BA(Business Analytics) 용어 완전 정리 - 데이터 분석가가 알아야 할 핵심 개념들

“용어를 알면 길이 보인다” - Business Analytics 분야에서 올바른 용어 이해는 효과적인 의사소통과 성공적인 프로젝트의 첫걸음입니다.

Business Analytics는 빠르게 발전하는 분야로, 새로운 용어와 개념들이 계속 등장하고 있습니다. 이 포스트에서는 BA 전문가가 반드시 알아야 할 핵심 용어들을 체계적으로 정리하여 제공합니다.

🎯 목차

기본 개념 (Fundamentals)
분석 기법 (Analytics Techniques)
데이터 처리 (Data Processing)
비즈니스 지표 (Business Metrics)
도구 및 플랫폼 (Tools & Platforms)
Google Analytics 용어 (Appendix)
실무 활용 가이드

📚 기본 개념 (Fundamentals)

Business Analytics vs Business Intelligence

구분	Business Analytics	Business Intelligence
목적	미래 예측 및 최적화	과거/현재 상황 파악
접근법	예측적, 처방적	기술적, 설명적
데이터	구조화/비구조화 모두	주로 구조화된 데이터
도구	머신러닝, 통계 모델	대시보드, 리포트
결과	인사이트, 권장사항	KPI, 트렌드 분석

분석의 3단계

1. Descriptive Analytics (기술적 분석)

정의: 과거와 현재 데이터를 분석하여 “무엇이 일어났는가?”를 설명
예시: 매출 보고서, 고객 세분화, 트렌드 분석
도구: Excel, Tableau, Power BI

2. Predictive Analytics (예측적 분석)

정의: 과거 데이터를 바탕으로 “무엇이 일어날 것인가?”를 예측
예시: 고객 이탈 예측, 매출 예측, 재고 최적화
도구: Python, R, 머신러닝 모델

3. Prescriptive Analytics (처방적 분석)

정의: 예측 결과를 바탕으로 “어떻게 해야 하는가?”를 제안
예시: 최적 가격 책정, 마케팅 전략 수립, 운영 최적화
도구: 최적화 알고리즘, 시뮬레이션

데이터 저장소 비교

저장소	특징	장점	단점	사용 사례
Data Lake	원시 데이터 저장	유연성, 비용 효율성	복잡한 쿼리	빅데이터, 머신러닝
Data Warehouse	구조화된 데이터	빠른 쿼리, ACID	스키마 고정	BI, 리포트
Data Lakehouse	레이크+웨어하우스	최고의 두 세계	복잡성	현대적 분석 플랫폼

🔬 분석 기법 (Analytics Techniques)

고객 분석 기법

Cohort Analysis (코호트 분석)

정의: 특정 시기에 공통된 특성을 가진 고객 그룹을 추적 분석
목적: 고객 행동 패턴 파악, 리텐션 분석
활용: 구독 서비스, 이커머스, 모바일 앱

RFM Analysis

Recency: 최근 구매일
Frequency: 구매 빈도
Monetary: 구매 금액
활용: 고객 세분화, 마케팅 타겟팅

Customer Lifetime Value (CLV)

정의: 고객이 평생 동안 기업에 가져다줄 예상 수익
계산: CLV = (평균 주문 가치 × 구매 빈도 × 고객 생애 기간) - 고객 획득 비용
활용: 마케팅 예산 배분, 고객 우선순위 결정

Churn Analysis (이탈 분석)

정의: 고객이 서비스를 떠나는 패턴과 원인 분석
지표: 이탈률 = (기간 내 이탈 고객 수 / 총 고객 수) × 100
활용: 리텐션 전략 수립, 이탈 방지 프로그램

실험 및 테스트

A/B Testing

정의: 두 가지 버전을 비교하여 더 나은 성과를 측정
절차: 가설 설정 → 실험 설계 → 데이터 수집 → 결과 분석
주의사항: 통계적 유의성, 표본 크기, 실험 기간

통계적 유의성 검정 방법

1. 기본 검정 절차

가설 설정: 귀무가설(H₀)과 대립가설(H₁) 설정
유의수준 결정: α = 0.05 (5% 유의수준)
검정 통계량 계산: 데이터를 기반으로 검정 통계량 산출
P-value 계산: 귀무가설이 참일 확률 계산
결론 도출: P-value < 0.05이면 귀무가설 기각

