코멘토 실무pt 후기 - komento silmupt hugi

Learning/Python

2022. 4. 23. 14:29

6주차 "일 잘하는 마케터를 위한 파이썬" 마지막 주제는 과제에 대한 피드백 & 전체 복습 시간 + RFM

오늘 마지막 수업이 끝났다.
멘토님께서 우리가 첫 기수여서 이름 기억했다고 하셨다! 꼭 현업에서 오며가며 마주칠 수 있었으면 좋겠다. :)
그 때 내가 지금보다 더 깊은 커리어를 가지고 지금 강사님처럼 멋진모습이었으면 좋겠다.
마지막에 지금까지 배웠던 내용을 한번 쭉 짚어주셨는데, 6주간 쭉 배웠던 내용을 한번 복기해 볼 수 있어서 또 좋았던 것 같다.

매 강의시간 고수 바이브가 느껴졌던 멋진 멘토님,
이렇게 잘 가르쳐주실 수 있는 걸까 싶을 정도로 알차고 유익한 시간이었습니다.
마지막 주차에는 파이썬을 친숙하게 느낄 수 있게 되었어요.
정말 감사합니다. :D  

이제 마케팅과 데이터를 어떻게 연관해서 쓰면 좋을지 알 것 같다.
지금까지는 엑셀이 있는데 굳이 파이썬을 이용해서 시각화를 하고 분석을 해야할까 생각했지만, 파이썬을 이용하는 이유는 조금 더 머신러닝을 해서 엑셀로는 못하는 것들을 하기 위함인 것 같다.
그리고 파이썬으로 데이터를 분석하려면 EDA를 잘 해야하는거고 그 데이터에 대해서 정확하게 파악하고 있어야만 유의미한 데이터가 나온다는 것을 알 수 있었다.
단순히 광고 매체 성과에서 벗어나 더 큰 데이터를 보는 분석가들이 왜 데이터 거버넌스가 중요하다하는지를 이제서야 알게 되었다. 그리고 한명이 계속 잡고있을 수도 없으니 데이터분석가들도 인계받고 적응해 가는 과정에서 꽤 애먹겠다 생각하기도 했다. ㅎㅎ

그리고 다른 데이터 분석가가 분석한 데이터를 신뢰할 수도 있어야 한다. (이건 정말 힘든 일이다)
앞으로 내가 우리 회사에서 이 방법을 실제로 이용할 수 있을지는 잘 모르겠다. 아직까지 우리회사는 데이터 분석가와 마케터의 영역이 몹시 상이하기 때문이다. 오히려 이 수업을 듣고나니 취업 전일제 과정을 본격적으로 들어보고 싶어지기도 했다.

목표는 데이터 분석가가 아니라 머신러닝을 하는 사람 or
아예 내 서비스를 개발하는 사람이 될 수도 있겠다

나는 배우는게 재미있는 것 같다. 새로운 것을 알아가고, 계속 시도하고 공부하는 것.
오늘 강사님이 말씀하셨던 산업혁명 시대 때 사람들이 기계를 부수려 했던 그 현상이 지금의 나에게도 일어나지 않도록 팔로업을 해줘야겠다
결국 모든것은 다수의 삶을 편하게 하는 쪽으로 움직이게 되어있으니까.

▶ 복기내용 중 기억에 남는 것 간단히 정리

1. 데이터 분석은 대부분 Dataframe을 이용해서 하기 때문에 List 정도만 알고있으면 좋다.
2. for문은 무언가를 굴릴 때 쓰면 좋다
3. fillna = NA값을 채워주는 것(평균값, 최빈값 등을 채워넣음)
4. Dropna = NA값을 지워버리는 것
5. Null 값을 확인하는게 가장 중요한 것 같다. (최빈값, 평균값 등으로 채우는 것도 중요한 것 같다!)
6. Data.groupby().mean()
7. Data.groupby().nunique() : nunique는 고유의 값을 그룹바이 하는것! *이건 이번에 새로 알려준거라 별도로 확인
8. 결과값 예측하기, 클러스터링
9. - 지도학습 : 예측
10. - 비지도학습 : 클러스터링
11. 꼭 개인적으로 복습하고 디벨롭 해보자 싶은 것들
12. merge / fillna / gropby / 열 이름 바꾸기 / 워드클라우드 / 클러스터링 / 크롤링/ 결과값 예측하기ps. 예측값은 중요하긴 한데 뭔가 통계적 지식이 많이 들어가는 것 같아서.. 아직 익숙해지려면 시간 필요...😊

👇👇👇
[코멘토] "일 잘하는 마케터를 위한 파이썬 기초 분석 패키지" 바로가기

[RFM 공부내용 요약 정리]

- RFM : 고객이 얼마만큼의 가치를 가지고있는지 분리하는 것
[최근성(마지막결제일), 행동빈도(구매횟수), 사용금액(구매금액) 3개 지표를 기준으로 함].
- RFM을 가지고 3차원의 scatter도 그릴 수 있겠다. 결국 이걸로 클러스터링을 할 수 있다 보면 됨.

ps. 고객 세그먼트 (클러스터링) / 고객평가 (CRM)
RFM은 클러스터링으로 나눠서 마케팅에 사용하거나 할 수도 있고, 치수화 시켜 CRM에서도 활용할 수 있다.

[마지막주차 만든 시각화 차트]
내가 했던 마지막 주차 과제중에 수줍게 귀여운 차트들을 추가해본다.. 나는 퍼포먼스 마케터 버릇을 못버려서 시각화 위주로 했는데 결국 꽃은 엑셀로 못하는 작업들인 것 같아서 머신러닝 부분을 추가로 분석해볼 예정이다.
그건 별개의 게시글로 올려야겠다.

* 데이터 가공할 때 틀리지 않게 꼭 주의해야 하는 부분😘
: 결측치 처리( 데이터값이 NA 인 것) & 중요한 값(구매수 등)이 0인 값 등은 가공 목적에 따라 전처리를 하고 작업을 해줘야 한다.

df = df[df['Quantity'] > 0]
df = df[df['UnitPrice'] > 0]
df = df[df['CustomerID'].notnull()]

: 그리고 데이터중에 이상한 데이터가 있는데 이런것도 전처리 때 처리되면 좋다.

▶ 출석률 & 누적환급액
하나도 빠짐없이 모두 다 했다~~~!!!! 야호! 이 블로그 글도 환급에 체크해주는걸까?
잘은 모르겠지만 어찌되었건 완벽하지는 않지만 꾸준히 집중할 수 있었던 유익한 시간이었다!
모두들 너무 수고 많으셨습니다 💚
80% 이상 출석률 잘 따라갔으니 복습 VOD도 1달 가능한거겠지!? 너무좋아!!
코멘토 코디님이 수료증 줄 때까지 얌전히 기다려야겠다 ㅎㅎ

(환급 인증샷)

'Learning/Python' Related Articles