: 올바른 질문을 던질 수 있게 해줌
데이터 해석 오류 사례
심슨의 역설
- 전체에 대한 결론이 언제나 개별 집단에 그대로 적용되는 것은 아님
- 데이터에 기반한 결론이라고 해서 이를 맹목적으로 받아들여서는 안됨
시각화를 활용한 왜곡
- 자료 표현 방법에 따라 해석의 오류 여지가 존재
샘플링 편향
- 편향된 샘플링 선정으로 오류 발생
상관관계와 인과관계
- 상관관계 : 두 관계가 얼마나 의존적인지 한 쪽이 증가하면 다른 한 쪽이 따라서 증가/감소
- 인과관계 : 하나의 요인으로 인해 다른 요인 수치가 변동, 원인 결과가 명확
- 상관관계는 인과관계가 아닌 것을 항상 명심
- 둘 다 활용해 합리적인 의사 판단하기
데이터 분석이 목적이 되지 않도록 ‘왜?’를 항상 생각해야 함
문제 정의
- 분석하려는 현상에 대한 구체적인 진술
- 분석 방향을 결정
문제 정의 방법론
MECE
: 복잡한 문제를 체계적으로 분해하고, 구조화된 방식으로 분해할 수 있음
로직 트리
- 복잡한 문제를 쉬운 문제로 분해하는 방식
so what
- 그래서 뭐? 이게 어떻다는건데?
- 내용의 핵심을 추출하는 과정
why so
- 왜? 그래서? 왜 그렇게 말하는건데?
- 내용의 핵심을 추출했으면 그 내용을 검증하는 과정