 데이터 선정하기 _3.1.5 EDA 수행하기 _3.1.6 해석하기 _3.1.7 보고하기 _3.1.8 챗GPT 활용하여 EDA 수행하기 3.2 데이터도 백문이 불여일견: 데이터 시각화 [사례] 회사의 중장기 인력구조 예측, 분석, 시각화하기 _3.2.1 상황 _3.2.2 분석 목표 파악하기 _3.2.3 분석 계획 세우기 _3.2.4 데이터 선정하기 _3.2.5 EDA 수행하기 _3.2.6 분석 및 예측 방법 결정하기 _3.2.7 시각화하기 _3.2.8 해석하기 _3.2.9 보고하기 _3.2.10 챗GPT 활용하여 시각화하기 3.3 당신의 질문에 데이터가 답한다: 가설검정 [사례] 마케팅 효과 분석 및 최적의 광고 플랫폼 찾기 _3.3.1 상황 _3.3.2 분석 목표 파악하기 _3.3.3 데이터 선정하기 _3.3.4 분석 방법 결정하기 _3.3.5 해석하기 _3.3.6 보고하기 _3.3.7 챗GPT 활용하여 가설검정하기 3.4 데이터에 맞는 직선을 찾아라: 선형회귀분석 [사례] 유학 컨설팅을 위한 해외 대학 합격률 분석하기 _3.4.1 상황 _3.4.2 분석 목표 파악하기 _3.4.3 분석 계획서 작성하기 _3.4.4 데이터 선정하기 _3.4.5 EDA 수행하기 _3.4.6 분석하기 _3.4.7 해석하기 _3.4.8 컨설팅하기 _3.4.9 챗GPT 활용하여 회귀분석하기 3.5 합격이냐 불합격이냐: 분류예측 [사례] 당뇨병 예측모델 수립 및 사전 예방 솔루션 제공하기 _3.5.1 상황 _3.5.2 분석 목표 파악하기 _3.5.3 분석 계획서 작성하기 _3.5.4 데이터 확인하기 _3.5.5 EDA 수행하기 _3.5.6 분석하기 _3.5.7 해석하기 _3.5.8 솔루션 제공하기 _3.5.9 챗GPT 활용하여 분류예측모델 만들기 3.6 대량의 텍스트 데이터를 이해하다: 토픽 모델링 [사례] 전 직원 대상 설문조사의 서술형 응답 분석하기 _3.6.1 상황 _3.6.2 결과물 미리 보기 _3.6.3 검증하기 _3.6.4 토픽 모델링 따라하기 _3.6.5 챗GPT 활용하여 워드 클라우드 만들기 ｜4장 ｜ 데이터 드리븐 커뮤니케이션 4.1 데이터 드리븐 커뮤니케이션의 필요성 _4.1.1 나의 연봉과 상사의 연봉이 다른 이유 _4.1.2 타이밍이 중요한 이유 4.2 데이터 드리븐 커뮤니케이션 구성 요소 _4.2.1 메시지 _4.2.2 시각화 _4.2.3 스토리 4.3 데이터 드리븐 커뮤니케이션 방법 _4.3.1 어떤 차트가 효과적인가 _4.3.2 어떤 도구를 써야 하는가 _4.3.3 어떤 전달 방식이 적합한가 4.4 스토리텔링 _4.4.1 스토리텔러의 핵심은 속임수? _4.4.2 스토리 만들기 4.5 데이터 드리븐 커뮤니케이션 체크리스트 _4.5.1 내가 이해하는 만큼 상대방도 이해한다 _4.5.2 보고는 내가 하고 싶은 이야기를 전달하는 것이 아니다 _4.5.3 나보다 보고 주제를 더 잘 아는 사람은 없다 _4.5.4 보고의 성패를 가르는 사전 준비 질문 _4.5.5 보고가 끝났다고 모든 일이 끝난 것은 아니다 |
저자 소개 1
영국 런던시티대학 베이즈 비지니스스쿨(Bayes Business School)에서 객원교수로 MBA 및 최고경영자 과정에서 데이터 분석과 LLM을 활용한 의사 결정을 주로 가르친다. 주요 연구 주제는 인간?AI 협업과 의사 결정 과정이며, 특히 판단자-조언자 시스템(Judge?Advisor System), 사회적 영향과 신뢰의 형성, 집단 의사 결정의 동학을 주제로, 인간과 AI가 함께 참여하는 조직 내 의사 결정이 어떻게 구조화되고 변화하는지를 이론적·실증적으로 분석하고 있다.
