2024. 10. 10. 00:05ㆍ학습/팀스터디
01 오늘의 아티클
신뢰할 수 있는 실험 분석을 위해 데이터 퀄리티 챙기기
A/B 테스트와 같은 제품 실험을 자주 실행하는 조직일수록, 실험 분석 결과에 따라 다음 액션이 빠르게 결…
playinpap.github.io
02 아티클 정보 요약
A/B 테스트 결과는 완전하고 정확한 데이터를 기반으로 하는 경우에만 신뢰할 수 있고 실행 가능하다.
데이터 퀄리티를 높이기 위한 체크리스트를 살펴보자면 일반적으로 Completeness(완전성), Uniqueness(고유성), Timeliness(적시성), Validity(유효성), Integrity(무결성), Consistency(일관성), Relevance(관련성), Compliance(규정 준수) 및 Retention(보존)이 포함된다.
이를 바탕으로 데이터 퀄리티를 측정하기 위한 추가 메트릭을 설정할 수 있다.
1. Missing rates (결측률)
- 컬럼별 누락된 값의 비율, dummy value 로 결측치를 나타내는 특정 패턴이 있는지 확인
2. Invalid values (부적절한 값)
- 값이 적절한 형식을 따르고 있는지, 해당 컬럼에 맞는 값인지 확인
3. Join rates (조인 선택도)
- 다른 데이터 소스에서 데이터를 가져와 합칠 경우 join rate 이 충분히 높은지 확인
4. Uniqueness (고유성)
- 중복 항목이 있는지, 동일한 signal에 대한 열이 두 개 이상 있는지 확인
5. Data delays (데이터 지연)
- 계산 시 사용할 수 있는 데이터의 비율이 어떻게 되는지, 이벤트가 기록된 시점과 데이터를 분석에 사용할 수 있는 시점 사이에 시간이 얼마나 걸리는지 확인
03 인사이트
데이터분석 관련 자격증 시험을 준비하면서 배웠던 내용에 더해 추가 메트릭 항목을 배울 수 있었고, 특히 데이터 지연 항목에 대해 이벤트가 기록된 시점과 분석에 사용하는 시점 사이의 시간을 체크해 의사 결정 지연 시간을 줄이는 것을 유의해야 한다는 것을 새롭게 알 수 있었다.
'학습 > 팀스터디' 카테고리의 다른 글
| 🔎아티클 스터디: AI 시대의 ‘마켓플레이스’ 잘 될 수 있을까? (1) | 2024.10.10 |
|---|---|
| 🔎아티클 스터디: 챗GPT보다 좋다고? ‘클로드’로 업무 생산성 높이기 (0) | 2024.10.10 |
| 🔎아티클 스터디: 넷플릭스에서 A/B 테스트를 해석하는 법 (0) | 2024.10.10 |
| 🔎아티클 스터디: 넷플릭스로 알아보는 거짓 양성 오류 (0) | 2024.10.04 |
| 🔎아티클 스터디: AI보다 더 중요한 데이터 (0) | 2024.10.04 |