반응형

데이터애널리스트 11

8월 첫째주_2024년 8월 1일(목)

🔳7월 회고-진척이 없는 기존 프로젝트는 정리하고, 새로운 프로젝트에 들어가면서 Q1와 비교해서 앞으로 업무가 증가할 것으로 예상-사적으로 일외에 처리해야할 것이 많아서, 일에 많이 집중 못한 것도 사실.-현재 읽고 있는 '브랜드인이 되어라'에서 회사에 소속해서 일하면서도 나는 그 안에 있는 한 회사임을 잊지 말고 브랜딩활동을 지속적으로 해나갈 것.-사적으로는 어쩔 수 없다고 해도, 일적으로도 성격적으로 잘 맞지는 않더라도 일을 잘하고, 존경할만할 사람이 있으면 그 사람과 친해져서 자극받을 수 있도록 해야지. 🔳1년 목표 정리(우선순위 정리)-1.그룹 시너지 추진-2.분석팀 노하우 정리 및 연구 결과 공유-3.한국 핀테크 기업 동향, 분석 방법, 마케팅 시책 정리-4.대쉬보드 작성 및 서포트-5.브랜..

[데이터애널리스트 기초] 데이터 분석을 할 때 주의해야할 점 5가지

[데이터애널리스트 기초] 데이터 분석을 할 때 주의해야 할 점 5가지   1.바이어스데이터 분석의 결과와 진짜 효과가 괴리를 바어스라고 한다. DM를 보냈을 경우의 성약률이 32%, DM 보내지 않은 경우 23%의 차이가 있다고 가정하자. 여기서 이야기하는 것은, 32%와 23%의 차이 10%를 정말로 효과로 봐도 되는가이다. 예를 들어 이렇게, DM를 보냈지만 DM을 확인하지 않고도 성약을 하는 사람들도 오른쪽처럼 있을 수 있다. 진정한 효과는 오른쪽의 분홍색이라고 할 수 있다.  이렇게 집단을 선택하는 방법에 따라서 크게 의존된다는 것이다. 어떤 조건으로 집단을 정하느냐에 따라서 효과가 크게 차이 난다.   2. 상관관계2가지의 변수의 관계의 변화를 보는 것이다.주의점은 2가지의 변수는 인과관계를 보..

데이터 애널리스트_알기 쉬운 인과추론개론과 Meta-learner계 방법론

데이터 애널리스트_알기 쉬운 인과추론개론과 Meta-learner계 방법론 https://www.ariseanalytics.com/activities/report/20210409/ めっさ分かりやすい因果推論 (その1) 概論とMeta-learner系手法 | 株式会社ARISE analytics(アライズはじめに こんにちは、Customer-Analytics-Divisionの徳山と申します。本稿では因果推論 …www.ariseanalytics.com위 글 그대로 인용! 안녕하세요, Customer-Analytics-Division의 토쿠야마입니다. 이번 글에서는 인과관계 추론 기법에 대한 전반적인 내용을 설명하고자 합니다. 필자는 영어 통역과 커스터머 석세스 업무를 거쳐 ARISE analytics에 입사하여, 고객사..

[데이터 애널리스트 공부] 데이터를 잘 활용하는 일본기업_메루카리_[시리즈] A/B 테스트 개선 -SRM 확인 및 원인 규명 우선순위 부여-

[데이터 애널리스트 공부] 데이터를 잘 활용하는 일본기업_메루카리_[시리즈] A/B 테스트 개선 -SRM 확인 및 원인 규명 우선순위 부여-https://note.com/mercari_data/n/n2fe407bcc505?magazine_key=mf16f8a98b30a [シリーズ]A/Bテスト改善 -SRMの確認と原因究明の優先順位づけ-|Mercari Analytics Blogこんにちは。メルカリAnalyticsチームの@nakanipiです。私はメルカリでホーム画面周りやメタデータ機能の分析・改善、またA/Bテストの改善を担当しています。 今回は「メルカリにおけるA/Bテスnote.com 안녕하세요 멜카리 Analytics팀의 @nakanipi입니다.저는 메루카리에서 홈 화면 주위나 메타데이터 기능의 분석·개선, 또 A/B 테..

[데이터 애널리스트 공부] 데이터를 잘 활용하는 일본기업_메루카리_[시리즈] A/B 테스트 개선 - 메루카리의 과제 전체상 -

[데이터 애널리스트 공부] 데이터를 잘 활용하는 일본기업_메루카리_[시리즈] A/B 테스트 개선 - 메루카리의 과제 전체상 - https://note.com/mercari_data/n/n3792921cc37d?magazine_key=mf16f8a98b30a [シリーズ]A/Bテスト改善 - メルカリにおける課題の全体像 - |Mercari Analytics Blogこんにちは。メルカリAnalyticsチームの@natsumeです。私はメルカリで出品体験の分析・改善やA/Bテストの改善を担当しています。 今回は「メルカリにおけるA/Bテスト改善」シリーズの第一弾をnote.com 안녕하세요 멜카리 Analytics팀의 @natsume입니다. 저는 메루카리에서 출품 체험의 분석·개선이나 A/B 테스트의 개선을 담당하고 있습니다. 이번에..

[핀테크기업/강의추천] 토스 리더가 말하는 유저를 끌어당기는 서비스 개선 | PO SESSION

[핀테크기업/강의추천] 토스 리더가 말하는 유저를 끌어당기는 서비스 개선 | PO SESSION 이 블로그 포스팅은 향후 핀테크 분야에서의 업무 경험을 쌓기 위해 한국 대표 핀테크 기업 토스의 이승건 대표가 진행한 강의를 듣고 내용을 정리한 것이다. 이 강의에서 얻은 내용들 중에서도 특히 인상적인 부분들을 통해 데이터 분석가로서 유용한 인사이트를 얻을 수 있을 것으로 기대된다. https://www.youtube.com/watch?v=D9x7Tln2DI4&t=10s 이전에 언급한 내용을 바탕으로, 통계적으로 "아하" 모멘트를 어떻게 파악하는지에 대해 알아보겠다. 먼저, "가입한 지 YY일 이내에 XX 행동을 ZZ번 수행하는 것"에서 XX는 제품의 핵심 가치를 경험할 수 있는 특정 행동입니다. YY는 특정..

[일본취업/일본이직] 라인야후 검색 데이터 애널리스트 1차 면접 후기

[일본취업/일본이직] 라인야후 검색 데이터 애널리스트 1차 면접 후기 목차 ■결과 ■면접 후기 ■면접 질문 ■다음의 전략 ■결과 기술 테스트는 딱히 없었고, 결과는 아직 미통보인 상태. 하지만 아마도 떨어졌을 것 같다. https://www.lycorp.co.jp/ja/recruit/career/job-categories/ly00011/ データアナリスト/Yahoo!検索|LINEヤフー株式会社 LINEヤフー株式会社のデータアナリスト/Yahoo!検索のページです。 www.lycorp.co.jp ■면접 후기 면접은 1차 면접은 1:1 온라인으로 부장님 급이 등장하셨다. 40~50대 중년의 남성이었는데 전형적으로 매우 논리적인 사람으로 느껴졌다. 데이터 애널리스트로서 가장 중요한 질문인 '어떤 것에 대해서 데이터 분..

반응형