2024. 10. 4. 11:19ㆍGCC/데이터 애널리틱스
캡스톤 개론
캡스톤 프로젝트 소개
캡스톤 프로젝트: 데이터 애널리틱스 사례 연구
학습한 모든 내용을 실제로 활용할 수 있는 캡스톤 프로젝트를 중심으로 진행됩니다. 캡스톤은 일반적으로 데이터 애널리틱스 사례 연구 활동을 포함하며, 이를 통해 학습자들은 데이터를 분석하고, 새로운 기술을 실습하며, 구직 과정에서 활용할 수 있는 포트폴리오를 만들 기회를 얻게 됩니다.
사례 연구 활동의 역할
사례 연구 활동은 구직 과정에서 매우 중요한 단계로, 기업들은 이를 통해 지원자의 데이터 분석 능력을 평가합니다. 기업마다 요구하는 작업이 다를 수 있지만, 일반적으로는 데이터 정리 및 분석, 프로젝트 성공을 위한 제안, 성공 측정 지표 정의 등의 작업을 요구할 수 있습니다. 대부분의 경우 제한된 시간(24~48시간 내)에 프로젝트 제안서를 작성하는 것이 일반적입니다.
핵심 요소: 사고 과정의 시각화
사례 연구 활동에서 완벽한 답변을 요구하지 않으며, 중요한 것은 지원자가 문제에 접근하는 방식입니다. 이를 통해 분석적 사고 과정을 보여주는 것이 면접관이 평가하는 주요 포인트입니다. 이번 수료증 과정에서 배운 데이터 분석 프로세스를 사용하여 이 사고 과정을 명확하게 전달할 수 있습니다.
예시 프로젝트: 직원 감소율 예측
스크립트에서는 HR 업계의 직원 감소율 예측 프로젝트가 예시로 제시되었습니다. 이 프로젝트에서는 다음과 같은 목표가 포함됩니다:
- 직원 퇴사 비율 예측
- 퇴사 원인 분석
- 향후 5년간의 직원 퇴사 가능성 계산
- 근속률 개선 방안 제안
이를 통해 구체적 목표에 맞는 데이터를 분석하고, 결과와 제안 사항을 프레젠테이션 형식으로 요약하여 제출하는 것이 요구됩니다.
포트폴리오 작성의 중요성
캡스톤 프로젝트 외에도, 개인 포트폴리오 작성이 구직 과정에서 지원자를 돋보이게 만드는 중요한 요소로 작용합니다. 포트폴리오에는 자신이 수행한 사례 연구 활동을 포함하며, 이를 GitHub, Kaggle, Tableau 같은 플랫폼에 업로드하고, 이력서에 링크를 추가하여 면접관에게 과거 프로젝트 경험을 보여줄 수 있습니다. 포트폴리오는 지원자의 스킬과 문제 해결 능력을 증명할 수 있는 도구가 됩니다.
캡스톤 프로젝트에서는 다음을 연습합니다.
- 데이터 분석 과정의 질문, 준비, 처리, 분석, 공유 단계
- 비즈니스 작업을 명확하게 기술
- 실제 데이터 세트에서 데이터 가져오기
- 데이터 세트에서 수행하는 모든 데이터 정리 작업 문서화
- 데이터 분석
- 분석 결과의 데이터 시각화 자료 생성
- 분석의 핵심 결과 요약
- 결론 및 제안사항 문서화
- 사례 연구 활동 고안 및 게시
실제 포트폴리오 살펴보기
앞서 채용에 관심이 있는 기업과 공유하는 샘플이 포트폴리오에 포함되어 있다는 사실을 배웠습니다. 사례 연구 활동은 포트폴리오에 포함할 수 있는 데이터 애널리틱스 사례 또는 연습 프로젝트입니다. 온라인 포트폴리오를 작성한 뒤 이력서에 포트폴리오 링크를 추가하세요. 여러분이 어떤 사람이며 어떤 스킬을 가졌는지 보여주는 포트폴리오가 있으면 채용에 관심이 있는 기업의 시선을 사로잡을 수 있습니다. 이 강좌에서 완료하는 사례 연구 활동을 여러분의 포트폴리오에 사례로 추가하세요.
이 읽기 자료에서는 포트폴리오를 작성할 때 염두에 두어야 할 몇 가지 중요한 요소를 알아봅니다. 포트폴리오를 호스팅할 수 있는 플랫폼인 GitHub와 Kaggle도 살펴봅니다. Kaggle에서 데이터 애널리스트 두 명의 전문 프로필을 살펴보고 포트폴리오에 어떤 내용을 포함했는지 확인해봅니다.
