매출을 만드는 데이터 분석 with 챗GPT

1부 SQL을 활용한 데이터 분석의 시작

1장 챗GPT와 SQL로 데이터 분석
1.1 왜 챗GPT와 SQL인가?
1.2 챗GPT와 SQL의 역할 및 활용 사례
1.3 데이터 시스템에 대한 큰 그림 이해하기
2장 데이터 분석 준비 단계
2.1 데이터 분석의 목적 정의하기
__2.1.1 왜 분석 목적이 중요할까?
2.2 SMART한 목표 설정하기
__2.2.1 SMART 목표 설정의 적용 예시
2.3 데이터 분석의 기획 과정
3장 데이터 분석 환경 만들기
3.1 챗GPT 시작하기
__3.1.1 챗GPT 기본 화면 구성
3.2 구글 클라우드와 빅쿼리 설정하기
3.3 실습 첫 빅쿼리 환경 설정 및 테스트 쿼리 실행하기
4장 데이터 수집 및 정제
4.1 데이터 수집의 다양한 방법과 도구
__4.1.1 실무 상황별 데이터 활용 예시
__4.1.2 내부 데이터는 어떻게 꺼내 쓸 수 있을까?
__4.1.3 외부 데이터는 어디에서 구할 수 있을까?
__4.1.4 정보의 바다, 웹 사이트 크롤링
__4.1.5 챗GPT로 데이터 수집하기
4.2 데이터 정제와 전처리
__4.2.1 실무에서 자주 만나는 ‘지저분한 데이터’
__4.2.2 챗GPT는 어떤 도움을 줄 수 있을까?
4.3 실습 SQL을 활용해 고객 데이터 처리하기
__4.3.1 결측 값 정제하기
__4.3.2 이상치 확인하고 제거하기
__4.3.3 중복 데이터 확인하기
5장 다양한 방법으로 데이터 전처리
5.1 다양한 데이터 전처리 기법
__5.1.1 전처리 기법 유형별 정리
__5.1.2 전처리는 ‘조합’의 예술
5.2 챗GPT와 함께 데이터 쉽게 처리하기
5.3 실습 챗GPT와 SQL을 활용해 데이터 전처리하기
6장 데이터 시각화
6.1 데이터 시각화는 왜 중요할까?
__6.1.1 단순 시각화 vs 통찰형 시각화
6.2 데이터 시각화와 대시보드의 차이
__6.2.1 실무 사례로 이해하기
6.3 다양한 데이터 대시보드의 종류와 목적(운영, 분석, 전략)
6.4 효과적인 데이터 시각화를 위한 기초 원칙
7장 대시보드 계획 및 설계
7.1 데이터 대시보드의 역할과 기능
7.2 대시보드 설계의 기본 원칙
7.3 다양한 데이터 시각화 도구
__7.3.1 태블로: 시각화 퀄리티에 강한 대표 도구
__7.3.2 Power BI: 마이크로소프트가 만든 데이터 시각화 도구
__7.3.3 구글 루커 스튜디오: 구글 생태계 내에서 누구나 쉽게 사용할 수 있는 시각화 도구
7.4 태블로 설치하기
__7.4.1 태블로 퍼블릭 설치하기
__7.4.2 태블로 구성 요소 살펴보기
7.5 실습 태블로를 사용한 대시보드 설계하기
__7.5.1 태블로 시트 화면의 주요 인터페이스 구성 요소
__7.5.2 시계열 시각화 추가하기
__7.5.3 대시보드 구성하기

