Learning Path
데이터를 분석하고 싶을 때
데이터를 모으고 구조화한 뒤 패턴을 찾는 데 필요한 개념을 살펴봐요.
Overview
이 경로에서 배우는 것
데이터 분석은 자료를 모으는 것에서 끝나지 않고, 다루기 좋은 구조로 저장하고 의미 있는 패턴을 찾는 과정까지 포함합니다.
완주하면 웹에서 데이터를 수집하고 JSON과 데이터베이스로 구조화한 뒤 분석 방법을 선택할 수 있습니다.
For whom
이런 분께 추천해요
반복되는 자료 수집을 줄이고 여러 데이터에서 추세, 분류 기준, 의사결정 근거를 찾고 싶은 사람에게 적합합니다.
Before you start
시작 전에 확인하세요
- 분석하려는 질문과 필요한 데이터의 범위를 문장으로 정의하기
- 개인정보와 웹사이트 수집 정책을 확인하는 습관
Use cases
이럴 때 활용할 수 있어요
- 공개 웹페이지의 상품이나 콘텐츠 목록 정리
- 여러 출처의 JSON 데이터 통합
- 축적된 데이터에서 분류와 예측 가능성 탐색
Step by step
추천 학습 순서
- 01 용어 보기
크롤링(Crawling)
웹페이지에서 필요한 정보만 반복적으로 수집하되 robots.txt, 이용약관, 요청 속도를 함께 확인합니다.
웹페이지를 자동으로 돌아다니며 필요한 정보나 링크를 수집하는 작업. - 02 용어 보기
JSON
수집한 값을 이름과 구조가 있는 데이터로 표현해 도구와 API 사이에서 주고받습니다.
객체와 배열 형태로 데이터를 주고받는 가벼운 텍스트 형식. - 03 용어 보기
데이터베이스(Database)
데이터가 늘어나도 일관되게 저장, 검색, 수정할 수 있는 구조를 설계합니다.
회원, 게시글, 주문 내역 같은 데이터를 저장하고 조회하는 시스템. - 04 용어 보기
Airtable
코드 없이도 표, 관계, 필터, 뷰를 구성해 작은 분석 흐름을 빠르게 검증합니다.
스프레드시트처럼 보이지만 데이터베이스처럼 관계와 뷰를 관리할 수 있는 노코드 도구. - 05 용어 보기
머신러닝(Machine Learning)
규칙만으로 풀기 어려운 분류나 예측 문제인지 판단하고 학습 데이터의 품질을 점검합니다.
데이터에서 패턴을 학습해 예측이나 분류를 수행하게 만드는 AI 방법.
FAQ
이 경로에서 자주 묻는 질문
데이터 분석을 하려면 머신러닝부터 배워야 하나요?
아닙니다. 먼저 분석 질문을 정하고 데이터를 깨끗하게 수집·정리하는 것이 중요합니다. 단순 집계와 규칙으로 해결되지 않는 문제에서 머신러닝을 검토하면 됩니다.
웹사이트의 데이터는 모두 크롤링해도 되나요?
아닙니다. robots.txt, 이용약관, 저작권, 개인정보, 서버 부하를 확인해야 하며 공식 API가 있다면 API를 우선하는 편이 안전합니다.