포트폴리오 작성에 관한 자세한 내용
무엇보다 포트폴리오는 여러분 자신의 작업물을 드러내야 합니다. 다른 포트폴리오에서 아이디어를 얻는 것도 좋지만, 타인의 작업물을 복사(혹은 약간만 수정)하여 본인의 포트폴리오에서 공유해서는 절대 안 됩니다.
또한 특정 기업 또는 고객을 위해 데이터 애널리스트로서 프로젝트를 수행하는 경우 해당 작업물은 해당 비즈니스의 소유라는 사실을 반드시 기억해야 합니다. 대부분의 경우 사전에 직접적이고 명시적인 허가를 받지 않은 이상 개인 포트폴리오에서 해당 작업물을 공개적으로 공유할 수 없습니다.
마지막으로 공개 또는 공공 데이터 세트도 주의해야 합니다. 개인적으로 수집한 데이터를 사용하는 경우를 제외하고 포트폴리오에 데이터와 관련된 내용을 게시하기 전에 데이터 소유자의 허가를 받으세요. 여러분은 필요에 따라 적절한 허가를 받아, 게시한 내용에 대해 언제나 모든 책임을 져야 합니다.
이제 포트폴리오를 호스팅할 수 있는 세 가지 플랫폼을 검토해보겠습니다.
개인 웹사이트
포트폴리오를 호스팅하기 위해 개인 웹사이트 를 제작하면 여러분의 전문성을 드러낼 만한 성격이나 배경정보를 보여주기 좋습니다. 예를 들어 협동심, 회복 탄력성, 끈기를 드러내는 경험을 공유할 수도 있습니다. 여러분이 공유하기로 선택하는 모든 정보는 다른 사람들이 알아도 괜찮은 내용이어야 합니다.
예를 들어 데이터 애널리스트 빌 요스트의 웹사이트 에 게시된 시각화 자료는 Tableau 시각화 자료를 만드는 빌 요스트의 능력을 보여주지만, 동시에 암 투병이라는 개인적인 스토리도 전달합니다. 따라서 채용에 관심이 있는 기업은 빌의 스킬과 함께 빌이 어떤 사람인지에 관해서도 알게 됩니다.
시각화를 통한 데이터 공유 강좌에 소개된 가이드라인에 따르면 빈 공간에 작성된 주석이 다소 복잡해 보이지만, 이 시각화 자료의 핵심은 개인적인 스토리를 공유한다는 개념입니다.
GitHub
GitHub 는 주로 개발자가 코드 저장소로 사용하는 호스팅 플랫폼이지만 문서 저장소로도 사용할 수 있습니다. 앞선 강좌에서는 기억해야 할 내용, 특히 SQL 또는 R 구문과 관련된 내용을 전자 노트에 기록하라는 팁을 다뤘습니다. 전자 노트의 내용이 특히 유용하다면 GitHub 에서 포트폴리오용 문서를 만들어보세요. GitHub 사용자가 게시한 R 사용 팁 리드미 문서를 참고해보세요.
Kaggle
Kaggle 계정이 있다면 포트폴리오와 개인적인 배경정보를 호스팅하는 플랫폼으로 Kaggle을 사용하세요. 다음의 프로필 사례를 살펴보세요.
두 명의 프로필에는 각자가 참가한 Competitions, 직접 생성한 데이터 세트, 참여한 토론이 나와 있습니다. Kaggle Competitions 는 프로그래밍 및 머신러닝 커리어의 모든 단계에서 사람들이 도전하는 도전 과제입니다. YouTube 동영상에서 Kaggle Competitions 에 참가하는 방법 확인해보세요. 제시와 멕의 프로필에는 모두 LinkedIn, Twitter 와 같이 다른 소셜 미디어 플랫폼에서 이들을 팔로우할 수 있는 링크가 포함되어 있습니다.
Jupyter Notebook 은 실시간 코드, 방정식, 시각화 자료, 내러티브 텍스트가 포함된 문서를 만들고 공유하는 데 사용할 수 있는 오픈소스 웹 애플리케이션입니다. Kaggle은 브라우저에서 Jupyter Notebook 환경에 액세스할 수 있도록 지원합니다. 제시와 멕 역시 Kaggle 에 노트북을 운영하고 있습니다. Kaggle 을 사용해서 채용에 관심이 있는 기업이 볼 수 있도록 나만의 노트북을 생성해보세요.
- 제시 모스티팍의 노트북 링크를 클릭하여 제시의 노트북을 확인해보세요.
