데이터 분석 기술 블로그

LOOKUP() 함수란?LOOKUP() 함수는 현재 행(Row)에서 특정 위치에 있는 값을 가져오는 함수입니다.쉽게 말하면, 현재 위치를 기준으로 앞이나 뒤의 값을 참조하는 역할을 합니다.LOOKUP() 함수 기본 문법LOOKUP([필드명], 숫자) 인자(Arguments) 설명 필드명참조할 대상(값을 가져올 필드)숫자몇 행(Row) 앞뒤 데이터를 가져올지 결정 (음수: 이전 값, 0: 현재 값, 양수: 이후 값)

ATTR() 함수란?ATTR()(Attribute) 함수의 역할은 Tableau에서 특정 필드의 "고유한 값"을 가져오는 함수이다. 주로 데이터가 여러 값으로 나뉠 가능성이 있을 때, 단일 값인지 확인하는 용도로 사용한다. 하나의 값만 존재하면 그대로 반환, 여러 값이 있으면 * (애스터리스크) 표시한다.ATTR() 이 필요한 이유는 Funnel_Step 필드는 여러 단계(홈페이지 방문, 검색 페이지 방문 등)가 있고 ATTR(Funnel_Step)을 사용하면 단일 단계인지 확인 가능하다.

pandas란?pandas는 Python에서 데이터를 다루기 위한 라이브러리입니다.엑셀, CSV, SQL 데이터 등을 쉽게 불러오고, 처리하고, 분석할 수 있도록 도와주는 도구로, 주로 데이터 분석과 머신러닝 전처리에 많이 사용됩니다.pandas의 핵심 개념pandas는 두 가지 주요 데이터 구조를 제공합니다:Series → 1차원 데이터(리스트 같은 형태)DataFrame → 2차원 테이블 형태(엑셀 같은 형태)1. Series (1차원 데이터)import pandas as pd# 리스트를 Series로 변환s = pd.Series([10, 20, 30, 40, 50])print(s)출력 결과0 101 202 303 404 50dtype: int64인덱스(0,1,2,...)와..

튜플(Tuple)이란?튜플은 리스트와 비슷하지만, 변경할 수 없는(immutable) 자료형입니다.즉, 한 번 생성되면 요소를 수정, 추가, 삭제할 수 없습니다. 소괄호 ()를 사용해서 표현합니다.튜플 기본 문법# 튜플 생성my_tuple = (10, 20, 30, 40, 50)# 값 가져오기 (리스트와 동일)print(my_tuple[0]) # 10print(my_tuple[2]) # 30print(my_tuple[-1]) # 50 (음수 인덱스 사용 가능)리스트처럼 인덱스로 접근 가능값을 변경할 수 없음 (my_tuple[0] = 100 ❌ 오류 발생)튜플의 주요 특징특징설명변경 불가능 (Immutable)값을 추가, 수정, 삭제할 수 없음리스트보다 속도가 빠름수정할 필요 없는 데이터 저장 시 유..

리스트(List)란?리스트는 여러 개의 데이터를 순서대로 저장하는 자료형입니다.대괄호 []로 감싸서 표현하며, 각 요소는 인덱스(순번)를 가지고 있습니다.리스트 기본 문법# 리스트 생성my_list = [10, 20, 30, 40, 50]# 값 가져오기 (인덱스는 0부터 시작)print(my_list[0]) # 10print(my_list[2]) # 30print(my_list[-1]) # 50 (음수 인덱스는 뒤에서부터)인덱스(index)로 값을 가져올 수 있음음수 인덱스도 사용 가능 (예: -1은 마지막 값)리스트 주요 기능기능설명예제list.append(값)리스트 끝에 값 추가my_list.append(60)list.insert(인덱스, 값)특정 위치에 값 삽입my_list.insert(1, 1..

딕셔너리(Dictionary)란?딕셔너리(dict)는 키(key)와 값(value)의 쌍으로 이루어진 데이터 구조입니다.리스트나 튜플과 달리, 순서(index)가 아니라 키를 이용해서 값을 찾는 방식입니다.딕셔너리 기본 문법# 딕셔너리 생성my_dict = { "name": "Alice", "age": 25, "city": "Seoul"}# 값 출력print(my_dict["name"]) # "Alice"print(my_dict["age"]) # 25print(my_dict["city"]) # "Seoul""name", "age", "city" → 키(key)"Alice", 25, "Seoul" → 값(value)키를 이용해 값을 가져올 수 있음 → my_dict["name"]딕셔..

os는 Python의 내장 모듈로, 운영 체제(OS: Operating System)와 상호작용할 수 있도록 도와주는 기능을 제공합니다. 주요 기능 파일 및 폴더 관리os.listdir("폴더경로") → 폴더 내 파일 리스트 가져오기os.path.join("경로", "파일명") → 운영 체제에 맞게 경로 생성환경 변수 및 시스템 정보 접근os.getenv("변수명") → 환경 변수 가져오기os.name → OS 종류 확인 (Windows: 'nt', Mac/Linux: 'posix')파일/폴더 조작os.remove("파일경로") → 파일 삭제os.makedirs("폴더경로") → 폴더 생성예제import os# 현재 작업 디렉토리 확인print(os.getcwd())# data 폴더 내 모든 파일 리스트..

코호트 분석(Cohort Analysis)란?코호트 분석은 같은 시기, 같은 조건에서 유사한 행동을 한 사용자 그룹(코호트, Cohort)의 패턴을 분석하는 방법입니다.쉽게 말해, 비슷한 시기에 가입한 사용자들이 시간이 지나면서 어떻게 행동하는지를 분석하는 기법입니다.특정 그룹의 리텐션(유지율), 구매 패턴, 전환율 변화 등을 확인할 때 사용됩니다.특히, 퍼널 분석(AARRR)과 함께 사용하면 사용자 이탈 원인을 파악하는 데 효과적입니다.왜 코호트 분석이 중요할까?신규 vs 기존 사용자 행동 비교 가능 → 어느 그룹이 더 오래 남아 있는지 확인마케팅/광고 효과 측정 가능 → 특정 캠페인 후 고객 유지율 분석제품 개선 방향 설정 가능 → 신규 유저들이 특정 시점에서 이탈하는 패턴 발견코호트 분석의 3가지 ..