ARAMDAUN

0. 스몰 브랜드북: 작은 브랜드를 위한 지침서 스몰 브랜드북 소개에 앞서, 우선 이 책을 만든 ‘스몰레터’에 대해 먼저 설명을 하고자 한다.스몰레터는 약 2,000개의 작은 브랜드와 함께 ‘스몰브랜더’가 직접 만드는 팁과 사례 중심의 인사이트 뉴스레터이다. 작은 브랜드를 위해 사례 중심으로 뉴스레터를 제공해오고 있다.스몰레터를 통해 소개된 사례들과 좋은 결과를 낸 작은 브랜드의 사례를 더한 책이 스몰브랜드북이다. 는 총 6권으로 구성되어 있다.(원래는 4권이었는데, 이번에 2권이 새롭게 출간된 듯하다)콘텐츠마케팅고객경험판매전략운영전략제품‘작은 브랜드를 위한 지침서’라고 되어 있어 구매하는 것에 대해 고민이 되었다. 그렇지만 각 브랜드별로 요즘 진행하고 있는 마케팅, 더 나아가서 이를 통한 브랜딩을 어떻..

해당 포스팅은 책 '선형대수와 통계학으로 배우는 머신러닝 with 파이썬'으로 공부하여 정리한 포스팅입니다.  1. 선형대수와 머신러닝의 관계선형대수를 이해하고 학습하면 머신러닝 알고리즘의 원리와 작동 방식을 이해하고 데이터를 효과적으로 다루고 모델을 설계 및 개선하는데에 도움이 됨 1) 데이터 표현 : 행렬과 벡터- 데이터는 행렬이나 벡터 형대로 표현됨- ex. 이미지 데이터 : 픽셀 값을 요소로 하는 행렬로 표현됨 2) 선형변환과 행렬 연산- 선형대수는 행렬과 벡터의 연산에 대한 이론과 기법을 제공- 연산은 머신러닝 모델의 학습과 예측에 사용됨 (ex. 행렬 곱셈)- 입력 데이터에 선형 변환을 적용하는데, 선형 변환은 행렬 곱셈으로 나타내며 이를 통해 데이터는 새로운 형태로 변환되거나 다른 공간으로 ..

xAPI란? 1. 표준 데이터 xAPI란? 학습 분석 데이터 현재 에듀테크 분야가 지속적으로 발전하고 있으며 이 분야에서도 데이터가 매우 중요한 역할을 하고 있다 하지만 데이터를 수집하기 위한 사용자의 플랫폼, 기기 등 매우 다 ars420.tistory.com xAPI Statements - xAPI에서 추적할 경험 및 이벤트의 증거 - JSON 형태 - 개별 경험들을 합쳐 전체적인 의미를 제공하기 위해 집계 및 분석되도록 의도됨 ✅ 필수요건 - Statements와 다른 객체는 빈 객체의 값을 포함해서는 안된다 - Statements는 각 Property를 한 번 이상 사용해서는 안된다 - Statements는 actor, verb, object를 사용해야 한다 - Statements는 Propert..

학습 분석 데이터 현재 에듀테크 분야가 지속적으로 발전하고 있으며 이 분야에서도 데이터가 매우 중요한 역할을 하고 있다 하지만 데이터를 수집하기 위한 사용자의 플랫폼, 기기 등 매우 다양해졌기 때문에 정확한 데이터가 수집이 어려우며 각각의 환경에 맞춰진 데이터가 수집되고 있다 학습 분석(Learning Analytics)은 학습 데이터를 교육적 목적이나 문제 해결을 위한 행동으로 전환시키기 위해 진행된다. 이를 통해서 개개인의 환경을 이해하고 맞춤 환경을 조성하여 학습에 대한 동기 부여를 하고자 한다. 다양한 디지털 기기에서 방대한 양의 학습 데이터가 수집되고 있기 때문에 서로 다른 유형의 데이터들을 통합하여 분석하는 것도 중요해지고 있다. 이러한 역할을 하기 위해 국제 표준화 기구에서 학습 분석 기술 ..

1. 워드넷 (WordNet) - Thesaurus 방법의 일종 - 영어 어휘 데이터베이스 - python NLTK 라이브러리를 활용 - 단어가 동의어 별로 그룹지어져 있기 때문에 단어 사이의 유사도를 계산할 수 있음 - 유사도는 0~1까지의 값을 가짐 - 유사도의 값이 높을수록 의미가 비슷한 단어 [참고] 시소러스(Thesaurus) - 단어의 의미에 따라 분류, 배열한 일종의 유의어 사전 - 문제점 - 시대 변화에 대응하기 어려움 - 사람을 쓰는 비용이 큼 - 단어의 미묘한 차이를 표현할 수 없음 시소러스를 활용한 단어 의미 파악 - Natural Language Processing with PyTorch 그림을 보면 'bank'라는 단어에 대해 명사noun일 때의 의미 10개, 동사verb일 때의 ..