- 멕 리스달의 노트북 링크를 클릭하여 멕의 노트북을 확인해보세요.
데이터 애널리스트를 위한 샘플 사례
권장사항
사례 연구 활동과 포트폴리오 작성의 권장사항에 대해 자세히 알아보고, 다른 데이터 애널리스트들의 작업물을 예시로 살펴보았습니다. 주요 내용은 다음과 같습니다.
1. 사례 연구 활동의 중요성
사례 연구 활동을 진행할 때는 주어진 질문에 명확히 답하고 있는지 확인하는 것이 중요합니다. 기업이 요구하는 데이터 분석 결과와 함께 분석 과정과 가정을 설명해야 하며, 이를 통해 문제 해결 능력과 사고 과정을 보여줄 수 있습니다.
예시: Data Partners Real Estate
이 예시에서는 2020년 전매 실적 평가라는 질문을 던졌습니다. 지원자는 시장 데이터를 분석하여 특정 주택 가격대의 성과 부진을 파악하고, 그에 따른 잠재 원인과 개선 방안을 제시했습니다. 이러한 과정에서 SQL 쿼리와 스프레드시트를 사용하여 분석 결과를 공유했으며, 프레젠테이션에서는 단계별 분석 과정과 결론을 전달했습니다. 이처럼 데이터 분석뿐만 아니라 작업 과정을 명확하게 설명하는 것이 중요합니다.
2. 포트폴리오 작성 권장사항
포트폴리오는 개인의 기술 스킬과 문제 해결 방식을 보여줄 수 있는 중요한 도구입니다. 포트폴리오에는 자신이 수행한 사례 연구 활동을 포함할 수 있으며, 이는 GitHub, Kaggle, Tableau 같은 플랫폼에 업로드할 수 있습니다. 포트폴리오 작성 시 다음 사항을 고려해야 합니다:
- 개인적이고 개성 있고 단순한 포트폴리오: 포트폴리오는 여러분의 성격과 관심사를 드러낼 기회입니다. 개인적인 경험과 관련된 분석 자료나 스토리를 포함하여 개성을 드러내는 것이 좋습니다.
- 관련성과 심미성: 특정 직무에 관심이 있다면 그에 맞는 관련 스킬을 강조하도록 포트폴리오를 구성하고, 항상 최신 상태로 유지해야 합니다.
예시: 데이터 시각화를 통한 암 투병 스토리
한 애널리스트가 자신의 암 투병 과정과 마라톤 준비를 데이터 시각화로 표현한 예시가 제시되었습니다. 이를 통해 개인적인 스토리뿐만 아니라 데이터 분석 기술과 스토리텔링 능력을 함께 보여주고 있습니다.
예시: Kaggle 및 GitHub 포트폴리오
다른 예시로는 Kaggle 사용자가 본인의 관심사에 따라 작성한 다양한 노트북을 포트폴리오에 포함한 사례가 소개되었습니다. R에서 작업한 Palmer Penguins 데이터를 사용한 분석뿐만 아니라 개인적으로 좋아하는 비디오 게임에 대한 분석도 포함하여 개성을 나타냈습니다.
또한 GitHub 포트폴리오의 예시에서는 여러 페이지로 연결되는 목차를 사용해 간결하고 탐색하기 쉬운 R 튜토리얼 목록을 구성했습니다. 재치 있는 표지 삽화를 추가하여 포트폴리오가 지루하지 않도록 구성한 점도 강조되었습니다.
3. 사례 연구 활동 및 포트폴리오의 최종 목표
포트폴리오 작성 시, 자신이 수행한 사례 연구 활동을 모아 개성 있게 구성하고, 이를 통해 자신의 기술력과 문제 해결 방식을 부각시키는 것이 중요합니다. 포트폴리오는 단순히 기술을 나열하는 것이 아니라, 여러분이 어떤 사람인지, 어떤 가치관을 가지고 있는지를 보여줄 수 있는 도구입니다.
포트폴리오 및 사례 연구 활동 체크리스트
포트폴리오에 포함해야 하는 내용
데이터 애널리틱스 경력이 없더라도 여러분의 새로운 스킬을 드러내고 여러분에 관한 정보를 제공하는 훌륭한 포트폴리오를 작성할 수 있습니다. 포트폴리오에 포함해야 하는 항목은 다음과 같습니다.
- 자기소개: 포트폴리오의 주목적은 기억에 남는 강렬한 자기소개입니다. 간결하고 명확하게 자신을 소개하세요. 포트폴리오를 읽는 사람의 관심을 사로잡고, 여러분을 만나 여러분에 관해 더 알고 싶게 만들어야 합니다.