2. 데이터 타입별 검정 방법

범주형 데이터 (전환율, 클릭률): 카이제곱 검정 또는 Z-검정
연속형 데이터 (매출, 체류시간): t-검정 또는 Mann-Whitney U 검정
정규분포 가정 불가: 비모수 검정 (Wilcoxon, Mann-Whitney U)
정규분포 가정 가능: t-검정 또는 ANOVA

3. 표본 크기 계산

효과 크기(Effect Size): Cohen’s d, Cramér’s V 등으로 측정
검정력(Power): 80% 이상 권장
계산 공식: n = (Zα/2 + Zβ)² × 2σ² / δ²
도구: G*Power, R의 pwr 패키지 활용

4. 결과 해석 기준

P-value < 0.05: 통계적으로 유의한 차이 있음
신뢰구간: 95% 신뢰구간이 0을 포함하지 않으면 유의함
실제 효과 크기: 통계적 유의성 ≠ 실무적 의미
검정력 분석: 효과 크기가 클수록 작은 표본으로도 검출 가능

Multi-Armed Bandit (MAB)

정의: 여러 옵션을 동시에 테스트하면서 성과가 좋은 옵션에 더 많은 트래픽을 할당하는 적응적 실험 방법
장점: 전통적 A/B 테스트 대비 빠른 수렴, 기회 비용 최소화
알고리즘: ε-greedy, UCB (Upper Confidence Bound), Thompson Sampling
활용: 웹사이트 최적화, 광고 캠페인, 추천 시스템

Multivariate Testing

정의: 여러 요소를 동시에 테스트하여 최적 조합 찾기
vs A/B: 더 복잡하지만 상호작용 효과 파악 가능
활용: 웹사이트 최적화, 마케팅 캠페인

고급 분석 기법

Market Basket Analysis

정의: 함께 구매되는 상품 패턴 분석
지표: 지지도(Support), 신뢰도(Confidence), 향상도(Lift)
활용: 상품 추천, 진열 최적화, 번들 상품 개발

Time Series Analysis

정의: 시간 순서대로 배열된 데이터 분석
기법: ARIMA, Prophet, LSTM
활용: 매출 예측, 재고 관리, 트렌드 분석

⚙️ 데이터 처리 (Data Processing)

ETL vs ELT

구분	ETL	ELT
Extract	원시 데이터 추출	원시 데이터 추출
Transform	데이터 변환 (중간 저장소)	데이터 변환 (타겟 저장소)
Load	최종 저장소 로드	-
장점	데이터 품질 보장	빠른 처리, 유연성
단점	복잡성, 지연	데이터 품질 관리 필요

데이터 품질 관리

Data Quality Dimensions

Accuracy: 정확성 (올바른 값인가?)
Completeness: 완전성 (누락된 값이 없는가?)
Consistency: 일관성 (동일한 형식인가?)
Timeliness: 적시성 (시기적절한가?)
Validity: 유효성 (규칙에 맞는가?)

Data Governance

정의: 데이터 자산을 효과적으로 관리하기 위한 정책, 프로세스, 역할 정의
구성요소: 데이터 정책, 데이터 표준, 데이터 소유권, 데이터 품질 관리
목적: 데이터 신뢰성, 규정 준수, 의사결정 품질 향상

Data Lineage

정의: 데이터가 어디서 와서 어디로 가는지 추적하는 과정
활용: 영향도 분석, 데이터 품질 문제 추적, 규정 준수
도구: Apache Atlas, DataHub, Collibra

데이터 통합

Master Data Management (MDM)

정의: 기업의 핵심 데이터를 통합 관리하는 시스템
마스터 데이터: 고객, 제품, 공급업체, 직원 정보
목적: 데이터 일관성, 중복 제거, 단일 진실 공급원

Data Virtualization

정의: 물리적으로 분산된 데이터를 논리적으로 통합하여 접근
장점: 실시간 접근, 물리적 복사 불필요
활용: 실시간 대시보드, 임시 분석

📊 비즈니스 지표 (Business Metrics)

핵심 성과 지표

KPI vs OKR

구분	KPI	OKR
목적	성과 측정	목표 달성
특성	지속적, 정량적	기간별, 도전적
예시	월간 매출, 고객 만족도	3개월 내 신규 고객 30% 증가
활용	성과 모니터링	전략적 목표 설정

사용자 지표

DAU (Daily Active Users): 일일 활성 사용자
WAU (Weekly Active Users): 주간 활성 사용자
MAU (Monthly Active Users): 월간 활성 사용자
Stickiness: DAU/MAU 비율 (사용자 몰입도)

