2강. 데이터 분석 전체 흐름: 질문 설정부터 결과 공유까지

?1. 이번 강의에서 해결할 문제

도구부터 실행하면 멋진 그래프를 만들고도 어떤 결정을 위한 결과인지 설명하지 못합니다. 분석 전에 성공 기준과 검증 순서를 정해야 합니다.

✓2. 학습 목표

✓이 강의를 마치면

• 분석 생명주기의 단계를 순서대로 설명합니다.
• 질문과 지표, 비교 집단을 연결합니다.
• 재현 가능한 폴더와 산출물 구조를 만듭니다.

◇3. 핵심 개념

분석 흐름은 질문 정의 → 데이터 이해 → 품질 검사 → 정제 → 탐색·집계 → 시각화 → 필요할 때 모델링 → 평가 → 해석·공유 순서입니다. 결과가 예상과 다르면 이전 단계로 돌아가는 반복 과정입니다. 원본은 수정하지 않고 processed와 reports를 분리해야 처리 근거를 추적할 수 있습니다.

✎4. 단계별 실습

1. 예제 파일 작성

실행 환경: 코드 편집기

실행 위치: C:\dev\game-data-lab

실행 전 확인: 기존 파일이 있으면 내용을 덮어쓰지 말고 Git diff로 이번 강의 변경 범위를 확인합니다. 실제 개인정보·API Key·토큰은 사용하지 않습니다.

대상 파일: docs/analysis-plan.md

docs/analysis-plan.md

# 분석 계획

- 결정: 초보 구간에서 조정할 캐릭터 한 개를 제안한다.
- 1차 지표: 캐릭터별 승률
- 보조 지표: 경기 수, 중앙 점수, 중앙 플레이 시간
- 비교: 게임 모드와 플레이 시간 구간
- 품질 기준: 중복 ID 없음, 필수 열 결측 없음, 플레이 시간 1~180분
- 공유: 집계 CSV, 그래프 PNG, 해석과 한계가 담긴 Markdown 보고서

2. 실행과 결과 확인

실행 환경: Windows PowerShell

실행 위치: C:\dev\game-data-lab

실행 전 확인: Python 코드는 프로젝트의 .venv 인터프리터를 사용하고 입력 파일 경로가 존재하는지 확인합니다.

대상: docs/analysis-plan.md과 이 강의가 만드는 출력

Windows PowerShell

Set-Location C:\dev\game-data-lab
New-Item -ItemType Directory -Force data\raw,data\processed,src,reports\tables,reports\figures
Get-ChildItem -Recurse -Directory

예상 결과: 원본·정제 데이터, 코드, 표·그래프·보고서가 분리된 프로젝트 구조가 생성됩니다.

→5. 분석 또는 모델이 동작하는 이유

성공 기준은 분석을 끝낼 조건을 제공하고, 원본과 파생 산출물 분리는 같은 입력에서 결과를 다시 만드는 재현성을 지킵니다.

!6. 자주 하는 실수와 해결법

!자주 하는 실수

• 실수: 질문 없이 모든 열을 탐색하기 해결: 결정과 지표를 먼저 한 문장으로 씁니다.
• 실수: 원본 CSV를 직접 고치기 해결: 정제 코드는 새 파일을 만듭니다.
• 실수: 결과 파일만 공유하기 해결: 입력 버전·코드·해석·한계를 함께 남깁니다.

✎7. 직접 실습

✎직접 실습

1. 분석 계획에서 1차 지표와 보조 지표를 구분합니다.
2. 완료 기준을 세 가지 이상 작성합니다.
3. 원본을 건드리지 않는 폴더 구조를 직접 만듭니다.

실습 기록에는 입력 파일, 실행 명령, 행 수, 처리 규칙과 실제 결과를 남깁니다. 평균 하나를 전체 결론으로 확대하지 않고, 상관관계를 인과관계로 표현하지 않으며, 평가 데이터 정보를 학습에 사용하지 않았는지 확인합니다.

?8. 이해 점검 질문 3개

?이해 점검

1. 분석 흐름이 직선이 아니라 반복인 이유는 무엇인가요?
2. 원본과 processed 폴더를 나누는 이유는 무엇인가요?
3. 좋은 분석 질문에는 어떤 결정이 포함되어야 하나요?

■9. 핵심 요약

■핵심 요약

질문과 완료 기준이 도구 선택보다 먼저입니다. 폴더·품질 기준·산출물을 계획하면 분석을 반복하고 검토할 수 있습니다.