감으로만 일하던 김 팀장은 어떻게 데이터 좀 아는 팀장이 되었나
비전공자를 위한 데이터 분석 속성 스쿨
$20.47
SKU
9791157845224
[Free shipping over $100]
Standard Shipping estimated by Thu 12/12 - Wed 12/18 (주문일로부 10-14 영업일)
Express Shipping estimated by Mon 12/9 - Wed 12/11 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2021/08/16 |
| Pages/Weight/Size | 153*210*30mm |
| ISBN | 9791157845224 |
| Categories | 경제 경영 > 경영 |
Description
“앞으로는 데이터에 근거해 보고하고 지시하세요!”
디지털 트랜스포메이션 시대,
발등에 불 떨어진 모든 팀장들이 가장 먼저 읽어야 할 책!
빅데이터 분야 세계 Top 100에 꼽히는 전문가들이 쓴 데이터 분석 입문서가 나왔다. 국내 최초로 실제 기업의 데이터 분석 에피소드와 멘토링을 중심으로 한 내용으로, 데이터 리터러시를 훈련시켜주는 책이다. 비전공자와 초보자도 쉽게 이해할 수 있도록 가상의 김 팀장과 그의 멘토인 황보 교수 캐릭터를 만들어 에피소드 형식으로 풀어 썼다. 이 책의 가장 큰 특징은 어느 누구도 하나로 꿰어내지 못했던 저자들의 풍부한 현업 컨설팅 사례. 영업 마케팅부서부터 기획팀, 인사팀, 비서실, 제조공장, 매장 관리, 온라인쇼핑몰 관리까지, 현업에서 가장 빈번하게 겪는 문제를 두루 풀었다.
데이터가 중요하다는 건 알겠는데 어디서부터 시작해야 할지 막막했던 사람이라면, 합리적으로 판단하고 싶은데 데이터를 활용할 줄 몰라서 ‘감(感)’에만 의지해왔던 경영자나 중간관리자라면, 이 책이 데이터를 ‘의사결정을 뒷받침해줄 확실한 무기’로 만드는 방법을 알려줄 것이다.
디지털 트랜스포메이션 시대,
발등에 불 떨어진 모든 팀장들이 가장 먼저 읽어야 할 책!
빅데이터 분야 세계 Top 100에 꼽히는 전문가들이 쓴 데이터 분석 입문서가 나왔다. 국내 최초로 실제 기업의 데이터 분석 에피소드와 멘토링을 중심으로 한 내용으로, 데이터 리터러시를 훈련시켜주는 책이다. 비전공자와 초보자도 쉽게 이해할 수 있도록 가상의 김 팀장과 그의 멘토인 황보 교수 캐릭터를 만들어 에피소드 형식으로 풀어 썼다. 이 책의 가장 큰 특징은 어느 누구도 하나로 꿰어내지 못했던 저자들의 풍부한 현업 컨설팅 사례. 영업 마케팅부서부터 기획팀, 인사팀, 비서실, 제조공장, 매장 관리, 온라인쇼핑몰 관리까지, 현업에서 가장 빈번하게 겪는 문제를 두루 풀었다.
데이터가 중요하다는 건 알겠는데 어디서부터 시작해야 할지 막막했던 사람이라면, 합리적으로 판단하고 싶은데 데이터를 활용할 줄 몰라서 ‘감(感)’에만 의지해왔던 경영자나 중간관리자라면, 이 책이 데이터를 ‘의사결정을 뒷받침해줄 확실한 무기’로 만드는 방법을 알려줄 것이다.