웹 서비스 지표

웹 트래픽 지표

PV (Page View): 페이지뷰 수
UV (Unique Visitor): 순 방문자 수
Visit (Session): 방문 세션 수
Duration: 체류시간 (사이트 내 평균 체류 시간)

웹 사용성 지표

Bounce Rate: 이탈률 = (단일 페이지 세션 / 전체 세션) × 100
Exit Rate: 종료율 = (특정 페이지에서 종료된 세션 / 해당 페이지 조회 세션) × 100
Average Session Duration: 평균 세션 지속 시간
Pages per Session: 세션당 페이지 수

모바일 앱 지표

App Store Rating: 앱스토어 평점
Download Rate: 다운로드율
Install Rate: 설치율
App Open Rate: 앱 실행률

소셜 미디어 지표

Engagement Rate: 참여율 = (좋아요 + 댓글 + 공유) / 도달수 × 100
Reach: 도달수 (콘텐츠를 본 고유 사용자 수)
Impressions: 노출수 (콘텐츠가 노출된 총 횟수)
Share Rate: 공유율 = (공유 수 / 노출 수) × 100

사용자 정의 방식

구분	쿠키 베이스	로그인 세션 방식
정의	브라우저 쿠키로 사용자 식별	사용자 계정 로그인으로 식별
정확도	중간 (기기/브라우저별)	높음 (실제 사용자별)
추적 범위	동일 기기/브라우저 내	모든 기기/브라우저 통합
장점	즉시 추적 가능, 로그인 불필요	정확한 사용자 식별, 크로스 디바이스 추적
단점	쿠키 삭제 시 추적 중단, 중복 계정	로그인 필요, 익명 사용자 추적 어려움
활용	일반적인 웹 분석, 광고 타겟팅	개인화, 고객 여정 분석, CRM 연동

사용자 정의 방식별 특징

기술: 브라우저 쿠키, 픽셀 추적, 디바이스 핑거프린팅
추적 범위: 동일 브라우저/기기 내에서만 유효
데이터 품질: 쿠키 삭제, 시크릿 모드, 여러 기기 사용 시 부정확
활용 사례: Google Analytics 기본 설정, 광고 리타겟팅

기술: 사용자 계정 ID, 세션 관리, SSO
추적 범위: 모든 기기와 브라우저에서 통합 추적
데이터 품질: 실제 사용자 기준, 높은 정확도
활용 사례: 개인화된 서비스, 고객 여정 분석, CRM 시스템

하이브리드 방식

기술: 쿠키 + 로그인 + 디바이스 ID 조합
추적 범위: 최대한 넓은 범위에서 사용자 추적
데이터 품질: 높은 정확도와 포괄성
활용 사례: 대규모 플랫폼, 정교한 분석이 필요한 서비스

모바일 앱 광고 식별자

식별자	플랫폼	설명	특징
IDFA	iOS	Identifier for Advertisers	광고 추적용, 사용자가 차단 가능
IDFV	iOS	Identifier for Vendor	앱 개발사별 식별자, 앱 삭제 시 변경
GAID	Android	Google Advertising ID	광고 추적용, 사용자가 리셋 가능
Android ID	Android	안드로이드 시스템 ID	기기별 고유 식별자, 변경 어려움
OpenUDID	iOS/Android	오픈소스 UDID	비공식 식별자, 앱스토어 정책 위반

광고 식별자별 특징

IDFA (Identifier for Advertisers)

정의: iOS 광고 추적용 식별자
특징: 사용자가 설정에서 차단 가능 (iOS 14.5+)
활용: 광고 타겟팅, 어트리뷰션 분석
제한사항: ATT(App Tracking Transparency) 프레임워크 필수

IDFV (Identifier for Vendor)

정의: iOS 앱 개발사별 식별자
특징: 앱 삭제 시 변경됨, 사용자가 차단 불가
활용: 앱 내 분석, 개발사 차원의 사용자 추적
제한사항: 앱별로 고유하지 않음 (같은 개발사 앱들 간 공유)

GAID (Google Advertising ID)

정의: Android 광고 추적용 식별자
특징: 사용자가 리셋 가능, 광고 개인화 설정 가능
활용: 광고 타겟팅, 설치 어트리뷰션
제한사항: Android 12+에서 더 엄격한 제한

Android ID

정의: Android 시스템 레벨 고유 식별자
특징: 기기별 고유, 사용자가 변경하기 어려움
활용: 기기 식별, 보안 인증
제한사항: 앱별로 다른 값, 공장 초기화 시 변경