- 연락처 페이지: 이메일, 전화(편한 경우) 또는 소셜 미디어 핸들(특히 LinkedIn)을 통해 다른 사람들이 여러분에게 연락할 수 있는 방법을 포함해야 합니다. 보편적인 웹사이트 작성 도구를 사용하는 경우 웹사이트에 기본 제공되는 연락처 양식이 있을 수도 있습니다.
- 이력서: 앞서 이력서에 전문적인 스킬 추가 및 이력서에 소프트 스킬 추가 읽기 자료에서 자신의 스킬과 경험을 반영하는 이력서를 작성하는 방법을 배웠습니다. 포트폴리오에 이력서를 포함해야 합니다.
- 성과: 과거의 경험에만 국한될 필요가 없습니다. 여러분이 생각하기에 가치 있는 현재의 커리어를 포함하세요. 가치 있는 커리어란 취득한 수료증, 참석한 데이터 애널리틱스 행사, 직접 게시한 블로그 게시물 등입니다.
- 이미지(선택사항): 사진으로 개성을 더해보세요. 여러분을 잘 표현하는 간단하고 선명한 사진이면 됩니다.
사례 연구 활동에 포함해야 하는 내용
면접 중에 사례 연구 활동 면접을 진행하게 될 가능성이 높습니다. 사례 연구 활동 면접에서는 문제를 분석하고 최상의 해결책을 제안해야 하는 비즈니스 관련 시나리오가 제시됩니다. 특정 시간 안에 문제를 해결해야 하므로 다양한 시나리오에 대비하는 것이 가장 좋습니다. 우수한 사례 연구 활동은 다음과 같이 구성됩니다.
- 서론: 사례 연구 활동의 목적을 명시해야 합니다. 시나리오의 내용을 포함하고 실생활 속 문제와의 연관성을 설명합니다. 제공된 정보에 따라 떠올릴 만한 가정이나 이론을 자유롭게 메모해둡니다.
- 문제: 주요 문제를 파악하고 문제를 분석한 방법을 설명하고 결과를 뒷받침하기 위해 사용한 모든 사실을 제시해야 합니다.
- 해결책: 문제를 해소할 한 가지 해결책을 개략적으로 설명하고, 사례 연구 활동 주제에 관해 곰곰이 생각했음을 보여줄 수 있도록 몇 가지 대안을 제시합니다. 각 해결책의 장단점도 포함하세요.
- 결론: 모든 문제 해결 과정의 핵심을 요약하고 이를 통해 알게 된 내용을 강조하여 발표를 마칩니다.
- 다음 단계: 최상의 해결책을 선택하고 고객이나 비즈니스가 취할 수 있는 권장사항을 제안합니다. 선택의 이유와 해결책이 시나리오에 미칠 긍정적인 영향을 설명합니다. 누가, 언제, 무엇을 시행해야 하는지와 같이 구체적인 내용을 포함합니다.
사례 연구 활동 면접 질문의 예
기업의 기대치를 더 잘 이해할 수 있도록 4 Case Study Questions for Interviewing Data Analysts at a Startup 블로그 게시글에 나와 있는 사례 연구 활동 면접의 질문을 확인해보세요.
데이터 분야의 커리어 다시 살펴보기
이 읽기 자료에서는 데이터 애널리스트 커리어(아래 표의 첫 번째 열)를 다시 살펴보면서 이 수료증 과정에서 학습한 스킬과 실제 직무 요구사항을 연결 지어봅니다.
| 데이터 애널리스트 | 데이터 과학자데이터 | 데이터 스페셜리스트 | |
| 문제 해결 | 기존 도구 및 방법을 사용하여 기존 유형의 데이터 관련 문제 해결 | 새로운 도구 및 모델 개발, 개방형 질문 던지기, 새로운 유형의 데이터 수집 | 문제 해결 및 데이터 관리를 위한 도구로 데이터베이스에 관한 깊이 있는 지식 활용 |
| 분석 | 수집된 데이터를 분석하여 이해관계자가 더 나은 의사결정을 내릴 수 있도록 지원 | 복잡한 데이터를 분석 및 해석하여 비즈니스 예측 | 데이터 애널리틱스 또는 비즈니스 운영에 사용할 수 있는 대규모 데이터 구성 |
| 기타 관련 스킬 |
|
|
|
수료증 스킬과 직무 요구사항 연결 짓기
Google 데이터 애널리틱스 수료증 과정을 통해 습득한 스킬은 데이터 애널리스트 직무에서 요구하는 스킬과 일치합니다. 이력서에서 스킬을 제시하는 방식에 따라 리크루터나 채용 담당자의 관심을 사로잡을 수 있습니다. 많은 직업 상담사는 여러분이 채용 직무에 지원할 때마다 이력서를 알맞게 수정하여 직무 기술서에 기재된 요건과 본인의 경험 및 스킬을 최대한 밀접하게 일치시키라고 권장합니다.
