파워 BI 데이터 분석&시각화
참된 데이터 분석과 빈틈없는 보고서를 위한
$33.21
SKU
9791165922405
[Free shipping over $100]
Standard Shipping estimated by Thu 12/5 - Wed 12/11 (주문일로부 10-14 영업일)
Express Shipping estimated by Mon 12/2 - Wed 12/4 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2023/07/31 |
| Pages/Weight/Size | 188*245*30mm |
| ISBN | 9791165922405 |
| Categories | IT 모바일 > OS/데이터베이스 |
Description
파워 BI로 배우는 손쉬운 데이터 분석과
분명한 의사결정을 위한 다이내믹 보고서
『파워 BI 데이터 분석&시각화』에서는 마이크로소프트에서 개발한 상호작용 데이터 시각화 도구인 파워 BI의 사용법을 학습하며 데이터 탐색과 데이터 병합 및 관계 설정에 대해 꼼꼼하게 살펴봅니다. 그리고 파워 피벗에 사용되는 DAX 언어로 파워 BI의 정형화된 테이블과 변수를 보다 세밀하게 다뤄봅니다. 또한, 공공 데이터 API를 직접 가져와 전처리하고 유의미한 정보로 가공하여 대시보드를 제작해보는 실습을 통해 파워 BI를 활용한 데이터 분석 및 시각화 프로세스를 직접적으로 이해할 수 있습니다.
분명한 의사결정을 위한 다이내믹 보고서
『파워 BI 데이터 분석&시각화』에서는 마이크로소프트에서 개발한 상호작용 데이터 시각화 도구인 파워 BI의 사용법을 학습하며 데이터 탐색과 데이터 병합 및 관계 설정에 대해 꼼꼼하게 살펴봅니다. 그리고 파워 피벗에 사용되는 DAX 언어로 파워 BI의 정형화된 테이블과 변수를 보다 세밀하게 다뤄봅니다. 또한, 공공 데이터 API를 직접 가져와 전처리하고 유의미한 정보로 가공하여 대시보드를 제작해보는 실습을 통해 파워 BI를 활용한 데이터 분석 및 시각화 프로세스를 직접적으로 이해할 수 있습니다.
