[비즈니스를 위한 데이터 사이언스] 데이터 분석의 네 가지 방향과 필수 과정
설명적·진단적·예측·처방적 분석의 차이와 각각 어떤 질문에 답하는지 고객 이탈 사례를 통해 살펴봅니다. 또한, 질문 구체화, 필요 데이터 파악, 전처리, 분석 방법 선택, 결과 검증과 해석까지 실제 데이터 분석의 전체 과정을 단계별로 정리합니다.
카테고리
데이터 14
데이터 모델링, 데이터 구조 설계, JSON 스키마, API 응답 설계 등 제품 안에서 데이터를 어떻게 구조화하고 다룰지에 대한 개념과 실무 경험을 정리합니다. 좋은 데이터 구조가 좋은 제품의 기반이 되는 과정을 기록합니다. 설계 단계에서 자주 마주치는 판단과 트레이드오프를 공유합니다.
[JSON] (6) JSON 스키마를 운영에 적용하기: 호스팅·번들링·재사용
JSON 스키마를 실제 운영 환경에서 어떻게 관리하는지 설명합니다. `$id` 기반 URL 설계, HTTP 호스팅, 버전 관리, 불변성 전략, `$ref` 재사용, 번들링 구조까지 실무 흐름으로 정리합니다.
[JSON] (5) JSON 스키마 어휘 확장하기: 사용자 정의 어휘와 메타스키마
JSON 스키마 표준 키워드만으로 부족한 조직 고유 메타데이터를 어떻게 표현할까요? 간이 확장, 사용자 정의 vocabulary, 메타스키마, annotation 회수, validator 확장까지 JSON 스키마 커스텀 어휘 설계 과정을 다룹니다.
[JSON] (4) JSON 스키마에 어노테이션으로 의미와 맥락 담기: 데이터가 스스로를 설명하게 만들기
검증을 통과한 데이터라도 그 값이 무엇을 의미하는지는 여전히 불분명할 수 있습니다. 이 글에서는 JSON 스키마의 어노테이션 시스템을 중심으로 데이터의 구조·의미·맥락을 하나의 스키마에 통합하는 방법을 설명합니다.
[JSON] (3) JSON 스키마로 데이터 검증하기
JSON 스키마는 스키마 파일을 작성하는 데서 끝나지 않습니다. 실제 효과는 잘못된 데이터를 걸러낼 때 생깁니다. 이 글에서는 검증 규칙이 실제로 어떻게 동작하는지, 그리고 검증을 어디에 배치하는지를 실무 흐름으로 설명합니다.
[JSON] (2) JSON 스키마 작성하기: 빈 파일에서 데이터 구조 정의까지
첫 JSON 스키마를 어디서부터 어떻게 작성해야 할까요? 예시를 바탕으로 핵심 키워드를 설명하고, 재귀 구조·스키마 참조·additionalProperties·다이얼렉트 선택까지 첫 스키마 작성에서 마주치는 실무 결정을 단계별로 정리합니다.
[JSON] (1) JSON과 JSON 스키마 이해하기: 데이터를 말로 설명하지 말고 구조로 정의하라
API와 데이터 테이블이 바뀔 때마다 위키·노션·코드의 정의가 서로 어긋나는 이유는 무엇일까요? JSON 스키마가 검증·문서화·계약·자동화를 통해 조직의 데이터 합의를 어떻게 구조화하는지, JSON·XML 비교와 실무 예시를 통해 알아보세요.
[데이터 통합 전략] (4) ‘조직화’: 거버넌스와 프로세스로 굳히기
회의에서 합의한 정의가 다음 프로젝트에서는 다시 무너지는 이유는 무엇일까요? 이 글에서는 데이터 통합 전략의 '조직화' 단계를 중심으로, 네트워크 사고·CLEAN 데이터 거버넌스·프로세스 맵·성공 스펙트럼 같은 도구를 통해 합의를 문서가 아닌 조직 운영 절차 안에 정착시키는 방법을 설명합니다.
[데이터 통합 전략] (3) ‘설계’: 데이터를 내부 제품으로 다루기
데이터를 제품처럼 설계하지 않으면, 사용자는 매번 정의와 맥락을 찾아다니며 같은 해석 작업을 반복하게 됩니다. 이 글에서는 데이터 프로덕트와 JSON 스키마를 통해 데이터·구조·의미·맥락을 하나로 묶는 설계 방법을 설명합니다.