2부 진짜 실전! 비즈니스에 써먹는 데이터 분석
8장 이커머스 제품별 매출 기여도 분석
8.1 이커머스 데이터 수집하기
__8.1.1 데이터 스키마 및 구조 분석하기
__8.1.2 데이터 내려받기 및 빅쿼리 업로드
8.2 제품별 매출 데이터 분석하기
__8.2.1 전체 주문 수와 고객 수는 얼마나 되는가?
__8.2.2 가장 많이 팔린 제품은?
__8.2.3 제품을 카테고리로 묶으면 무엇이 보일까?
__8.2.4 직군별 비즈니스 인사이트 및 실행 전략
8.3 제품별 매출 기여도 시각화하기
__8.3.1 전체 매출 규모 파악하기
__8.3.2 전체 고객 수 확인하기
__8.3.3 전체 주문 수 확인하기
__8.3.4 월별 매출액 및 주문 수 변화 추이 분석하기
__8.3.5 카테고리별 판매량 분석하기
__8.3.6 카테고리별 판매 구성 분석하기
__8.3.7 대시보드 구성하기
__8.3.8 대시보드 디자인 정리하기
9장 시계열 데이터 분석을 이용한 마케팅 수요 예측
9.1 시계열 데이터 해석하기
__9.1.1 시계열의 세 가지 기본 요소
__9.1.2 시계열 분석의 핵심 ‘비교’
__9.1.3 실무에서 자주 쓰는 시계열 분석의 Best Practice
__9.1.4 맥락 속에서 데이터 해석하기
9.2 마케팅 수요 예측하기
__9.2.1 데이터 스키마 및 구조 분석하기
__9.2.2 M5 데이터 탐색 및 분석 준비하기
__9.2.3 주간/월간 단위 판매 추세는 어떻게 변해 왔는가?
__9.2.4 이벤트·프로모션과 SNAP 지급일은 매출에 어떤 차이를 만드는가?
__9.2.5 주요 이벤트 2주 전~이벤트일까지 무엇이 달라지는가?
__9.2.6 크리스마스 이벤트 효과 정밀 분석
9.3 시계열 대시보드 시각화하기
__9.3.1 대시보드 상단 KPI 카드 구성하기
__9.3.2 대시보드 가운데 영역 구성하기
__9.3.3 대시보드 하단 영역 구성하기
__9.3.4 대시보드 구성 및 배치하기
9.4 결과에 따른 마케팅 계획 수립하기
10장 웹 트래픽을 분석해 고객 행동 이해
10.1 고객 행동 데이터 수집하고 정제하기
__10.1.1 빅쿼리 중첩 데이터 구조
__10.1.2 UNNEST()로 데이터 펼치기
__10.1.3 데이터 파이프라인(data pipeline) 설계하기
__10.1.4 빅쿼리 _TABLE_SUFFIX
10.2 이커머스 데이터 수집하기
__10.2.1 사용자는 어디에서 이탈하는가?
__10.2.2 프로모션을 본 사용자가 실제로 더 많이 구매하는가?
__10.2.3 검색을 이용한 고객들이 더 구매 의도가 분명할까?
10.3 전환율 데이터 시각화하기
__10.3.1 전체 지표 요약 시트 구성하기
__10.3.2 퍼널 단계별 전환 수 시각화 시트 구성하기
__10.3.3 퍼널 단계별 이탈률 그래프 구성하기
__10.3.4 디바이스별 전환율 비교 그래프 구성하기
__10.3.5 날짜별 상품 조회, 구매, 전환율 분석 그래프 구성하기
__10.3.6 대시보드 구성하기
11장 고객 이탈 가능성 분석
11.1 고객 이탈의 원인과 비용 이해하기
__11.1.1 고객 이탈의 다양한 원인 살펴보기
11.2 고객 이탈 데이터 수집하기
__11.2.1 가족 구성에 따른 이탈률 차이
__11.2.2 계약 기간에 따른 이탈률 분석하기
__11.2.3 결제 방식에 따른 이탈률 분석하기
__11.2.4 부가 서비스 이용 여부에 따른 이탈률 분석하기
__11.2.5 월 청구 금액과 가입 기간이 이탈에 미치는 영향
11.3 생존 분석 기법으로 이탈 예측하기