Contents
1부 금융산업의 빅데이터 분석
_1장 금융산업의 빅데이터
__1.1 빅데이터 시대의 도래
___1.1.1 주요 시장 동향
___1.1.2 주요 정책 추진 동향
__1.2 빅데이터란?
___1.2.1 빅데이터의 의의 및 특징
___1.2.2 빅데이터의 활용 가치
___1.2.3 빅데이터 분석
___1.2.4 빅데이터 분석 방법론
___1.2.5 탐색적 데이터 분석
__1.3 빅데이터 활용 분야
___1.3.1 해외 빅데이터 활용 사례
___1.3.2 국내 빅데이터 활용 사례
___1.3.3 금융산업에서의 빅데이터 활용 사례
2부 분석 과제를 위한 준비
_2장 금융 빅데이터 사전컨설팅
__2.1 빅데이터 분석 과제 선정
___2.1.1 금융산업에서의 빅데이터 분석 및 활용 현황
___2.1.2 빅데이터 분석 과제 선정 방법론
3부 고객 분석
_3장 통합 고객 다차원 분석 및 고객 세분화
__3.1 개요
___3.1.1 고객 분석의 배경 및 목적
___3.1.2 금융산업에서의 고객 세분화 사례
___3.1.3 분석 모형 프로세스
__3.2 통합 고객 다차원 분석
___3.2.1 분석 대상 테이블 선정
___3.2.2 분석 대상 고객 선정
___3.2.3 분석 대상 테이블 탐색
___3.2.4 데이터 탐색 및 인사이트 발견
__3.3 고객 세분화
___3.3.1 세분화 방법 및 선정 근거
___3.3.2 군집 분석
___3.3.3 그리드 방식
__3.4 결론
___3.4.1 분석 과제 요약
___3.4.2 한계점 및 고도화 방안 제시
_4장 우수고객 및 고객 이탈 분석
__4.1 개요
___4.1.1 우수고객 및 고객 이탈 분석의 배경 및 목적
___4.1.2 산업별 적용 사례
___4.1.3 모델 개발 시 고려사항
__4.2 탐색적 데이터 분석
___4.2.1 분석 모형
___4.2.2 데이터 수집 및 전처리
___4.2.3 데이터 탐색 및 인사이트 발견
__4.3 결론
___4.3.1 분석 과제 요약
___4.3.2 향후 연구
_5장 VoC 민원 분석 및 위험민원 예측
__5.1 개요
___5.1.1 민원 분석 배경 및 목적
___5.1.2 텍스트 마이닝
__5.2 민원 분석
___5.2.1 데이터 수집
___5.2.2 데이터 전처리 및 EDA
___5.2.3 빈도 분석
___5.2.4 토픽 모델링
___5.2.5 월별 위험민원 추세
__5.3 결론
___5.3.1 분석 과제 요약
___5.3.2 향후 연구
4부 상품 추천
_6장 상품 추천 시스템
__6.1 개요
__6.2 추천 모델
___6.2.1 무작위 추천
___6.2.2 그룹 기반 추천
___6.2.3 연관 규칙 분석
___6.2.4 콘텐츠 기반 필터링
___6.2.5 협업 필터링
_7장 보유 상품 기반 상품 추천
__7.1 개요
___7.1.1 기존 P사의 금융상품 추천 방식
___7.1.2 목표에 따른 추천 모델 방향성
__7.2 설계 방향
__7.3 탐색적 데이터 분석
___7.3.1 탐색 테이블 선정
___7.3.2 EDA 분석 및 인사이트
__7.4 모델 개발
___7.4.1 데이터 전처리
___7.4.2 모델 학습
___7.4.3 상품 추천 결과 추출
_8장 체크카드 사용 실태에 따른 상품 추천
__8.1 개요
___8.1.1 체크카드 사용 실태에 따른 상품 추천 배경 및 목적
___8.1.2 기존 P사의 체크카드 추천 방식
___8.1.3 타사의 카드 추천 방식
__8.2 설계 방향
___8.2.1 진행 추천 방식
___8.2.2 최종 모델 선정
___8.2.3 설계 방향 선정
__8.3 탐색적 데이터 분석
___8.3.1 탐색 테이블 선정
___8.3.2 데이터 탐색
__8.4 모델 개발
___8.4.1 데이터 전처리
___8.4.2 모델 추천 프로세스
_9장 접촉 로그 데이터 기반 관심상품 추천
__9.1 개요
___9.1.1 현 상태 우체국의 상품 추천 방식
___9.1.2 과제의 목적
___9.1.3 접촉정보 분석 사례
__9.2 설계 방향
__9.3 탐색적 데이터 분석
___9.3.1 탐색 테이블 선정
__9.4 모델 개발
___9.4.1 데이터 전처리
___9.4.2 모델 프로세스
_10장 서비스화 및 결과 전달
__10.1 개요
__10.2 추천 결과 적재
__10.3 추천 사유 전달
__10.4 추천 모델 평가
___10.4.1 추천 모델 평가 방법
___10.4.2 추천 모델 평가 과정
__10.5 빅데이터 분석 기반 상품 추천 서비스
5부 금융산업 빅데이터 분석 환경
_11장 빅데이터 분석 및 활용 플랫폼
__11.1 빅데이터 플랫폼 구성
__11.2 빅데이터 플랫폼 역할
___11.2.1 내부 데이터 수집
___11.2.2 외부 데이터 수집
___11.2.3 배치 프로그램
__11.3 빅데이터 플랫폼 활용
___11.3.1 빅데이터 분석 환경
___11.3.2 배치 프로그램
___11.3.3 태블로를 활용한 데이터 시각화
_1장 금융산업의 빅데이터
