분석 기법은 데이터를 읽고 비교하고 해석해 결론을 만드는 여러 방법을 가리킨다. 데이터-분석과 연구-방법론에서 자주 쓰이며, 자료의 성격에 따라 정량-분석과 질적-연구로 갈라진다.[1]
1. 개요
2. 분류
분석 기법은 보통 현재 상태를 정리하는 방법과 앞으로의 변화를 추정하는 방법으로 나뉜다. 현재 상태를 볼 때는 상관관계와 통계-분석이 유용하고, 미래를 예상할 때는 예측-모델이 자주 쓰인다. 자료가 비슷한 묶음으로 나뉘면 클러스터링이, 변수의 수가 너무 많으면 차원-축소가 도움이 된다.[2]
또 다른 기준으로는 구조화된 수치 자료를 다루는 방식과 맥락 중심 자료를 다루는 방식이 있다. 전자는 정량-분석과 맞닿아 있고, 후자는 질적-연구와 연구-방법론의 관점에서 해석이 더 중요하다.[1]
실제 적용에서는 한 가지 분류만으로 끝나지 않는다. 예를 들어 수요-예측은 현재 추세를 설명하는 단계와 미래 값을 추정하는 단계를 함께 필요로 하고, 고객-관리는 집단의 구조를 보는 분석과 개별 행동을 추적하는 분석을 동시에 요구할 수 있다.[2]
3. 분석 흐름
4. 선택 기준
좋은 분석 기법은 가장 복잡한 방법이 아니라, 질문과 자료에 가장 잘 맞는 방법이다. 표본-추출법이 잘못되면 결론 자체가 흔들릴 수 있고, 통계-방법론의 전제와 실제 자료가 어긋나면 해석이 왜곡될 수 있다.[2]
그래서 분석가는 결과만 보지 않고 과정도 본다. 어떤 변수를 넣고 뺐는지, 전처리 기준이 무엇이었는지, 데이터-과학의 관점에서 재현 가능하게 남길 수 있는지가 중요하다. 이런 기록이 있어야 같은 자료를 다른 조건에서도 다시 검토할 수 있다.[1]
자료가 충분히 복잡하거나 해석의 목적이 여러 갈래로 나뉘면, 분석 기법은 하나만 고르기보다 여러 방법을 조합하는 편이 낫다. 통계-분석으로 큰 흐름을 확인한 다음 차원-축소나 클러스터링으로 구조를 살피는 식의 조합이 여기에 해당한다.[2]