배꼽파, 오늘도 배꼽 대신 데이터를 판다

분석 결과를 Streamlit 대시보드로 연결한 과정사전·사후 설문 분석 결과를 보고서로만 남기지 않고, 회차·직무·엑셀 사용 경력 기준으로 바로 확인할 수 있는 Streamlit 대시보드로 재구성했다. 핵심은 분석 결과를 운영자가 바로 볼 수 있는 화면으로 바꾸는 것이었다. 들어가며1편에서는 사전·사후 설문 데이터를 매칭하고, 통계 검증을 통해 교육 효과를 확인한 과정을 정리했다. https://programming-bellybutton.tistory.com/257 교육 효과 분석: 대응표본 t-test로 검증한 교육 전후 변화교육 만족도만으로는 부족했다사전·사후 설문 데이터로 교육 효과를 검증한 과정만족도 평균만 보던 교육 운영 데이터를, 사전·사후 설문 매칭과 통계 검증으로 다시 해석해 “실제로 교..

교육 만족도만으로는 부족했다사전·사후 설문 데이터로 교육 효과를 검증한 과정만족도 평균만 보던 교육 운영 데이터를, 사전·사후 설문 매칭과 통계 검증으로 다시 해석해 “실제로 교육 효과가 있었는가”를 확인한 프로젝트다. 이 사례는 실제 분석 경험을 바탕으로 재구성했으며, 일부 수치는 가상 데이터로 단순화했지만 문제 정의와 분석 구조는 동일하다.들어가며교육 운영 업무를 하다 보면 자주 듣는 질문이 있다.“그래서 이 교육, 실제로 효과가 있었나요?” 겉으로 보기에는 단순한 질문 같지만, 현업에서는 의외로 명확하게 답하기 어렵다.대부분의 교육에서는 만족도 조사 결과를 확인하지만, 만족도가 높다고 해서 실제로 학습자의 이해도나 역량이 향상되었다고 단정할 수는 없다. 내가 진행했던 프로젝트도 이 지점에서 시작됐다..

표본으로 전체를 판단하는 방법요즘은 특정 직군만 데이터를 보는 시대가 아니다.마케터는 전환율과 클릭률을 본다. 교육 담당자는 만족도, 수료율, 과제 제출률을 본다. 기획자는 사용자 행동 데이터를 본다.운영 담당자는 문의량, 처리 시간, 재구매율을 본다.사업 담당자는 매출, 객단가, 고객 유지율을 본다. 결국 많은 직군이 숫자를 보고 판단해야 한다.그런데 숫자를 보는 것과 숫자를 판단하는 것은 다르다. [예시 상황]① 이번 달 평균 만족도 = 4.2점② 전환율 = 2.0% → 2.3%③ 교육 전 평균 점수 = 70점④ 교육 후 평균 점수 = 75점⑤ 고객 100명 중 긍정 응답 = 60명 이 숫자들을 보고 바로 “좋아졌다”, “효과가 있다”, “고객 반응이 좋다”고 말해도 될까?꼭 그렇지는 않다.이 변화가..

기술통계는 데이터를 요약해서 “이 데이터가 어떤 모양인지” 파악하는 방법이다.단순히 평균을 구하는 것이 아니라,데이터가 가운데 몰려 있는지한쪽으로 치우쳤는지이상하게 튀는 값이 있는지대표값으로 평균을 써도 되는지이런 걸 판단하기 위한 기초 작업이다. 1. 평균: 전체 값을 고르게 나눴을 때의 값평균은 가장 익숙한 대표값이다.예를 들어 시험 점수가 다음과 같다고 하자.scores = [60, 70, 75, 80, 95] 평균은 다음과 같다.즉 평균 점수는 76점이다.하지만 평균은 이상치에 약하다.scores = [60, 70, 75, 80, 200] 평균은 97점이지만, 대부분의 값은 60~80점 사이에 있다.이때 평균만 보면 실제 데이터의 분위기를 잘못 이해할 수 있다. 2. 중앙값: 가운데 있는 값중앙..

1. Claude Design을 테스트한 이유2. Claude Design 이용 조건3. Claude Design 과금 방식4. Opus 4.7 주요 특징5. Claude Code와 Claude Design의 차이6. Claude Design 사용 후기7. 상세페이지 제작 워크플로우8. Claude Design 활용 시 주의할 점정리: 완성본 제작 도구보다는 쓸만한 디자인 초안 제작 도구 1. Claude Design을 테스트한 이유 나는 상세페이지라고는 만들어본 적 없는 사람이다. 하지만 입사하고 얼마 되지 않아서 상세페이지를 만들 일이 생겨서 Claude Design을 직접 테스트해봤다. (26년 4월 기준)이번 테스트는 단순히 “AI로 디자인이 되는가?”를 보는 수준이 아니라, 실제 상세페이지 제..