__1.1 빅데이터 시대의 도래
___1.1.1 주요 시장 동향
___1.1.2 주요 정책 추진 동향
__1.2 빅데이터란?
___1.2.1 빅데이터의 의의 및 특징
___1.2.2 빅데이터의 활용 가치
___1.2.3 빅데이터 분석
___1.2.4 빅데이터 분석 방법론
___1.2.5 탐색적 데이터 분석
__1.3 빅데이터 활용 분야
___1.3.1 해외 빅데이터 활용 사례
___1.3.2 국내 빅데이터 활용 사례
___1.3.3 금융산업에서의 빅데이터 활용 사례
2부 분석 과제를 위한 준비
_2장 금융 빅데이터 사전컨설팅
__2.1 빅데이터 분석 과제 선정
___2.1.1 금융산업에서의 빅데이터 분석 및 활용 현황
___2.1.2 빅데이터 분석 과제 선정 방법론
3부 고객 분석
_3장 통합 고객 다차원 분석 및 고객 세분화
__3.1 개요
___3.1.1 고객 분석의 배경 및 목적
___3.1.2 금융산업에서의 고객 세분화 사례
___3.1.3 분석 모형 프로세스
__3.2 통합 고객 다차원 분석
___3.2.1 분석 대상 테이블 선정
___3.2.2 분석 대상 고객 선정
___3.2.3 분석 대상 테이블 탐색
___3.2.4 데이터 탐색 및 인사이트 발견
__3.3 고객 세분화
___3.3.1 세분화 방법 및 선정 근거
___3.3.2 군집 분석
___3.3.3 그리드 방식
__3.4 결론
___3.4.1 분석 과제 요약
___3.4.2 한계점 및 고도화 방안 제시
_4장 우수고객 및 고객 이탈 분석
__4.1 개요
___4.1.1 우수고객 및 고객 이탈 분석의 배경 및 목적
___4.1.2 산업별 적용 사례
___4.1.3 모델 개발 시 고려사항
__4.2 탐색적 데이터 분석
___4.2.1 분석 모형
___4.2.2 데이터 수집 및 전처리
___4.2.3 데이터 탐색 및 인사이트 발견
__4.3 결론
___4.3.1 분석 과제 요약
___4.3.2 향후 연구
_5장 VoC 민원 분석 및 위험민원 예측
__5.1 개요
___5.1.1 민원 분석 배경 및 목적
___5.1.2 텍스트 마이닝
__5.2 민원 분석
___5.2.1 데이터 수집
___5.2.2 데이터 전처리 및 EDA
___5.2.3 빈도 분석
___5.2.4 토픽 모델링
___5.2.5 월별 위험민원 추세
__5.3 결론
___5.3.1 분석 과제 요약
___5.3.2 향후 연구
4부 상품 추천
_6장 상품 추천 시스템
__6.1 개요
__6.2 추천 모델
___6.2.1 무작위 추천
___6.2.2 그룹 기반 추천
___6.2.3 연관 규칙 분석
___6.2.4 콘텐츠 기반 필터링
___6.2.5 협업 필터링
_7장 보유 상품 기반 상품 추천
__7.1 개요
___7.1.1 기존 P사의 금융상품 추천 방식
___7.1.2 목표에 따른 추천 모델 방향성
__7.2 설계 방향
__7.3 탐색적 데이터 분석
___7.3.1 탐색 테이블 선정
___7.3.2 EDA 분석 및 인사이트
__7.4 모델 개발
___7.4.1 데이터 전처리
___7.4.2 모델 학습
___7.4.3 상품 추천 결과 추출
_8장 체크카드 사용 실태에 따른 상품 추천
__8.1 개요
___8.1.1 체크카드 사용 실태에 따른 상품 추천 배경 및 목적
___8.1.2 기존 P사의 체크카드 추천 방식
___8.1.3 타사의 카드 추천 방식
__8.2 설계 방향
___8.2.1 진행 추천 방식
___8.2.2 최종 모델 선정
___8.2.3 설계 방향 선정
__8.3 탐색적 데이터 분석
___8.3.1 탐색 테이블 선정
___8.3.2 데이터 탐색
__8.4 모델 개발
___8.4.1 데이터 전처리
___8.4.2 모델 추천 프로세스
_9장 접촉 로그 데이터 기반 관심상품 추천
__9.1 개요
___9.1.1 현 상태 우체국의 상품 추천 방식
___9.1.2 과제의 목적
___9.1.3 접촉정보 분석 사례
__9.2 설계 방향
__9.3 탐색적 데이터 분석
___9.3.1 탐색 테이블 선정
__9.4 모델 개발
___9.4.1 데이터 전처리
___9.4.2 모델 프로세스
_10장 서비스화 및 결과 전달
__10.1 개요
__10.2 추천 결과 적재
__10.3 추천 사유 전달
__10.4 추천 모델 평가
___10.4.1 추천 모델 평가 방법
___10.4.2 추천 모델 평가 과정
__10.5 빅데이터 분석 기반 상품 추천 서비스
5부 금융산업 빅데이터 분석 환경
_11장 빅데이터 분석 및 활용 플랫폼
__11.1 빅데이터 플랫폼 구성
__11.2 빅데이터 플랫폼 역할
___11.2.1 내부 데이터 수집
___11.2.2 외부 데이터 수집
___11.2.3 배치 프로그램
__11.3 빅데이터 플랫폼 활용
___11.3.1 빅데이터 분석 환경
___11.3.2 배치 프로그램
___11.3.3 태블로를 활용한 데이터 시각화