Contents
프롤로그 | 비전문가를 위한 데이터 분석 입문서
1부. [기본] 김 팀장, 데이터 분석으로 첫 보고 하다
1장. 김 팀장, 예측이 아니라 추론을 해야죠! _ 예측과 추론
2장. 데이터 분석 결과에서 대체 뭘 보라는 겁니까? _ 선형 회귀
3장. 분석 결과가 상식적으로 좀 안 맞는데요? _ 데이터 수집
4장. 분석을 하려면 다 해야지, 왜 하다 말아요? _ 분석력과 예측력
5장. 데이터를 마구 집어넣으면 안 된다고요? _ 변수와 상관관계
2부. [심화] 다른 부서의 데이터 문제를 해결하다
6장. [서초지점] 고객 재구매 여부가 마이너스로 나오는 게 말이 됩니까? _ 로지스틱 회귀
7장. [인사총무팀] 우수 직원의 특성을 분석해서 액션 플랜을 짜고 싶어요 _ 의사결정나무
8장. [해외영업본부] 아마존 MD가 지난번 히트 상품과 비슷한 상품을 추천해달랍니다 _ 그룹화와 거리 측정
9장. [비서실] 회장님이 방문하실 대표 매장 5곳을 선정해주세요 _ k-평균 군집분석
10장. [여수공장] 공장에 센서가 수천 개가 넘는데 어떻게 일일이 다 봅니까? _ 주성분 분석
11장. [회원관리팀] 멤버십 회원 데이터를 검토해서 시사점을 찾으라고요? _ 기술 통계
12장. [회원관리팀] 사장님께 매장별 회원 특성을 시각화해서 보고하라고요? _ 박스 그림
3부. [응용] 데이터로 비즈니스를 혁신하다
13장. 회사 온라인 쇼핑몰의 추천 화면을 바꿔서 매출을 높이다 _ 추천시스템
14장. 구매 정보를 분석하여 고객마다 추천 제품을 달리 보여주다 _ 협업 필터링
15장. 소통 데이터를 분석하여 임직원의 협업 문화를 혁신하다 _ 소셜 네트워크 분석
16장. 고객 동선을 분석하여 매장 레이아웃을 혁신하다 _ 프로세스 마이닝
17장. 배분 방식을 개선하여 대리점 재고 관리를 혁신하다 _ 최적화
4부. [Q&A] 팀장들의 궁금증을 풀어주다
18장. 데이터 과학자 연봉이 몇억이라는데 진짜예요?
19장. 데이터 분석가는 주식도 잘하겠죠?
20장. 데이터 분석가는 무슨 소프트웨어를 쓰나요?
21장. 설문을 잘하려면 문항을 어떻게 만들어야 하나요?
22장. 데이터 분석하려면 인공지능을 알아야 해요?
23장. 인공지능이 괜찮은 신입사원을 채용해주나요?
에필로그 | 그룹 데이터 혁신 담당 임원으로 승진하다
1부. [기본] 김 팀장, 데이터 분석으로 첫 보고 하다
1장. 김 팀장, 예측이 아니라 추론을 해야죠! _ 예측과 추론
2장. 데이터 분석 결과에서 대체 뭘 보라는 겁니까? _ 선형 회귀
3장. 분석 결과가 상식적으로 좀 안 맞는데요? _ 데이터 수집
4장. 분석을 하려면 다 해야지, 왜 하다 말아요? _ 분석력과 예측력
5장. 데이터를 마구 집어넣으면 안 된다고요? _ 변수와 상관관계
2부. [심화] 다른 부서의 데이터 문제를 해결하다
6장. [서초지점] 고객 재구매 여부가 마이너스로 나오는 게 말이 됩니까? _ 로지스틱 회귀
7장. [인사총무팀] 우수 직원의 특성을 분석해서 액션 플랜을 짜고 싶어요 _ 의사결정나무
8장. [해외영업본부] 아마존 MD가 지난번 히트 상품과 비슷한 상품을 추천해달랍니다 _ 그룹화와 거리 측정
9장. [비서실] 회장님이 방문하실 대표 매장 5곳을 선정해주세요 _ k-평균 군집분석
10장. [여수공장] 공장에 센서가 수천 개가 넘는데 어떻게 일일이 다 봅니까? _ 주성분 분석
11장. [회원관리팀] 멤버십 회원 데이터를 검토해서 시사점을 찾으라고요? _ 기술 통계
12장. [회원관리팀] 사장님께 매장별 회원 특성을 시각화해서 보고하라고요? _ 박스 그림
3부. [응용] 데이터로 비즈니스를 혁신하다
13장. 회사 온라인 쇼핑몰의 추천 화면을 바꿔서 매출을 높이다 _ 추천시스템
14장. 구매 정보를 분석하여 고객마다 추천 제품을 달리 보여주다 _ 협업 필터링
15장. 소통 데이터를 분석하여 임직원의 협업 문화를 혁신하다 _ 소셜 네트워크 분석
16장. 고객 동선을 분석하여 매장 레이아웃을 혁신하다 _ 프로세스 마이닝
17장. 배분 방식을 개선하여 대리점 재고 관리를 혁신하다 _ 최적화
4부. [Q&A] 팀장들의 궁금증을 풀어주다
18장. 데이터 과학자 연봉이 몇억이라는데 진짜예요?
19장. 데이터 분석가는 주식도 잘하겠죠?
20장. 데이터 분석가는 무슨 소프트웨어를 쓰나요?
21장. 설문을 잘하려면 문항을 어떻게 만들어야 하나요?
22장. 데이터 분석하려면 인공지능을 알아야 해요?
23장. 인공지능이 괜찮은 신입사원을 채용해주나요?
에필로그 | 그룹 데이터 혁신 담당 임원으로 승진하다