빅데이터의이해와활용 ) (1) 시계열 데이터를 분석하기 위한 기법을 3가지 이상 선택해 그 장단점을 설명하되, 예시를 포함하시오.

목차

Ⅰ. 다음에 대해 서술하세요. (각 5점)
1. 시계열 데이터를 분석하기 위한 기법을 3가지 이상 선택해 그 장단점을 설명하되, 예시를 포함하시오.
2. A/B 검증에 대해 설명하시오.

Ⅱ. 네이버 데이터랩(https://datalab.naver.com/ ) 을 이용하여 20대 여성과 40대 여성의 취미생활 차이를 분석하고자 합니다. 적절한 검색 키워드를 3개 이상 선택하고 이를 필요에 따라 시각화하여 비교한 후, 의미있는 결론을 도출하여 분석하세요. (10점)
1. 적절한 검색 키워드 선택
2. 네이버 데이터랩에서의 검색 및 시각화
3. 결론

Ⅲ. 데이터를 이용해 기후위기 부정론자를 설득해야 하는 상황이라고 가정합니다. The beauty of data visualization(https://www.youtube.com/watch?v=pLqjQ55tz-U 또는 유튜브에 해당 제목으로 검색) 시청 후 해당 강연에서 나오는 시각화 방법 중 하나를 선택하여, 어떤 데이터를 해당 방법으로 시각화할 것인지를 자세히 설명하세요. (10점)
1. 선택한 시각화 방법: 산포도 (Scatter Plot)
2. 데이터 해석과 설득 전략
3. 시각화 기법의 강점
4. 지시사항

Ⅳ. 출처 및 참고문헌

본문내용

시계열 데이터는 시간이 흐르면서 수집된 데이터로, 주로 경제, 기상, 금융 등의 분야에서 사용된다. 시계열 데이터를 분석하는 다양한 기법이 존재하며, 이 기법들은 각각의 특성과 장단점을 지닌다. 아래에서는 대표적인 시계열 데이터 분석 기법 세 가지와 그 장단점에 대해 설명하겠다.
ARIMA (AutoRegressive Integrated Moving Average)
ARIMA 모델은 시계열 데이터를 기반으로 예측을 수행하는 통계 모델로, 시간에 따라 데이터를 예측하기 위해 자주 사용된다. 이 모델은 과거 데이터의 이동평균과 자기회귀적 요소를 결합하여 미래 값을 예측한다. ARIMA 모델의 주요 구성 요소는 자기회귀(AR), 차분(I), 이동평균(MA)이다.
장점: ARIMA는 다양한 패턴을 처리할 수 있으며, 시계열 데이터의 계절성이나 트렌드를 반영하는데 유용하다. 복잡한 시계열 데이터에서도 성능을 발휘할 수 있다.
단점: 모델의 적합성을 평가하고 매개변수를 설정하는 데 많은 시간이 필요할 수 있다. 또한, 비선형적인 패턴을 갖는 데이터에는 적합하지 않을 수 있다.
예시: 주식 가격 예측, 날씨 예측, 경제 데이터 분석
이동평균 (Moving Average)
이동평균 기법은 일정 시간 동안의 데이터 평균을 계산하여 데이터의 변동성을 줄이고, 장기적인 추세를 파악하는 데 사용된다. 이 방법은 데이터의 급격한 변동을 평탄화하여 전체적인 흐름을 쉽게 파악할 수 있도록 돕는다.
장점: 계산이 간단하고, 짧은 시간 안에 변화하는 데이터를 시각적으로 평탄하게 만들 수 있다. 추세를 파악하는 데 유용하며, 노이즈가 많은 데이터에서 유용하다.
단점: 장기 예측에는 부적합하며, 급격한 변화나 패턴을 놓칠 수 있다. 데이터의 새로운 변화에 빠르게 반응하지 못한다는 한계가 있다.
예시: 주식 시장 분석, 금융 데이터에서 단기적인 가격 변동 분석

참고자료

· The beauty of data visualization – David McCandless
· (https://www.youtube.com/watch?v=pLqjQ55tz-U)
· Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and Practice.
· Facebook Prophet 공식 사이트. https://facebook.github.io/prophet/
· 2번문항,ChatGPT-시각화자료분석