2021년 미국 듀크(Duke) 대학에서 데이터 사이언스 석사과정을 졸업하고, 스탠퍼드대학교(Sta
영국 런던시티대학 베이즈 비지니스스쿨(Bayes Business School)에서 객원교수로 MBA 및 최고경영자 과정에서 데이터 분석과 LLM을 활용한 의사 결정을 주로 가르친다. 주요 연구 주제는 인간?AI 협업과 의사 결정 과정이며, 특히 판단자-조언자 시스템(Judge?Advisor System), 사회적 영향과 신뢰의 형성, 집단 의사 결정의 동학을 주제로, 인간과 AI가 함께 참여하는 조직 내 의사 결정이 어떻게 구조화되고 변화하는지를 이론적·실증적으로 분석하고 있다.
2021년 미국 듀크(Duke) 대학에서 데이터 사이언스 석사과정을 졸업하고, 스탠퍼드대학교(Stanford University) 컴퓨테이셔널 컬처 랩(Computational Culture Lab)에서 문화 적합성(Culture Fit)을 연구했다. 실리콘밸리 피플 애널리틱스 스타트업에서 데이터 사이언티스트로 근무하기도 했다. 국내 복귀 후 공공기관에서는 최초로 만들어진 HR 애널리틱스팀에서 HR 데이터 피플 사이언티스트로 활동하며 감정분류모델, 인재추천시스템, HR 데이터레이크(HR Data Lake) 등을 개발하여 특허 출원을 했고, 영국 London Text Analytics 컨퍼런스, AI Seoul Summit, HR AI 포럼에서 해당 주제를 발표하기도 했다. 저서로 《데이터 드리븐 리포트》(2023), 《피플 애널리스트가 온다》(2024, 공저)가 있다.
2021년 미국 듀크(Duke) 대학에서 데이터 사이언스 석사과정을 졸업하고, 스탠퍼드대학교(Stanford University) 컴퓨테이셔널 컬처 랩(Computational Culture Lab)에서 문화 적합성(Culture Fit)을 연구했다. 실리콘밸리 피플 애널리틱스 스타트업에서 데이터 사이언티스트로 근무하기도 했다. 국내 복귀 후 공공기관에서는 최초로 만들어진 HR 애널리틱스팀에서 HR 데이터 피플 사이언티스트로 활동하며 감정분류모델, 인재추천시스템, HR 데이터레이크(HR Data Lake) 등을 개발하여 특허 출원을 했고, 영국 London Text Analytics 컨퍼런스, AI Seoul Summit, HR AI 포럼에서 해당 주제를 발표하기도 했다. 저서로 《데이터 드리븐 리포트》(2023), 《피플 애널리스트가 온다》(2024, 공저)가 있다.
이상석의 다른 상품
관련 분류
품목정보
- 발행일
- 2023년 10월 31일
- 쪽수, 무게, 크기
- 408쪽 | 742g | 183*235*16mm
- ISBN13
- 9791169211574
출판사 리뷰
|
데이터 유형별 효과적인 분석 기법 선정부터
설득을 위한 커뮤니케이션까지 실무에 바로 써먹는 데이터 기반 보고의 모든 것 비즈니스 영역에서 데이터 분석의 궁극적인 목적은 이해관계자를 설득하여 효율적인 의사결정을 내리는 데 있다. 데이터를 분석하는 역량만으로는 모든 결과를 가치 있게 만들 수 없다. 복잡하고 화려한 분석 결과물을 얻더라도 의사결정자에게 설득력 있게 전달하지 못한다면 그 데이터는 의미가 없다. 이 책은 문제 해결을 위한 올바른 문제 정의부터 데이터 수집, 정제, 분석 그리고 스토리텔링, 시각화까지의 과정을 통해 데이터로 이해관계자를 설득하는 데이터 드리븐(Data-Driven) 보고 능력을 키우는 방법을 상세하게 제시한다. 국가 공인 데이터분석전문가(ADP)이자 HR 데이터 과학자인 저자의 경험을 바탕으로 다양한 비즈니스 사례를 통해 상황별 가장 적합한 분석 기법을 어떻게 선택하는지 익힐 수 있다. 또한 방대한 양의 데이터에서 핵심 인사이트를 찾아내고 이를 설득력 있는 보고로 만들어내는 방법뿐만 아니라, 상대방이 가진 편향을 고려해 효과적으로 의사소통하는 방법까지 얻을 수 있다. 데이터 중심의 의사결정을 하고자 하는 데이터 분석가의 필독서로, 데이터 분석 사고의 폭을 넓히고 데이터를 기반으로 한 보고 방식에 대한 명쾌한 해답을 얻을 수 있을 것이다. 내용 구성 1장. 