OLTP Database: OnLine Transaction Processing 은 온라인 뱅킹,쇼핑, 주문 입력 등 동시에 발생하는 다수의 트랜잭션(데이터베이스 작업의 단위) 처리 유형
Enterprise Applications: 회사 내 데이터 (ex 고객 관계 데이터, 제품 마케팅 세일즈)
Third - Party: Google Analytics와 같은 외부소스에서 수집되는 데이터
Web/Log: 사용자의 로그데이터
Data Lake: 원시 형태의 다양한 유형의 데이터를 저장
Data Warehouse: 보다 구조화된 형태로 정제된 데이터를 저장
Data Marts: 회사의 금융, 마케팅, 영업 부서와 같이 특정 조직의 목적을 위해 가공된 데이터
BI/Analytics: business Intelligence(BI)는 의사결정에 사용될 데이터를 수집하고 분석하는 프로세스
회사 내 데이터가 존재한다면
SQL 혹은 Python 을 통해 데이터 마트를 생성
회사 내 Data가 없다면 → 데이터 수집 필요
방법1: CSV, EXCEL 파일 다운로드
방법2: API를 이용한 데이터 수집
방법3: Data Crawling
countplot: 범주형 자료의 빈도 수 시각화
방법: 범주형의 데이터의 각 카테고리별 빈도수를 나타낼 때
Ex) 상점에서 판매되는 제품의 카테고리별 판매수 파악
x축: 범주형 자료
y축: 자료의 빈도수
barplot: 범주형 자료의 시각화
방법: 데이터의 분포, 중앙값, 사분위 수, 이상치 등을 한눈에 표현하고 싶을 때
Ex) 여러 그룹간 시험 점수 분포를 비교할 때
x: 수치형 or 범주형
y: 수치형 자료
histogram: 수치형 자료 빈도 시각화
방법: 연속형 분포를 나타내고 싶을 때, 데이터가 몰려있는 구간을 파악하기 쉬움
Ex)고객들의 연령 분포를 파악 할 때
x축: 수치형 자료
y축: 자료의 빈도수
scatterplot: 수치형끼리 자료의 시각화
방법: 두 연속형 변수간의 관계를 시각적으로 파악하고 싶을 때
Ex) 키와 몸무게 간의 관계를 나타낼 때
x축: 수치형 자료
y축: 수치형 자료
pairplot: 전체 변수에 대한 시각화
방법: 한 번에 여러 개의 변수를 동시에 시각화 하고 싶을 때
x축: 범주형 or 수치형 자료
y축: 범주형 or 수치형 자료
대각선: 히스토그램(분포)