비즈니스 지표

ARR (Annual Recurring Revenue): 연간 반복 수익
MRR (Monthly Recurring Revenue): 월간 반복 수익
CAC (Customer Acquisition Cost): 고객 획득 비용
LTV (Lifetime Value): 고객 생애 가치
LTV/CAC Ratio: 수익성 지표 (3:1 이상 권장)

전환 및 리텐션 지표

Conversion Funnel

단계: 인지 → 관심 → 고려 → 구매 → 충성
지표: 각 단계별 전환율, 드롭오프 분석
활용: 마케팅 최적화, 사용자 경험 개선

Funnel 계산 방식

Linear Funnel: 선형 퍼널 (순차적 단계 진행)
Branching Funnel: 브랜칭 퍼널 (여러 경로 분기)
Parallel Funnel: 병렬 퍼널 (동시 진행 가능한 단계)
Loop Funnel: 루프 퍼널 (반복 가능한 단계)
Reverse Funnel: 역방향 퍼널 (끝에서부터 역추적)
Cohort Funnel: 코호트 퍼널 (특정 그룹별 분석)
Time-based Funnel: 시간 기반 퍼널 (특정 기간 내 진행)
Goal-based Funnel: 목표 기반 퍼널 (최종 목표 달성 중심)

Funnel 종류

Sales Funnel: 영업 퍼널 (잠재고객 → 리드 → 제안 → 계약)
Marketing Funnel: 마케팅 퍼널 (인지 → 관심 → 고려 → 구매)
User Onboarding Funnel: 사용자 온보딩 퍼널 (가입 → 프로필 완성 → 첫 사용 → 정착)
E-commerce Funnel: 이커머스 퍼널 (상품 조회 → 장바구니 → 결제 → 구매 완료)
Lead Generation Funnel: 리드 생성 퍼널 (방문 → 콘텐츠 다운로드 → 연락처 입력 → 영업 연결)
App Install Funnel: 앱 설치 퍼널 (앱스토어 방문 → 앱 다운로드 → 설치 → 실행 → 등록)

Retention Metrics

Retention Rate: 재방문율 = (재방문 사용자 / 전체 사용자) × 100
Churn Rate: 이탈률 = (이탈 사용자 / 전체 사용자) × 100
NPS (Net Promoter Score): 고객 추천 의도 측정

Retention 계산 방식

Classic Retention: 클래식 리텐션 (특정 날짜 가입자 기준 재방문율)
Rolling Retention: 롤링 리텐션 (N일 이후에도 활동한 사용자 비율)
Return Retention: 리턴 리텐션 (가입 후 특정 기간 내 재방문율)
Unbounded Retention: 언바운드 리텐션 (가입 후 언제든 재방문한 사용자)
Bracket Retention: 브래킷 리텐션 (특정 기간 범위 내 활동한 사용자)
Day N Retention: Day N 리텐션 (가입 후 N일째에 활동한 사용자 비율)
Cohort Retention: 코호트 리텐션 (동일 기간 가입자 그룹 기준)

Retention 기법 종류

Onboarding Optimization: 온보딩 최적화 (신규 사용자 경험 개선)
Gamification: 게이미피케이션 (포인트, 배지, 레벨 시스템)
Personalization: 개인화 (맞춤형 콘텐츠, 추천 시스템)
Email Marketing: 이메일 마케팅 (뉴스레터, 리마케팅 캠페인)
Push Notification: 푸시 알림 (앱 재방문 유도)
Loyalty Program: 로열티 프로그램 (포인트 적립, 할인 혜택)
Customer Support: 고객 지원 (24/7 채팅, FAQ, 튜토리얼)
Content Strategy: 콘텐츠 전략 (정기 업데이트, 새로운 기능)
Social Features: 소셜 기능 (커뮤니티, 공유, 리뷰)
Win-back Campaign: 재참여 캠페인 (이탈 고객 대상 특별 혜택)

마케팅 및 광고 지표

ROI (Return on Investment)

정의: 투자 대비 수익률
계산: ROI = (투자 수익 - 투자 비용) / 투자 비용 × 100
활용: 마케팅 캠페인 효과 측정, 투자 의사결정

ROAS (Return on Ad Spend)

정의: 광고비 대비 수익률
계산: ROAS = 광고로 인한 수익 / 광고 비용
활용: 디지털 마케팅 성과 측정, 광고 예산 최적화

CPM (Cost Per Mille)