위의 표에 제시된 각 스킬에 대해 다음을 고려하세요.
- 직무 기술서의 가능한 문구
- 이 수료증 과정에서 배운 스킬 중 연결 지을 수 있는 스킬의 예
데이터 애널리스트의 스킬을 살펴보고 직무 기술서에서 일반적으로 사용되는 문구를 살펴보겠습니다.
스킬: 데이터베이스 쿼리
| 직무 기술서 문구 | 이 수료증 과정에서 배운 스킬 중 이력서에 포함할 수 있는 스킬 |
| SQL과 같은 스크립트 언어로 데이터 수집 | - SQL 쿼리 수행 - SQL 쿼리로 데이터 정렬 및 필터링 - SQL 함수로 데이터 유형 변환 |
스킬: 데이터 시각화
| 직무 기술서 문구 | 이 수료증 과정에서 배운 스킬 중 이력서에 포함할 수 있는 스킬 |
| 데이터의 유용한 정보를 시각화하고 결과를 다른 조직의 팀에 전달 | - Tableau로 데이터 시각화 자료 생성 - 스프레드시트에서 시각화 자료 생성 - 데이터 분석 결과를 토대로 프레젠테이션 생성 |
스킬: 대시보드
| 직무 기술서 문구 | 이 수료증 과정에서 배운 스킬 중 이력서에 포함할 수 있는 스킬 |
| 새로운 대시보드 생성 및 사용자 교육 | - 사용자의 데이터 니즈 파악 - Tableau로 대시보드 생성 - 디자인 싱킹으로 대시보드 개선 |
스킬: 보고서
| 직무 기술서 문구 | 이 수료증 과정에서 배운 스킬 중 이력서에 포함할 수 있는 스킬 |
| 종합 보고서 작성 | - 데이터 정리 보고서 작성 - 변경사항 기록 작성 및 유지 - R Markdown에서 보고서 작성 |
스킬: 스프레드시트
| 직무 기술서 문구 | 이 수료증 과정에서 배운 스킬 중 이력서에 포함할 수 있는 스킬 |
| 스프레드시트로 데이터 세트 탐구 및 분석 | - 스프레드시트에서 데이터 정리 - 스프레드시트에서 데이터 정렬 및 필터링 - 스프레드시트에서 피벗 테이블 생성 |
스킬: 프로그래밍
데이터 애널리스트 직무에 지원할 때 다른 지원자들과 여러분을 차별화할 수 있는 영역입니다. 프로그래밍은 고급, 즉 더 높은 수준의 스킬로 받아들여지며 주니어 데이터 애널리스트 역할의 직무 기술서에는 언급되지 않을 수도 있습니다. 이 수료증 과정에서 R을 사용한 데이터 분석에 관해 배웠으므로 이력서에 프로그래밍 스킬을 추가하여 지원서의 가치를 높여보세요.
| 직무 기술서 문구 | 이 수료증 과정에서 배운 스킬 중 이력서에 포함할 수 있는 스킬 |
| 일부 프로그래밍 언어 지식 및 작업에 대한 조직적이고 체계적인 접근법 | - R에서 Tidyverse 패키지 설치 및 사용 - RStudio에서 스크립트 실행 - RStudio에서 데이터 시각화 자료 생성 |
보다 기술적인 역할에 도전
데이터 과학자와 같이 보다 기술적인 역할의 업무를 담당하고자 한다면 Google 데이터 애널리틱스 수료증이 좋은 출발점이 될 수 있습니다. 그러나 다음과 같은 추가 학습 기회를 통해 스킬을 한 단계 발전시켜야 할 수도 있습니다.
- 기타 전문 수료증 과정 이수(Coursera의 다양한 교육 과정)
- 정규 또는 시간제로 대학 강좌에 등록하고 유급 인턴십 지원
- 컴퓨터 공학, 데이터 사이언스, 경영 정보 시스템 등 4년제 대학 학위 과정을 통한 학업 지속
보다 기술적인 역할을 비롯해 데이터 사이언스 커리어에 관한 자세한 내용은 Medium에서 제공하는 Career Paths Within Data Science를 참고하세요.