11.4 태블로로 이탈 경향 시각화하기
__11.4.1 Churn Flag 및 기본 지표 생성하기
__11.4.2 요약 KPI 시트 생성하기
__11.4.3 다양한 기준별 이탈률 비교 그래프 구성하기
__11.4.4 세부 기준에 따른 이탈률 비교 그래프 구성하기
11.4.5 대시보드 구성하기
12장 A/B 테스트 설계
12.1 A/B 테스트의 원리와 설계 방법
__12.1.1 A/B 테스트의 기본 구조
__12.1.2 가설 설정과 실험 설계
__12.1.3 무작위 배정의 중요성
__12.1.4 실험의 전제 조건
__12.1.5 실험 설계의 현실적 한계
12.2 A/B 테스트 분석하기
__12.2.1 A/B 간 전환율 분석하기
__12.2.2 요일별 전환율 분석하기
__12.2.3 시간대별 전환율 분석하기
12.3 태블로를 사용하여 결과 시각화하기
__12.3.1 상단 기본 지표 생성하기
__12.3.2 시간대별 전환율 및 참여율의 추이
__12.3.3 광고 노출량에 따른 전환율 차이
__12.3.4 요일에 따른 전환율 차이
__12.3.5 대시보드 구성하기
12.4 통계적 유의성과 실무 적용 방안 이해하기
__12.4.1 통계적 유의성과 효과의 크기는 다르다
__12.4.2 실무에서 자주 발생하는 문제
13장 고객 세그멘테이션으로 전략 세분화
13.1 고객 데이터 수집하기
13.2 고객 세분화하기
13.3 각 세그먼트에 맞춘 전략 제안하기
13.4 태블로로 고객 세그먼트 시각화하기
__13.4.1 상단 영역 요약 KPI 만들기
__13.4.2 세그먼트별 고객 수 시각화하기
__13.4.3 세그먼트별 R·F·M 시각화하기
__13.4.4 교차 히트맵 구성하기
__13.4.5 대시보드 구성하기
14장 고객 만족도 분석
14.1 고객 설문 데이터 수집하기
14.2 고객 만족도 데이터 분석하기
__14.2.1 여행 유형과 탑승 클래스에 따른 만족도 차이
__14.2.2 비행 지연이 만족도에 미치는 영향
__14.2.3 기내 서비스 요소가 만족도에 미치는 영향
__14.2.4 단거리 vs 장거리 비행이 만족도에 미치는 영향
14.3 태블로로 만족도 시각화하기
__14.3.1 데이터 구조 정리: 피벗의 필요성
__14.3.2 대시보드 최종 구성 모습
__14.3.3 요약 KPI 만들기
__14.3.4 기준별 만족도 비율 시각화하기
__14.3.5 설문 항목별 만족도 분포 분석
__14.3.6 대시보드 구성하기
14.4 만족도 향상을 위한 실행 전략 세우기
__14.4.1 평균 점수로 시작하지만 평균에서 멈출 수는 없다
__14.4.2 전반 만족도와 항목 만족도 사이의 간극을 바라보는 이유
__14.4.3 만족도 개선 전략의 세 가지 전형적인 방향
__14.4.4 만족도 분석의 진짜 목적
15장 디지털 마케팅 성과 분석
15.1 성과 분석을 위한 데이터 분석 모델 알아보기
__15.1.1 MMM이란
__15.1.2 간단한 예제로 이해하는 MMM
15.2 디지털 마케팅 성과 분석하기
__15.2.1 채널 기준 성과 분석하기
__15.2.2 캠페인 타입별 효율 비교
__15.2.3 크리에이티브 유형별 효율 비교하기
__15.2.4 채널 × 크리에이티브 타입의 조합에 따른 효율 비교하기
15.3 성과 개선을 위한 캠페인 최적화 전략 수립하기
15.4 태블로로 마케팅 채널별 성과 시각화하기