정의: 천 번의 노출당 비용
계산: CPM = (광고 비용 / 노출 횟수) × 1,000
활용: 광고 노출 비용 비교, 브랜드 인지도 캠페인

CPC (Cost Per Click)

정의: 클릭당 비용
계산: CPC = 광고 비용 / 클릭 수
활용: 검색 광고, 디스플레이 광고 성과 측정

CPA (Cost Per Acquisition)

정의: 고객 획득당 비용
계산: CPA = 광고 비용 / 획득 고객 수
활용: 마케팅 효율성 측정, 채널별 성과 비교

CTR (Click-Through Rate)

정의: 클릭률
계산: CTR = (클릭 수 / 노출 수) × 100
활용: 광고 크리에이티브 효과 측정

Conversion Rate

정의: 전환율
계산: 전환율 = (전환 수 / 방문자 수) × 100
활용: 웹사이트 최적화, 마케팅 캠페인 성과 측정

Attribution Modeling

정의: 고객 여정에서 각 터치포인트의 기여도를 측정하는 방법
모델: First-touch, Last-touch, Linear, Time-decay, Position-based
활용: 마케팅 채널 효과 분석, 예산 배분 최적화

Customer Journey

정의: 고객이 브랜드를 인식부터 구매까지 거치는 전체 과정
단계: Awareness → Interest → Consideration → Purchase → Retention
활용: 마케팅 전략 수립, 고객 경험 최적화

Omnichannel

정의: 모든 채널을 통합하여 일관된 고객 경험을 제공하는 마케팅 전략
채널: 온라인, 오프라인, 모바일, 소셜미디어
활용: 브랜드 일관성 확보, 고객 만족도 향상

🛠️ 도구 및 플랫폼 (Tools & Platforms)

시각화 도구

Tableau

특징: 드래그 앤 드롭, 강력한 시각화
장점: 사용 편의성, 인터랙티브 대시보드
활용: 데이터 탐색, 비즈니스 대시보드

Power BI

특징: Microsoft 생태계 통합
장점: 비용 효율성, 클라우드 통합
활용: 엔터프라이즈 BI, 자체 서비스 분석

Looker

특징: LookML 기반 모델링
장점: 재사용 가능한 모델, 자동 문서화
활용: 데이터 팀 중심 분석, 임베디드 분석

분석 플랫폼

Google Analytics

특징: 웹사이트 트래픽 분석
지표: 페이지뷰, 세션, 바운스율, 전환율
활용: 디지털 마케팅, 웹사이트 최적화

Adobe Analytics

특징: 엔터프라이즈급 웹 분석
장점: 고급 세그멘테이션, 멀티채널 분석
활용: 대규모 이커머스, 멀티 브랜드

데이터 플랫폼

Snowflake

특징: 클라우드 네이티브 데이터 웨어하우스
장점: 자동 스케일링, SQL 기반
활용: 대용량 데이터 분석, 실시간 분석

Google BigQuery

특징: 서버리스 데이터 웨어하우스
장점: 비용 효율성, 머신러닝 통합
활용: 빅데이터 분석, ML 파이프라인

Amazon Redshift

특징: 클러스터 기반 데이터 웨어하우스
장점: AWS 생태계 통합, 성능
활용: 엔터프라이즈 데이터 웨어하우스

데이터 처리 도구

dbt (Data Build Tool)

특징: SQL 기반 데이터 변환
장점: 버전 관리, 테스트 자동화
활용: 데이터 모델링, 데이터 품질 관리

Apache Airflow

특징: 워크플로우 오케스트레이션
장점: 스케줄링, 모니터링, 확장성
활용: ETL 파이프라인, 배치 작업

📊 Google Analytics 용어 (Appendix)

기본 지표

Sessions: 세션 (사용자가 사이트에서 활동한 시간)
Users: 사용자 (고유 방문자 수)
Pageviews: 페이지뷰 (페이지가 조회된 총 횟수)
Bounce Rate: 이탈률 (단일 페이지만 보고 떠난 세션 비율)
Average Session Duration: 평균 세션 지속 시간
Pages per Session: 세션당 페이지 수

Engagement 지표

Engagement Rate: 참여율 (상호작용한 세션 비율)
Engaged Sessions: 참여 세션 (10초 이상 체류 또는 이벤트 발생)
Engagement Time: 참여 시간 (사용자가 실제로 상호작용한 시간)
Scroll Depth: 스크롤 깊이 (페이지 스크롤 정도)
Click-through Rate (CTR): 클릭률 (클릭한 사용자 비율)
Time on Page: 페이지 체류 시간 (특정 페이지에서 보낸 시간)
Exit Rate: 종료율 (특정 페이지에서 세션 종료 비율)