데이터 드리븐 보고 일상에서 데이터를 기반으로 의사결정하는 사례를 소개하고 데이터 드리븐 의사결정이 비즈니스에 어떻게 적용되는지 알아본다. 2장. 데이터 드리븐 보고 절차 성공적인 데이터 드리븐 보고를 위한 ON AIR 분석 절차를 단계별로 설명한다. 3장. 데이터 드리븐 보고 실전 사례 with 챗GPT 실제 비즈니스에 활용되는 데이터셋을 통해 데이터 형식과 보고 목적이 각각 다른 여섯 가지 사례를 실습한다.- 행복에 영향을 미치는 변수와 국가별 행복지수 분석하기 - 회사의 중장기 인력구조 예측, 분석, 시각화하기 - 마케팅 효과 분석 및 최적의 광고 플랫폼 찾기 - 유학 컨설팅을 위한 해외 대학 합격률 분석하기 - 당뇨병 예측모델 수립 및 사전 예방 솔루션 제공하기 - 전 직원 대상 설문조사의 서술형 응답 분석하기 4장. 데이터 드리븐 커뮤니케이션 데이터를 기반으로 의사소통할 때 꼭 점검해야 할 체크리스트와 보고 대상자에 따른 맞춤형 커뮤니케이션 방법을 안내한다. 주요 내용 - 데이터에 기반한 보고 방법 - 보유한 데이터 특성에 따른 적절한 데이터 분석 기법 선정 방법 - 데이터 분석 결과물을 바탕으로 설득 대상에 따라 효과적으로 의사소통하는 방법 - 실제 분석 업무에 적용할 수 있는 단계별 실습 사례 - 구글 콜랩, 파이썬, 챗GPT를 실제 보고에 활용하는 방법 - 선형회귀분석을 통한 고객 설득 방법 - 수치형, 범주형 데이터에 적용하는 추론과 분류예측 방법 - 텍스트 데이터에 적용하는 워드 클라우드와 토픽 모델링 방법 대상 독자 - 파이썬 기초 문법을 알고 데이터 분석을 해본 적 있는 사람 - 데이터를 근거로 의사결정자 또는 이해관계자를 설득하고 싶은 사람 - 다양한 상황별로 적합하고 효율적인 분석 기법을 알고싶은 사람 - 분석 업무에 챗GPT를 활용하고 싶은 사람 - 데이터분석전문가(ADP), 빅데이터분석기사를 준비하는 사람 먼저 읽은 베타리더의 한 마디 - 비즈니스와 맞닿아 있는 신선한 사례들을 경험할 수 있고 실무에 적용하는 데 큰 도움을 준다. _김수현 - 데이터에 익숙하지 않은 주니어를 포함하여 이미 관련 경험이 있는 매니저급도 자신의 역량을 한 단계 끌어올릴 수 있을 것이다. _윤명식 - 데이터 분석, 시각화 코드 생성, 분석 결과를 보고서화하기 위한 챗GPT 프롬프트까지 알찬 내용만 담겨 있다. _윤세완 - 데이터 기반의 보고를 주저하는 직장인에게 자신감을 심어주고 끝내 보고할 수 있게 만든다. _정보영 - 편견과 인지 편향으로 가득한 상사를 설득하기 위한 체계적인 프레임워크를 제시한다. _조현석 - 데이터에 관심이 있고 분석을 할 줄 알아도, 이를 활용하는 방법 및 보고의 실체에 대해 감이 잡히지 않는다면 반드시 이 책을 읽어야 한다. _최철훈 |
추천평
|
이 책의 제목과 목차 구성에 매우 동의한다. 대부분의 데이터 관련 책들은 분석 자체에 관해서만 설명하는 반면, 이 책은 분석 결과로 이해관계자를 ‘설득’하는 것에 그 목적을 둔다. 이 책에서는 보고가 모든 분석가의 실질적인 목표라는 점을 분명히 하고 분석을 위한 분석이 아닌 ‘보고를 위한 분석’에 역점을 둔다. 특히 3장의 각 절을 모두 ‘상황’으로 시작해 실제 업무에서 충분히 발생할 수 있는 상황을 가정함으로써 데이터 분석을 더욱 생생한 설득의 도구로 만들어준다. 실무자에게 꼭 필요했던, 보고를 위한 데이터 분석 책을 집필해준 저자에게 무한한 감사를 드린다. - 강양석 (딥스킬 대표, 『데이터 리터러시』 저자)
|
|
‘데이터’를 활용해 스스로를 변화시켜 성장하고 이 시대에서 살아남고 싶은 모든 이가 읽어야 할 책이다. 저자는 변화무쌍한 시대의 흐름을 읽고 기술을 발 빠르게 학습했다. 그리고 혁신적인 변화에 따라 우리의 사고방식과 일하고 의사소통하는 방식을 어떻게 전환해야 하는지 이 책을 통해 몸소 보여준다. 독자는 데이터를 기반으로 하는 의사결정의 중요성과 분석한 데이터를 실제 조직에 어떻게 적용하는지 알 수 있고, 나아가 비즈니스 인사이트까지 얻을 수 있을 것이다. - 이중학 (가천대학교 경영대학원 인사조직 HR 데이터 분석 교수)
|
29,700원
총 1개
29,700원