__15.4.1 요약 KPI 만들기
__15.4.2 채널별 Engagement 및 Efficiency 시각화하기
__15.4.3 Creative Type별 Engagement 및 Efficiency 시각화하기
__15.4.4 대시보드 구성 및 스타일 정리하기
16장 고객 생애 가치를 계산하고 마케팅 예산 짜기
16.1 고객 세그먼트별 CLV 분석 및 ROI 추정하기
__16.1.1 채널별 고객 CLV와 CAC 차이 분석
__16.1.2 채널별 전환율 vs 실제 매출 분석
__16.1.3 예산을 더 쓴다면 어떤 채널이 ‘추가 1달러’에 가장 유리한가?
16.2 태블로를 사용한 CLV와 ROI 시각화하기
__16.2.1 요약 KPI 만들기
__16.2.2 채널별 고객 수, CLV, CAC 비교하기
__16.2.3 채널별 ROAS 비교하기
__16.2.4 Conversion과 CLV의 관계 분석하기
__16.2.5 Cost Band별 CLV 분석하기
__16.2.6 대시보드 구성 및 스타일 정리하기
__16.3 마케팅 예산 최적화 방안 생각하기
17장 실전 데이터 분석 Tip
17.1 실무에서 자주 겪는 문제와 해결 방법
__17.1.1 지표가 너무 많을 때 생기는 문제
__17.1.2 평균에 속지 않는 법
__17.1.3 분석 결과가 예상과 다를 때
__17.1.4 분석 결과를 만들어도 결정이 안 나는 이유
17.2 데이터 분석 프로젝트 관리 및 협업 팁
__17.2.1 분석 프로젝트를 시작할 때 합의해야 하는 것들
__17.2.2 분석 범위를 관리하는 방법
__17.2.3 비분석가와 협업할 때의 커뮤니케이션 팁
__17.2.4 분석가의 성장을 만드는 기록 습관
나가며

부록 A 기초 SQL
A.1 SELECT 문: 데이터 보기의 시작
A.2 WHERE: 조건에 맞는 데이터 선택
__A.2.1 값 비교를 통한 조건 설정하기
__A.2.2 여러 조건을 결합해 데이터 선택하기
__A.2.3 특정 값을 제외한 데이터 선택하기
__A.2.4 날짜 조건을 활용한 기간별 데이터 선택하기
A.3 ORDER BY와 LIMIT: 정렬과 결과 개수 제한
__A.3.1 정렬 방향 지정하기(ASC, DESC)
__A.3.2 LIMIT: 조회 결과 개수 제한하기
A.4 GROUP BY: 데이터 집계와 그룹화
A.4.1 GROUP BY 사용 규칙
A.4.2 집계 결과에 조건 적용하기: HAVING 절
A.5 JOIN: 여러 테이블의 데이터 결합
__A.5.1 INNER JOIN: 양쪽 테이블에 모두 있는 데이터만 결합
__A.5.2 LEFT JOIN: 왼쪽 테이블 기준으로 데이터 유지
__A.5.3 RIGHT JOIN: 오른쪽 테이블 기준(LEFT JOIN과 역할은 동일)
__A.5.4 FULL OUTER JOIN: 양쪽 테이블의 모든 데이터 포함
A.6 CASE WHEN: 조건에 따라 값 생성
__A.6.1 조건 순서에 따른 결과 차이
__A.6.2 이진 변수 생성에 활용하기
__A.6.3 조건별 집계 결과 계산 활용하기
A.7 서브쿼리와 WITH: 쿼리를 단계로 나누기
__A.7.1 서브쿼리: 쿼리 안에 포함된 쿼리
__A.7.2 WITH(CTE): 쿼리를 단계별로 정리하기
A.8 SQL에서 자주 사용하는 패턴들
__A.8.1 비율 계산하기
__A.8.2 전환율 계산 구조
__A.8.3 중복 제거하기: DISTINCT
__A.8.4 %00; 값 처리하기
__A.8.5 평균, 합계 계산을 할 때 주의 사항
A.9 챗GPT와 함께 SQL을 읽고 고치는 법
__A.9.1 챗GPT가 생성한 SQL을 읽는 순서
__A.9.2 결과가 예상과 다를 때 점검할 포인트
__A.9.3 챗GPT에 SQL 수정을 요청하는 방법