데이터 혁명 시대, 비전공자를 위한 쉽고 유용한 데이터 사이언스 입문 서적! 흥미로운 사례를 통해 이해하는 데이터 분석 실무서로 어려운 통계 기호 없이 통계적 시각을 확보하고 실무적으로 즉시 활용 가능한 데이터 분석 기법을 제공한다.

데이터 분석이 왜 필요할까요?
아무리 몇 년을 공들여 만든 제품이 경쟁상품과 다르게 효과적인 장점을 지녔다고 하더라도 정확한 데이터 분석이 이루어지지 않는다면 뚜렷한 성과를 거두지 못하는 경우가 허다할 것이다. 그렇다면 고객의 니즈를 꿰뚫어보려면 어떻게 해야 할까? 마트 상품 진열, 제약회사의 마케팅, 대통령 선거 전략 등과 같은 성공적인 데이터 분석 사례를 통해 확인할 수 있듯이, 다양한 가설검증 기법들을 활용하여 데이터의 패턴을 파악하면 미래를 좀 더 명확하게 예측할 수 있다. 이를 통해 다양한 업계에 종사하는 모든 분께 새로운 발전 가능성을 부여한다.

데이터 분석, 이제는 4차 산업 혁명 시대에 꼭 필요한 핵심 역량
데이터 분석 전문가들에게만 국한되는 이야기가 아니다. 인문, 과학, 예술 등 업종불문 데이터를 분석해야만 의미 있는 성과를 거둘 수 있는 시대이다. 그리고 이러한 추세는 앞으로 지속될 전망이다. 이에 기업은 데이터 분석을 통해 도출된 솔루션으로 다양한 형태의 데이터 인사이트를 실시간으로 발굴하고 복잡한 의사결정을 자동으로 해결함으로써 지속적인 수익창출을 위해 노력하고 있다. 사업의 목표가 곧 이윤창출이라면 데이터 분석이 해답이다. 여러분이 어느 기업에 있든지, 기업의 매출 상승을 위해서 데이터 분석을 반드시 활용해야 한다.

본 도서는 빅데이터, R, Python, 인공지능 등 모호했던 개념들을 명확하게 이해하고, 단기간에 데이터 사이언스 전체 프로세스를 파악하여 실무에 즉시 적용 가능한 데이터 분석 기법들을 알아본다. 또한 데이터 분석에 필요한 통계 지식을 어려운 통계 기호를 전혀 사용하지 않고, 사례를 통해 통계적 시각을 확보할 수 있다. 이 책을 통해 실무자들은 현실의 의사결정 과정에 데이터 분서 스킬을 적용함으로써 기업의 급속 성장을 꾀할 것이다.

이 책의 주요 주제는 다음과 같다.
- 데이터 사이언스의 정의와 필수 역량
- 데이터 분석 목적에 맞는 데이터 수집 방법 및 가공 방법
- 방대한 데이터를 한눈에 알아볼 수 있는 데이터 시각화 방법
- 데이터 분석에 필요한 통계 이해를 위해 복잡하고 어려운 통계 기호를 전혀 사용하지 않고 세상을 통계로 이해하는 시각 확보
- 데이터 분석 사례를 통해 배우는 실무 즉시 적용 가능한 데이터 분석 스킬 소개
- 스스로 데이터를 공부하는 인공지능(AI) 학습 시스템인 머신러닝과 딥러닝의 이해
- 데이터 사이언스 입문자를 위한 다양한 데이터 분석 도구 추천

모든 것이 데이터로 이루어진 시대, 쉽고 실용적인 데이터 사이언스 입문서로 데이터 분석에 뛰어들어라
개념 확립부터 구체적 적용 방법까지 배우는 데이터 분석, 풍부한 국내외 사례와 함께 제시하는 통계 활용법

정보의 시대를 거쳐 빅데이터 시대로 넘어오면서 수많은 정보와 데이터가 생성되었고, 사회 여러 분야에서 데이터가 폭넓게 활용되고 있다. 기존의 무의미하게 보였던 데이터들이 현재는 미래 비즈니스의 성패를 가르는 중요한 자원이 되었다. 이에 많은 기업들은 비즈니스 혁신에 유의미한 통찰을 얻기 위해 다양한 빅데이터 분석 플랫폼을 개발하여 고객의 니즈를 정밀하게 파악하고 있다.
그러나 데이터 분석이 가져다 주는 이점들만 인지하고 있을 뿐, 활용하는 방법을 모른다면 무한한 가능성의 데이터는 그저 무용지물이다.
그렇다면 데이터 분석, 어떻게 기본기를 다져야 할까?
이 책은 데이터 분석 역량을 갖추는 것을 돕기 위해서 ‘데이터 사이언스 프로세스’라는 프레임워크를 기반으로 설계했으며, 듣기만해도 어려운 데이터 분석 이론들을 일반인들도 쉽게 이해할 수 있도록 다채로운 사례와 함께 설명하고 있다. 나아가 깊이 있는 데이터 분석에 필요한 통계 지식은 전문 용어나 수식으로 설명해주는 대신, 유용한 사례와 함께 각 검증 방법을 설명하여 실생활에서 통계에 대한 아이디어를 얻을 수 있다.
더불어, 저자 김진, 최정아는 10년이상 경력의 Education/마케팅전문가로 현장에서 얻은 경험을 바탕으로 현직 실무자로서 알려줄 수 있는 즉시 적용 가능한 분석 방법을 제시한다. 데이터 분석 역량을 높여줄 『데이터 사이언스 입문』 도서를 통해 여러분이 담당하고 있는 실무 영역에서의 유의미한 인사이트를 얻길 바란다.

PART 1 데이터 사이언스의 이해 01 데이터 분석의 목적은 더 나은 의사 결정이다 02 도대체 데이터란 무엇인가? 03 데이터 분석에 필요한 4가지 역량 PART 2 데이터 분석 프로세스와 데이터 취합 01 데이터 분석 프로세스 02 데이터 취합과 크롤링 03 데이터 전처리 PART 3 탐색적 데이터 분석과 기술통계 01 탐색적 데이터 분석이란? 02 기술 통계량과 차트 03 분산과 표준편차는 변동성을 가리킨다 04 일반적인 것과 특별한 것 PART 4 샘플 데이터로 전체를 예측할 수 있는가? 01 전수조사의 문제점 02 몬테카를로 동전 실험과 표본오차 03 중심 극한의 정리 04 표준오차와 적정 표본 수 05 표본오차와 비표본오차 06 무작위 추출과 근거 피라미드 PART 5 가설 수립과 유의성 검정 01 네이만-피어슨 추론과 베이즈 추론 02 표준 통계학의 역사 03 귀무가설과 대립가설 04 유의수준과 유의확률 05 표준 통계학의 가설 검정 단계 06 유의확률 계산 도구 07 언제 어떤 검정법이 필요한가? 08 카이제곱 검정: 월마트 영수증 분석 09 T 검정: 두 표본 집단간의 평균의 비교 10 회귀분석: 노벨상을 수여한 구호 사업 PART 6 머신러닝과 데이터 분석 모델링 01 알고리즘과 데이터 분석 모델 02 데이터 분석 모델의 복잡도와 성능 03 인공지능과 머신러닝, 그리고 딥러닝 04 머신러닝이 탁월한 효과를 발휘하는 순간 05 베이즈 추론과 축차합리성 06 널리 알려진 머신러닝 알고리즘 PART 7 대표적인 데이터 분석 도구 01 알고리즘 구현 언어 02 입문자 추천 데이터 분석 도구 03 자, 이제 남은 건? 04 저자의 말 Appendix - 주요 데이터 분석 도구 소개