데이터 분석(Data Analytics)이란
데이터 분석가는 비즈니스가 효율성을 개선하거나 문제를 해결하는 데 도움이되는 중요한 통찰력을 찾는 데 사용 가능한 데이터를 사용하는 방법을 수집, 처리 및 분석하는 업무를 담당합니다.
데이터 분석가는 주로 *data pipeline 작업을 하면서, 다양한 방법의 데이터와 함께 시간을 보냅니다. 데이터 분석의 역할에는 '데이터 마이닝, 데이터 정리, 통계 기술 적용, 데이터 관리를 위한 프로그램 및 데이터베이스 설계, 버그 수정'이 포함됩니다. 데이터 분석 프로세스에서 데이터 분석가는 IT 및 경영팀과 같은 다른 부서와 협력하여 목표를 결정하고 결과를 명확하고 의미있는 방식으로 보고 할 수 있어야합니다. (data pipeline : 데이터 처리 단계의 출력이 다음 단계의 입력으로 이어지는 형태로 연결된 구조)
데이터 분석가가 되기 위해서는 수학, 통계 및 컴퓨터 과학에 대한 강력한 배경이 필수적입니다. R, Python, SQL 등 강력한 소프트웨어 기술을 갖춘 STEM 분야의 최소 학사 학위는 거의 모든 데이터 분석가 직책에 필요합니다. 또한 데이터 시각화, 데이터 수집, 빅 데이터를 추출하는 크롤러 및 데이터베이스 액세스를 지원하는 데이터 분석 도구도 잘 다뤄야합니다.
이 분야에서 계속 발전하려면 관련 분야의 석사 또는 박사 과정이 필요할 것입니다. 인증 프로그램 및 데이터 과학 부트 캠프는 학생들이 데이터 분석 분야에서 경력 또는 석사 프로그램을 준비 할 수 있도록 도와줍니다.
비즈니스 분석(Business Analytics)이란
비즈니스 분석가는 데이터를 사용하여 회사에 대한 실질적이고 구체적인 결정을 내립니다. 비즈니스 분석의 발전은 진행 중이지만 '데이터 중심 통찰력, 관리 전략 및 명확한 의사 소통의 조합'을 사용하여 문제를 해결하고 효율성을 향상시키는 데 뿌리를 두고 있습니다. 데이터에서 도출할 수있는 통찰력을 적용함으로써 data pipeline의 최전선에서 작업합니다. 비즈니스 분석가는 통계 도구 및 프로그래밍에 대한 실무 지식이 있어야합니다.
비즈니스 분석가는 주로 경영, 비즈니스, IT, 컴퓨터 과학 또는 관련 분야의 배경에서 비롯됩니다. 비즈니스 분석은 다양한 주제를 결합하고 다양한 배경이 훌륭한 자산입니다. Chris Hunder는 Monster의 비즈니스 분석가와의 인터뷰에서 “하루는 고객 데이터 포인트를 조사하고 다음 날에는 새로운 데이터 세트에 집중해야 할 수 있습니다. 그러나 그런 문제들을 해결하면 재미를 느낄 수 있습니다.” 라고 답했습니다.
비즈니스 분석에서 효과적인 의사 소통이 중요할 수 있습니다. 만일 하던 일을 수정하려면 C-level 임원을 이해시켜야만 합니다. 이러한 방식으로 비즈니스 분석가는 '데이터 분석가 - 경영진 및 이해 관계자' 간의 중개인 또는 번역가 역할을 수행 할 수 있습니다.
일부 비즈니스 분석 직책에는 학사 학위 만 요구되지만, 상위 직책을 취득하려면 석사 과정이 필요할 수 있습니다. 비즈니스 분석에는 이러한 역할을 준비하고 잠재적 수익을 극대화 할 수있는 많은 온라인 대학원 프로그램이 있습니다. SWOT, IBM의 Rational Requisite Pro, Blueprint 및 Axure와 같은 비즈니스 분석 도구에 대한 자세한 내용은 이력서를 향상시키는 데 도움이 될 수 있습니다.
데이터 분석(Data Analytics) & 비즈니스 분석(Business Analytics)의 차이점은?