트래픽 소스

Organic Search: 자연 검색 (검색엔진에서 유입)
Paid Search: 유료 검색 (광고를 통한 유입)
Direct: 직접 방문 (URL 직접 입력, 북마크)
Referral: 리퍼럴 (다른 사이트 링크를 통한 유입)
Social: 소셜 미디어 (페이스북, 트위터 등)
Email: 이메일 (이메일 링크를 통한 유입)
Display: 디스플레이 광고 (배너 광고 등)

고급 분석 용어

Goals: 목표 (전환 지점 설정)
Conversions: 전환 (목표 달성 횟수)
Conversion Rate: 전환율 (세션 대비 전환 비율)
Funnel Visualization: 퍼널 시각화 (단계별 전환 과정)
Flow Visualization: 플로우 시각화 (사용자 행동 흐름)
Cohort Analysis: 코호트 분석 (특정 기간 가입자 그룹 분석)

Google Analytics 4 (GA4) 용어

Events: 이벤트 (사용자 행동 추적 단위)
Parameters: 매개변수 (이벤트의 세부 정보)
Custom Dimensions: 사용자 정의 차원 (추가 분류 기준)
Custom Metrics: 사용자 정의 지표 (추가 측정 기준)
Audiences: 오디언스 (특정 조건의 사용자 그룹)
Attribution: 어트리뷰션 (전환에 기여한 채널 분석)
Data Streams: 데이터 스트림 (데이터 수집 설정)

측정 및 추적

Tracking Code: 추적 코드 (웹사이트에 삽입하는 JavaScript)
Google Tag Manager: 구글 태그 매니저 (태그 관리 시스템)
Enhanced Ecommerce: 향상된 전자상거래 (상세한 구매 분석)
Cross-domain Tracking: 크로스 도메인 추적 (여러 도메인 통합 분석)
User ID: 사용자 ID (로그인 사용자 식별)
Client ID: 클라이언트 ID (브라우저별 고유 식별자)

💼 실무 활용 가이드

용어 사용 시나리오

경영진 보고 시

사용: KPI, ROI, 전략적 목표
피해야 할 용어: 기술적 세부사항, 복잡한 알고리즘명

기술팀과 협업 시

사용: 데이터 파이프라인, ETL, 스키마, API
피해야 할 용어: 비즈니스 전문용어, 마케팅 용어

마케팅팀과 협업 시

사용: 세그멘테이션, 전환율, 캠페인 성과
피해야 할 용어: 데이터베이스 구조, 기술적 구현

효과적인 커뮤니케이션

용어 정의의 중요성

팀 내 공통 용어집 구축
새로운 용어 도입 시 교육 실시
정기적인 용어 정리 및 업데이트

상황별 적절한 용어 선택

청중의 배경 고려
목적에 맞는 용어 사용
필요시 용어 설명 추가

성장을 위한 학습 방향

초급자

기본 개념 정리 (BA vs BI, 분석 단계)
도구 사용법 습득 (Excel, Tableau)
비즈니스 지표 이해

중급자

고급 분석 기법 (코호트, RFM, CLV)
데이터 처리 도구 (dbt, Airflow)
실험 설계 및 A/B 테스트

고급자

머신러닝 모델 구축
데이터 아키텍처 설계
팀 리더십 및 전략 수립

📚 학습 요약

핵심 포인트

용어의 정확한 이해
- BA vs BI의 차이점 명확히 구분
- 분석 단계별 용어 정리
- 데이터 저장소별 특징 파악
상황별 적절한 용어 사용
- 청중에 따른 용어 선택
- 목적에 맞는 커뮤니케이션
- 팀 내 공통 언어 구축
지속적인 학습과 업데이트
- 새로운 도구와 기법 습득
- 업계 트렌드 파악
- 실무 경험을 통한 용어 이해

다음 단계

실무 프로젝트: 실제 데이터로 분석 기법 적용
도구 숙련도: 전문 도구 사용법 익히기
네트워킹: 업계 전문가와의 소통 및 학습

“올바른 용어 사용은 전문성을 보여주는 첫 번째 단계입니다.”

Business Analytics는 계속 발전하는 분야입니다. 이 가이드를 참고하여 정확한 용어를 사용하고, 지속적으로 학습하여 전문성을 높여나가시기 바랍니다. 용어를 올바르게 이해하고 사용할 때, 더 효과적인 분석과 의사소통이 가능해집니다!