1230 / K_digital 17일차 / 세미프로젝트(마무리)

0.

  세미프로젝트를 마무리하고 발표까지 진행했다.

 

  우리끼리 정리하면서도, 다른 팀들의 발표를 보면서도, 배울 점이 많았다. 다만 오늘 배운 것은 코드에 대한 것뿐 아니라 여러 가지다. 어찌됐든 '오늘 내가 배운 것'이니 또 이를 기록한다.

 

  더불어 소설 스터디도 마지막 모임을 가졌다. 줌으로. 나는 늘 글을 써왔고, 이 모임이 없었다면 아마 이런 글을 계속 써오지 않았을지도 모른다. 사실 내가 무언가를 배웠다면 이 모임에서 더 많은 것을 배웠지만, 그것은 다른 이야기들을 위해 속으로 간직하겠다. 듣고 싶어하는 사람이 많지는 않을 테다.

 

 

 

오늘의 데이터 생각

 

데이터 선정의 중요성 : "괜찮겠지"란 생각 하지 말자
  이를테면 타겟 도시와 인구 밀도가 비슷한 도시들을 분석하면, 타겟 도시에 대한 인사이트를 얻을 수 있지 않을까? 하는 적당한 수준의 추측을 피할 것.

 

  #데이터 분석 기준의 선정 :  
 효용성 있는 데이터를 뽑아내기 위해 접근하자. 데이터에게 어떤 질문을 던질까?를 생각해보기.

 분석 결과를 제공할 타겟들에 대한 명확한 이해에 기반하면 좋다. 

 

크롤링 기반 데이터 수집 / 공개 데이터 분석
  크롤링으로 데이터를 모을 때는 굉장히 세부적인 "검색어" 구체화 필요.

  커스터마이징한 데이터는 크롤링이 아마 모으기 쉬울 테다.

  하지만 정말 '필요'한, 혹은 '순수'한 데이터는 이를 얻기 위한 또 다른 접근 방식이 필요하다. 특히 지금처럼 데이터가 핵심 장사 밑천이 될 시대에는.

 

시각화를 바탕으로 한 데이터 비교 -> 데이터 기반 인사이트 -> 인사이트를 뒷받침할 또 다른 데이터 수집 -> 다시 인사이트 -> 다시 데이터 -> 다시 인사이트 

 

 ##기반 주제 => 어떤 데이터를 가져오는 것이 좋을까?

 ##y축이 두 개인 그래프 : 바와 꺾은 선으로 -> 데이터가 숨지 않도록 해보자 

 

 

 

오늘의 프로젝트

 

(발표를 위해 만들었던 것 외에 정말로) 아쉬운 점 :

 

데이터 분석보다는, 데이터 분석 기반 서비스에 집중 =>

      데이터 수집, 데이터 통합, 여러 시각화 방안, 인사이트 도출 등 단계를 지나쳤다.

  #물론 이것도 좋은 경험이었지만, 지금 단계에서는 저런 기초 실력을 쌓는 것이 더 도움이 되지 않았을까?

 

 

 

오늘의 발표 생각 

 

근데, 이제, 보시다시피 등 쉽게 겹치는 말들을 제거

 

역시, 디지털 콘텐츠에서는 텍스트보다는 이미지 

#나는 왜 블로그를 발행하면서 텍스트만 주구장창 쓰는 걸까? 무엇을 바라고

 

데이터가 또 너무 많다면 오히려 인사이트를 해칠 수 있다. 명확한 주제를 선정하고 이를 바탕으로 인사이트를 전달하자.
(데이터 제공 업체가 아닌 이상 => 업체 성장과 곧바로 이어질 수 있는 확실한 데이터를 알아봐야 한다)