이 두 분야는 공통의 목표를 공유하지만 필요한 기술과 사용된 전략은 다릅니다. 데이터 분석가와 비즈니스 분석가 모두 회계 분석에서 공공 정책 작업에 이르기까지 더 많은 경력 옵션을 가질 수 있습니다.
비즈니스 분석가는 변경 사항을 구현하고 결과를 전달하는 일이 많고, 데이터 분석가는 데이터를 처리하고 결론을 도출하는 일이 많습니다. 비즈니스 분석가는 사람과 실제 변경 사항에 더 집중해야합니다. 데이터 분석가는 사용한 데이터를 효과적으로 활용하기 위해 프로그래밍, 통계 및 데이터 처리에 대해 더 깊이 이해해야합니다. 데이터 분석가는 독립적으로 작업 할 가능성이 높지만 비즈니스 분석가는 다른 부서 및 역할의 사람들과 직접 협력해야합니다.
데이터 & 비즈니스 분석의 최종 목표는 동일합니다. 이 두 분야는 모두 데이터를 활용하여 비즈니스를 효과적으로 개선하는 일을 합니다. 통계 기술, 데이터 관리 전략 및 데이터 시각화에 대한 이해가 필요합니다. 이러한 역할은 협력하여 비즈니스에 대한 통찰력을 성공적으로 발견하고 적용할 수 있습니다.
| 필요 스킬 |
|
| 데이터 분석가 | 비즈니스 분석가 |
| - 통계적 방법의 이해 - 통계 분석을 위한 컴퓨터 언어 사용 능력 - 데이터베이스 디자인 능력 - 보고를 위한 데이터 마이닝 및 시각화 능력 - 기계 학습 기술 능력 - 문제 해결 분석 능력 - 창의적 사고 능력 - 데이터 연구를 위해 선택된 산업에 대한 지식 |
- 통계 분석을 위한 컴퓨터 언어 사용 능력 - 프로그래밍 기술 능력 - 설문지 및 SQL 도구 능력 - *Business intelligence(BI)와 보고서 작성능력 BI : 데이터 분석을 통한 의사 결정 및 프로세스 개선 작업 - 데이터 마이닝과 시각화 능력 - 문제 해결 분석능력 - 효과적인 의사소통 능력 - 창의적 사고 능력 |
디지털 분석(Digital Analytics)
디지털 애널리틱스란 고객과 잠재고객의 온라인 사용 경험을 지속적으로 개선하여, 온라인과 오프라인에서 원하는 비즈니스 결과를 얻기 위해 자사 및 경쟁사에 대한 정성적, 정량적 데이터를 분석하는 것입니다.
구글 애널리틱스(Google Analytics, GA)
GA는 구글에서 무료로 제공하고 있는 웹분석 서비스입니다.
2005년 구글이 웹분석 전문업체인 어친(Urchin)사를 인수한 뒤 출시한 서비스인 구글 애널리틱스는 현재 전세계적으로 가장 널리 사용되는 대표적인 웹분석 솔루션입니다. e-nor.com에 따르면 2014년 기준 포춘 500대 기업 웹사이트 중 무려 67%가 구글 애널리틱스를 사용하고 있다고 합니다 2011년 45%에서 2012년은 51%, 2013년은 63%를 기록하는 등 해가 갈수록 꾸준히 점유율이 증가하고 있습니다.
구글 애널리틱스의 장점
첫째로 구글 애널리틱스는 무료 서비스입니다. 속성당 월간 1,000만 조회수라는 무료 서비스 용량 한도가 있기는 하지만 대다수 사업자들은 도달하기 힘들 만큼 충분히 많은 용량에 해당합니다.
둘째로 막강한 기능을 들 수 있습니다. 무료 서비스임에도 불구하고 제공하는 기능은 에이스카운터, 로거 등 국내 유료 웹로그분석 서비스 못지 않습니다. 못지 않은 게 아니라 사실 더 뛰어나다고 볼 수 있습니다. GA 기능에 대해서는 앞으로 차근차근 다룰 예정입니다만 다양한 목표설정 기능과 향상된 전자상거래 기능, 이벤트 설정과 세그먼트 등의 기능은 국내 유료 솔루션도 제공하지 못하는 깊이 있는 분석을 가능하게 합니다. 특히 측정기준과 측정항목을 조합하여 원하는 데이터를 추출할 수 있도록 하는 맞춤 보고서 기능은 매우 강력한 맞춤 분석 기능을 제공합니다.
