반응형
Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
Tags
- EDA
- 아하모먼트
- 데이터디스커버리플랫폼
- 신기효과
- n8n
- PyGWalker
- 데이터
- 성장
- 데이터분석
- productanalysis
- 시각화
- 전환분석
- DataAnalyst
- 글또
- 주가데이터
- data
- 분석한스푼
- 프롬프트엔지니어링
- 트위먼의법칙
- 야구
- 프롬프트
- pandasai
- data-analysis
- 데이터분석가
- aha-moment
- 벅슨의역설
- gapminder
- DataAnalysis
- 인과추론
- retentioneering
Archives
목록심슨의역설 (1)
데이터 생존 로그

첫 데이터 분석가로 입사했을 때 나의 꿈은 '이 조직에서 몰랐던 엄청난 사실을 발견해서 알려줘야지!'였다. 그리고 모든 데이터 분석가가 저 정도는 할 줄 알았다. 데이터 분석가로 일하게 된지 1년 반 정도가 지난 지금, 저 꿈이 누구나 할 수 있는 쉬운 일이라고 생각하지 않는다. 인사이트(라고 말하기엔 거창하긴 하지만..)로 가는 길은 멀고 험난하며, 그 길 도중엔 데이터 분석가를 홀리기 쉬운 여러가지 함정들이 도사리고 있기 때문! 그래서 이번 게시글에선 데이터 분석가가 빠지기 쉬운 함정 세 가지에 대해 다뤄보고자 한다. 개인적으로 많이 당할뻔(?)했던 함정 세 가지를 차례대로 담아보았다! 트위먼의 법칙(Twyman's Law) 데이터가 특이하거나 흥미로울수록, 특정 오류로 인한 결과일 가능성이 높다. ..
통계💡
2024. 3. 31. 14:01