데이터 분석 · AI 기초집LESSON 01

데이터 분석과 AI의 역할: 게임 개발자는 왜 데이터를 읽어야 할까?

난이도초급

예상 시간35분

선수지식Python 기초와 CSV·JSON 기본 구조

1강. 데이터 분석과 AI의 역할: 게임 개발자는 왜 데이터를 읽어야 할까?

1. 이번 강의에서 해결할 문제

밸런스가 나쁘다는 의견만으로 수치를 바꾸면 특정 숙련도나 모드의 문제를 전체 문제로 오해할 수 있습니다. 분석이 답할 질문과 AI가 보조할 예측을 구분해야 합니다.

2. 학습 목표

3. 핵심 개념

데이터 분석은 질문에 필요한 기록을 수집·정리·요약·시각화해 의사결정 근거를 만드는 과정입니다. 머신러닝은 과거 사례에서 입력 특성과 결과의 패턴을 학습해 새 사례를 예측하지만 원인이나 정책을 자동으로 증명하지 않습니다. 이 과정의 프로젝트는 player_id, game_mode, play_minutes, score, win, character, match_date를 가진 가상 기록만 사용합니다.

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-charter.md

docs/analysis-charter.md
# 게임 플레이·랭킹 분석 헌장

질문: 특정 캐릭터의 승률이 전체와 숙련 구간에서 모두 높은가?
관찰 단위: 한 행 = 완료된 한 매치의 플레이어 결과
허용 데이터: 직접 생성한 가상 ID와 게임 기록
금지 데이터: 이름, 이메일, IP, 실제 토큰, 실제 사용자 원본
결과물: 품질 보고서, 집계표 2개, 그래프 2개, 예측 평가, 한계

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-charter.md과 이 강의가 만드는 출력

Windows PowerShell
New-Item -ItemType Directory -Force C:\dev\game-data-lab\docs
Set-Location C:\dev\game-data-lab
Get-Content .\docs\analysis-charter.md

예상 결과: 분석 질문, 관찰 단위, 데이터 경계와 결과물이 한 문서에 기록됩니다.

5. 분석 또는 모델이 동작하는 이유

질문과 관찰 단위를 먼저 고정하면 같은 열도 무엇을 의미하는지 명확해집니다. 예측 모델은 분석 결과의 일부일 뿐이며, 최종 결정에는 게임 설계 맥락과 위험 검토가 함께 필요합니다.

6. 자주 하는 실수와 해결법

7. 직접 실습

8. 이해 점검 질문 3개

9. 핵심 요약

MINI QUIZ