데이터 분석 기법에 대한 이것저것 주워들은 것들.
이중차분법
이중차분(difference in differences, DID)은 두 집단의 difference를 difference한 두 시기로 비교해보는 것이다.
게임 데이터로 인과 추론 분석하기
한국 R 컨퍼런스에서 NC소프트, 게임 데이터로 인과 추론 분석 발표 내용.
이중차분법은 말 그대로 차분을 두 번하는 것.
e.g.) 이벤트 쿠폰의 효과를 검증하고 싶다.
- 쿠폰이 지급된 집단의 지급 전, 후를 비교하면 이벤트 후에 있었던 모든 환경에 영향을 받는다.(C-A)
- 쿠폰을 지급받은 집단의 전과 후, 쿠폰 미지급 집단의 시간상 전과 후의 차이를 각각 구하고, 집단간 차이를 구하면{(C-A) - (D-B)} 시간에 따른 환경을 무시하고 비교할 수 있다.
"데이터 엔지니어 부업을 해봅시다" 라는 구인글
https://www.facebook.com/yonghosee/posts/4044676965571406
데이터 엔지니어 역할을 파트타임으로 할 사람을 구인하는 글인데, 구글 docs로 접수받고 있다. 문서 내용은 데이터 분석과 관련된 질문이 적혀있다. 특히 몰라서 사용하지 않았떤 SQL Clause나 함수, 도구에 대한 질문이 있어서 정리해두려고 한다.
문서(질문) 내용
좋았던 질문은 Bold, 이름 등 불필요한 건 생략
- 스스로 볼 때 파이썬 구현 수준이 어느정도 인가요?
- AWS athena를 써보신 적이 있으신가요?
- Google BigQuery를 써보신적 있으신가요?
- Sqoop을 써보신적 있으신가요?
- MongoDB는 어느정도로 써보셨나요?
- SQL에서 WITH문을 많이 쓰시는 편인가요?
- SQL에서 LEAD, LAG등을 이용해 일간, 주간 리텐션을 구현 해본 적 있으신가요?
- Jupyter Notebook에서 pyspark으로 데이터 분석해보신 적 있으신가요?Jupyter Notebook에서 비주얼라이제이션 라이브러리 (matplotlib, seaborn, plotly등등) 은 어떤 것을 좋아하시며, 왜 좋아하시나요?
- 본인이 써보신 워크플로우 디펜던시 엔진(Airflow, prefect, luigi등)을 쓰면서 느꼈던 불편했던 점, 고쳐지면 좋을 점에 대해서 말씀해주실 수 있나요? (써본적 없으면 패스)
- 데이터 모니터링을 구현하거나 관련 툴을 써보신적 있으실까요?
- redash나, superset 또는 그외 오픈소스 BI툴 경험이 있으시다면 소개해주세요 😃
- 데이터레이크는 데이터웨어하우스와 어떤 차이가 있다고 생각하시나요? 데이터 레이크를 구축하신 경험이 있다면, 어떤 기술들을 사용해서 어떤 형태로 작업하셨는지 간단히 소개해주실 수 있으실까요?
- 구현하시면서 ETL에서 ELT로의 변화를 느껴보신적이 있으실까요? ELT에 레디 되려면 어떤 점들이 필요할까요?