스타터스 교육에 대한 회고 벌써 12주차가 지나고 스타터스 교육이 끝이 났다! 길면 길고 짧으면 짧은 3개월이 생각보다 빠르게 흘러갔다. 3개월동안 많은 것들을 배울 수 있었으며 좋은 사람들과 좋은 시간을 보낼 수 있었다. 매우 알찼던 3개월이었다. 이렇게까지 내가 열심히 살았던 적이 있을까 싶을 정도로 열심히 공부했고, 그로 인해 여러 방면으로 많이 성장하였다. (긴 글 주의.. 학습일지보다는 과거회상...⭐) 하나의 터닝 포인트, 스타터스 합격 사실, 스타터스에 합격하게 된 것만으로도 정말로 큰 행운이자 기회였다. 스타터스 4기 데이터 분석의 경쟁률은 49:1이었다. 580명의 지원자 중 15명이 합격을 하였으며, 그 중에 내가 있었다. 매번 데이터 분석가에 지원하게 될 때마다 불합격을 해서 자신감이..

11주차 교육에 대한 회고 (4L) 이번 주는 생각보다 너무 많이 힘들었다... 미니 프로젝트부터 최종 평가까지... 프로젝트와 최종 평가 공부를 한 번에 하다보니까 꽤나 힘들었다ㅠㅠ 최대한 둘 다 열심히 하려고 노력했는데, 좋은 결과가 있으면 좋겠다! 벌써 다음 주가 이 교육의 마지막이다... 그리고 대망의 해커톤이 진행된다! 이 날이 올 줄은 몰랐는데, 벌써 올 줄이야.. 긴장되기도 하며 후련할 것 같기도 하며 아무 생각도 없기도 하다!😵 해커톤에서 어느 누구와 같은 조가 되어도 우리 모두가 좋은 결과를 낼 것 같아서 이런 부분은 전혀 부담이 되지 않아서 좋다. 모두가 다들 열심히 하고 잘하기에 순위는 큰 의미가 없지 않을까 싶다!!! 그렇기에 내가 해커톤에서 3개월동안 쌓아온 역량을 얼마나 잘 발휘..

1. 월 별 매출액 분석 1.1 월 별 매출액, 주문건수, 구매자수 추출 SELECT to_char(o.order_date, 'YYYY-MM') AS order_month , sum(od.unit_price * od.quantity * (1-od.discount)) AS sales , count(DISTINCT o.order_id) AS 주문건수 , count(DISTINCT c.customer_id) AS 구매자수 FROM orders o INNER JOIN order_details od ON o.order_id = od.order_id INNER JOIN customers c ON o.customer_id = c.customer_id GROUP BY 1 ORDER BY 1; 1.2 월 별 인당 평균 ..

1. 팀 과제 발표자료 어제 열심히 만든 팀 과제 발표자료이다! 1.1 분석 목적 어제 분석한 이탈률을 통해 기존 고객의 이탈률이 높은 것을 확인하였으며, 기존 고객의 이탈을 줄이고 재구매를 할 수 있도록 기존 고객을 타겟으로 설정하는 것이 신규 고객을 유치하는 것보다 더 중요하고 비용이 적게 들 것으로 판단이 됨 1.2 지표 설정 ✔ RFM 분석을 통한 R, F, M 지표를 설정한 기준을 보여주었으며, 이렇게 기준을 설정한 이유도 설명함 ✔ RFM 점수를 기준으로 설정한 고객의 등급을 보여줌 (VVIP ~ BRONZE, FAMILY, SLEEPING 등급) 1.3 분석 흐름 전체 데이터셋 분석 → 분석 목적 설정 (고객 중심 분석) → 타겟 설정 (기존 고객) → RFM 지표 설정 (등급 설정) → 각..

1. 분석할 항목 ✅ RFM을 통한 고객 유지 ① 이탈률 → 앱 푸쉬 알림, 00님을위한 추천목록, ~~까지 사용할 수 있는 쿠폰 발급 ② R이 3인값(휴면X) 안에서 F+M 을통해 1등급 부터 5등급까지 나눠 해택주기 ③ 지역별 매출액 비교 : 지역별 top 3의 top3 도시 ✅ 전체적인 고객 유지 ④ 시간대 별 주문건수 변화 (00시부터 24시까지 6시간씩) ⑤ 계절성 확인(어느 분기 or 월에 전체적으로 소비가 늘어나는지) → 많이들 찾는 제품으로 중/하위 고객 ⑥ 등급별 상위 판매 카테고리 2. 쿼리 작성 2.1 필요 컬럼만 있는 join table 생성 미리 필요한 테이블과 컬럼들을 선정하여 각 테이블을 조인한 테이블을 생성함 customers orders order_payments produ..