마지막으로 사용자 인터페이스가 우수합니다. 물론 국내 유료 서비스나 네이버 애널리틱스에 비해 사용자 편의가 부족하다는 주장도 있긴 합니다. 하지만 매우 다양한 기능이 제공된다는 점을 감안하면 구글 애널리틱스 보고서는 매우 직관적이고, 사용하기 쉬우며, 분석에도 용이합니다.
구글 애널리틱스의 단점
이러한 장점에도 불구하고 구글 애널리틱스는 사용하기 어렵다는 얘기도 많습니다. 번역의 한계로 인해 GA에서 사용되는 용어와 개념을 이해하기가 쉽지 않다는 점, 무료로 제공되는 서비스인 만큼 궁금한 사항을 스스로 해결해야 한다는 점 등이 그 이유로 자주 언급됩니다. 하지만 구글 애널리틱스가 어렵다기보다는 웹분석 자체가 쉽지만은 않기 때문이라는 생각이 더 큽니다.
웹분석을 제대로 하기 위해서는 ‘제대로 된 데이터 수집’을 전제로 ‘제대로 된 분석’이 이뤄져야 합니다. 정확한 데이터 수집을 위해서는 웹개발자의 지식이, 의미 있는 분석을 위해서는 마케터의 통찰력이 필요합니다. 이 두가지를 동시에 갖추기는 쉽지 않습니다. 웹분석이 그리고 구글 애널리틱스가 어려울 수밖에 없는 이유입니다.
구글 애널리틱스 활용 방안
물론 구글 애널리틱스는 투자할 가치가 있습니다. 전문가 수준의 세팅이 아닌 기본 스크립트 설치만으로도 우리의 잠재고객에 관한 방대한 데이터를 수집할 수 있으며, 이러한 정보를 통해 의외의 인사이트를 얻을 수도 있습니다. 또한 제대로 세팅을 해 놓으면 언제라도 유용하게 사용할 수 있는 데이터가 차곡차곡 쌓이게 됩니다.
개인적으로 분석에 기반한 마케팅 특히 구글 애널리틱스를 활용한 마케팅에 많은 관심이 있습니다. 구글 애널리틱스 세팅방법과 기본기능에 대한 포스팅을 시작으로 다양한 활용 방안에 대해 이야기를 해보고자 합니다.
소셜 애널리틱스(Social Analytics)
소셜 애널리틱스는 소셜 네트워크 서비스(SNS)에 올라온 방대한 메시지를 신속하게 분석하는 기술을 말합니다. 사람의 감정을 나타내는 단어가 나오면 앞 뒤 문맥에 따라 긍정적 또는 부정적 반응인지 판단하고, 두 단어 이상을 조합해 걸러 내는 등의 텍스트 분석 등을 활용하는 방법을 말합니다.
기업은 초기부터 성공 가능 여부를 면밀하게 파악해서 비용을 최소화하고 판매량을 극대화할 수 있으며, 이에 따라 마케팅 및 위기관리 수단으로 많이 활용되고 있습니다.
출처 https://business-analytics.tistory.com/2 , https://analyticsmarketing.co.kr/digital-analytics/google-analytics/265/
'BigData&AI' 카테고리의 다른 글
| 빅데이터를 다루는 기업에게 묻는 4가지 법적 질문 (0) | 2021.12.10 |
|---|---|
| GCS (Google Cloud Storage) 사용량 확인/크기(Size)측정/다운로드방법 (0) | 2021.12.06 |
| Cloud 기반 Data Platform 으로 쉽고 빠르게 분석하자 (0) | 2021.11.30 |
| 클라우드 연착륙의 핵심은 ‘마이그레이션’ (0) | 2021.11.30 |
| 스토리지를 통한 멀티·하이브리드 클라우드 전략 (0) | 2021.11.19 |