[데이터 리터시] 03. 데이터의 유형

03. 데이터의 유형

[수업 목표]
지표 정의를 위한 데이터의 종류와 활용법에 대해서 알아봐요. 😊

 

[목차]

01. 데이터의 유형

1) 정성적 데이터 vs 정량적 데이터

2) ✍ 데이터의 유형 예제

3) 정량적 데이터의 사례

4) 정량적 데이터의 활용

4) 정량적 데이터의 활용 | Notion

---

01. 데이터의 유형

데이터의 유형과 정량적 데이터의 활용에 대해서 알아보는 시간을 가져요. 😄

 

 

1) 정성적 데이터 vs 정량적 데이터

☑️ 정성적 데이터 (Qualitative Data)

• 비수치적인 정보로 사람의 경험, 관점, 태도와 같은 주관적인 요소를 포함해요
• 대부분 텍스트, 비디오, 오디오 형태로 존재해요
• 정형되지 않고 구조화 되어있지 않아요
• 데이터를 구조화하기 어려워요
• 새로운 현상이나 개념에 대한 이해를 심화하는데 사용해요

☑️ 정량적 데이터 (Quantitative Data)

• 수치적으로 표현되는 정보로 양적인 측정과 분석을 통해 얻을 수 있어요
• 데이터가 숫자 형태로 존재하기 때문에 통계적으로 분석하기 쉬워요
• 개인의 해석이나 주관이 적게 작용하는 객관성을 가지고 있어요
• 지표로 만들기에 용이해요
• 설문조사, 실험, 인구 통계, 지표 분석 등에 활용해요

☑️ 데이터 유형별 비교

• 비즈니스 목표를 위해서 두 가지 데이터를 적절하게 활용하는 것이 필요
• 지표설정과 분석에 활용하기 위한 정량적 데이터를 중점적으로 살펴볼 예정

2) ✍ 데이터의 유형 예제

💁‍♀️  주어진 예제를 보고, 정량적 데이터인지 정성적 데이터인지 고민해봅시다. 아직 헷갈릴 수 있는 정성과 정량에 대한 이해를 완벽히 끝내봅시다!

 

 

1) 힌트 살펴보기

• 단순히 정량적, 정성적으로 나누어지지 않을 수 있어요. 이럴때는 어떻게 지표로 활용할 수 있는가? 안된다면 어떻게 할 수 있을까? 고민해봐요.

문제

• Q1. 한 레스토랑에서 하루에 판매되는 햄버거 세트의 수는 150개 입니다. (정량적)
• Q2. 한 고객이 카페 이용 리뷰에 "커피 맛이 너무 좋았고, 분위기가 아늑했다"고 말했습니다. (정성적)
•  Q3. 한 온라인 쇼핑몰의 지난 달의 평균 구매 금액은 10만원입니다. (정량적)
• Q4. 어떤 서비스를 이용한 유저가 "사용하기 쉽고, 인터페이스가 직관적이다"라는 평가를 남겼습니다. (정성적)
• Q5. 고객 설문 조사에서, 고객들이 서비스에 대해 "만족한다", "매우 만족한다", "만족하지 않는다"와 같이 응답했습니다. (정석적 > 정량적으로 변환 가능)
• Q6. 어떤 연구자가 인터뷰를 통해 수집한 데이터에는 참가자들의 나이, 성별, 직업과 더불어 그들의 생각과 느낌이 포함되어 있습니다. (나이,성별,직업 -> 정량적, 그들의 생각과 느낌->정성적)

1) 정답 확인하기

• • Q1, Q3. 정량적 데이터
    • 구체적인 숫자로 표현되었습니다.
  • Q2, Q4. 정성적 데이터
    • 고객의 주관적인 경험과 의견을 반영하고 있으며, 수치적으로 측정할 수 없습니다.
  • Q5. 정성적 데이터
    • 이를 통계적으로 분석하기 위해 수치화할 수 있습니다. (ex. 매우 만족 = 3, 만족 = 2,만족하지 않음 = 1)
    • 따라서 이 데이터는 정성적인 의견을 기반으로 하지만, 정량적으로 변환될 수 있습니다.
  • Q6. 정성적, 정량적 데이터 모두.
    • 이 데이터는 정량적 정보(나이, 성별, 직업)와 정성적 정보(생각과 느낌)를 모두 포함하고 있습니다

3) 정량적 데이터의 사례

• 인구 통계 데이터

• 수치형 설문조사 데이터
  

  

• 비즈니스 성과 데이터

• 행동 로그 데이터

• 마케팅 데이터

 

4) 정량적 데이터의 활용

☑️ 정량적 데이터의 활용

• 정량적 데이터는 객관적이고 측정가능한 지표를 만들기에 적합합니다.
• 일일 활성 사용자수(DAU, Daily Active User), 재방문 비율(Retention) 등 서비스의 건강 상태를 나타내는 중요한 지표들을 확인할 수 있습니다.
  • 수치형 설문조사 데이터를 정량적인 기준으로 나눈 사례, 추천 지수(NPS)를 만들 수 있음

☑️ 통계적 분석 적용

• 분포, 평균, 중앙값 등을 계산해서 데이터의 경향성과 패턴을 파악할 수 있습니다.
• 해당 내용을 근거로 의사결정 과정에서 중요한 판단을 내립니다.
  • 여행 키워드 검색 및 예약 시계열 그래프

• 요일별, 성별 레스토랑 팁 분포 그래프

☑️ 다양한 데이터 분석 방법 적용

• 비즈니스 분석, 예측 모델링, 추세 분석을 포함한 머신러닝과 같은 현대적 데이터 분석 기법에 활용할 수 있습니다.
• 이를 통해 미래 예측, 효율적 자원 배분, 시장 변화에 대한 적응이 가능해집니다.

 

위 특성을 바탕으로 우리는 다음과 같은 질문에 대답을 할 수 있습니다.

• 한 달 동안 우리 회사가 벌어들이는 매출은 얼마인가?
• 하루 평균 우리 플랫폼에 접속하는 고객 수는?
• 지난달에 방문한 유저 중 얼만큼이 다시 우리 서비스를 이용했는가?
• 결과적으로 이것을 통해 서비스의 수준을 진단하고, 우리는 지금 어떤 action을 해야되지?