데이터 모델링이란 무엇일까? 먼저 데이터를 기반으로 모델을 만드는 것을 생각해 볼 수 있다. 그러나 처음부터 모델을 만드는 것에 집착하는 것은 바람직하지 않다. 너무 추상적이기도 하고, 어떤 모델을 어떻게 만들어야 할지 막막하기만 하다. 다른 측면에서 데이터 모델링을 정의해 보면, 데이터 모델링은 데이터의 속성을 설명할 수 있고 이해하는 것이라 할 수 있다. 흔히 데이터 분석을 이야기할 때, 먼저 데이터의 특성을 파악하라고 한다. 데이터의 특성을 파악하기 위해서는 다음 세 가지 항목을 알아야 한다. 데이터 구조, 데이터 연산, 그리고 데이터 제약조건이다. 특히 데이터 제약조건은 데이터 의미를 파악하는데 유용하게 활용할 수 있다. 데이터 구조 데이터 구조는 정형(structued), 반정형(semi-str..
미니 서평 개인적으로 보기에 그리 매력적인 책은 아니다. 특히 주식으로 어떻게 부자가 되었는지 설명하는 뒷부분은 별로였다. 아마도 너무 옛날 이야기이기 때문이거나 현재 주식을 하지 않기 때문인지도 모르겠다. 다만 앞부분에서 부자가 되기 위한 첫 번째 조건은 체력이라는 부분은 눈에 들어왔다. 체력!!너무 잘 알고 있지만 정말 실천하기 어려운 것 같다. 술과 담배를 줄이고, 규칙적으로 운동을 하고, 산책을 즐기며 명상을 하고, 하루에도 몇 번씩 이렇게 다짐을 하지만 잠들기 전 생각해보면 하나도 제대로 실천한 것이 없다 ㅠㅠ 밑줄 긋기 부자가 되기 위한 첫 번째 조건은 체력!- 충분히 잠을 자고 매일 일정한 시간에 기상하기 - 규칙적으로 스트레칭하고 명상하기- 가슴에 땀이 흠뻑 젖을 정도로 운동하기 - 몰입하..
이제 본격적으로 빅데이터 가치 창출을 위한 5단계의 프로세스를 살펴보기로 한다. 이것은 일반적인 빅데이터 분석 과정인 "데이터 획득 - 데이터 준비 - 데이터 분석 - 시각화 - 활용"을 의미한다. 데이터 획득 (Acquire) 데이터 획득은은 단순히 데이터를 수집하는 것만을 의미하지 않는다. 먼저 데이터 셋을 명확하게 정의해야 한다. 어떤 데이터들이 있고, 해당 데이터의 특성이 무엇인지를 명확하게 설정해야 한다. 그리고 나서 데이터를 검색해보거나 쿼리를 할 수 있어야 한다. 개인적으로는 이 단계에서 데이터 속성을 파악하는 것이 중요하다고 생각한다. 데이터에 어떤 항목들이 포함되어 있고, 그것이 무엇을 의미하는 지를 알아야 올바른 가설 또는 문제를 정의할 수 있다. 데이터 준비 (Prepare) 데이터 ..
미니 서평 10년 전 이 책을 처음 읽었을 때 신선한 충격이었다. 아인슈타인에 대한 전기가 아닌, 공식 E=mc2이 마치 살아 있는 생명체인 것처럼, 탄생, 초창기, 성년기로 나누어서 소설처럼 쉽게 이야기 하고 있었다. 이번에 다시 읽으면서 내용을 더 깊이 있게 이해하고 싶었으나 물리학 지식이 부족해서인지 10년 전과 별 차이는 없는 듯 하다. 다만, 책에 등장하는 수많은 천재 과학자들의 이야기에서상상력과 과학적 사고의 필요성을 새삼 느끼게 되었다. 과학적 사고는 모든 사람들이 당연하게 받아들이는 것에 대해서 왜? 그럴까? 하고 다른 측면에서 생각해 보는 것 같다. 여기에 상상력을 발휘해 가설을 세우고 현상을 관찰하거나 실험을 통해서 증명해 나가는 것 같다. 기존 생각의 틀을 깨는 것은 쉽지 않다. 그러..
빅데이터는 초기의 개념 정의, 그리고 기술 적용의 단계를 넘어 활용으로 나아가고 있다. 가치 창출을 위한 빅데이터 활용 측면에서 빅데이터 모델링에 대해 살펴보고자 한다. 알리스테어 크롤과 벤저민 요스코비치가 쓴 린 분석(Lean Analytics)에 보면, "행동을 변화시키지 않는다면 잘못된 지표이다" 라는 이야기가 나온다. 빅데이터 분석만 하고 아무런 행동도 하지 않는다면 무의미하다는 것이다. 즉, 빅데이터 분석의 최종 목표는 반드시 실행이어야 한다. 다양하고 수많은 데이터에서 인사이트를 찾고 이를 실행에 옮기는 것이야말로 진정한 빅데이터의 활용이자 데이터 과학이라 할 수 있다. 그러나 빅데이터에서 인사이트를 찾아내는 것 자체가 어려울 수 있다. 인사이트를 찾기 위해서는 무엇을 해야 할까? 당연히 분석..
- Total
- Today
- Yesterday
- 책
- 자바스크립트
- 통계
- 클라우드
- ms
- 모바일
- 웹
- 하둡
- 구글
- Hadoop
- HTML
- 맥
- 분석
- 안드로이드
- 도서
- fingra.ph
- 자바
- 애플
- XML
- r
- mysql
- 세미나
- 디자인
- 마케팅
- SCORM
- java
- 아이폰
- 빅데이터
- 프로젝트
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |