데이터 사이언스로 내리는 비즈니스 의사결정 마스터 클래스

⦁ 머리말
⦁ 01 2000억 성공 신화에 도전하다
⦁ 연말대전 캠페인 예상 이익 시뮬레이션
⦁ 백승수 경영기획 본부장
⦁ 마소 전자마트에서 새로운 여정을 시작하다

⦁ 02 변화의 첫 걸음, 비즈니스 현황 파악
⦁ 지점별 판매 데이터 취합과 데이터 개선 작업
⦁ 데이터 기반 의사결정
⦁ 마소 전자마트의 비즈니스 현황
⦁ 값보다 그림, 표보다 대시보드

⦁ 03 시계열 데이터 탐색과 확률적 의사결정
⦁ 7:30 도착 버스: 평균과 표준편차
⦁ 버스는 9분 이상 늦지 않는다: 확률분포
⦁ 확률분포를 활용한 비즈니스 성과 향상 전략
⦁ 확률 기반 의사결정
⦁ 슈퍼스타 K와 population table
⦁ 제품 APK-HT33339183은 9월에 몇 개 팔릴까?
⦁ 쓰기 편한 것이 가장 좋은 도구
⦁ CAGR로 판매량 예측하기
⦁ 추세선으로 판매량 추정하기
⦁ 나은정 과장의 추측이 맞을 가능성은 왜 73.8%일까?
⦁ 회귀분석 함수로 추정하기
⦁ 실제 판매량과 추정치의 차이를 어떻게 이해해야 할까?

⦁ 04 판매 채널 개편으로 이익률 높이기
⦁ 큰 흐름을 한 눈에 파악: Z분석
⦁ 매출 하위 8개 지점 경고와 경기 센트럴점의 항의
⦁ 데이터가 같아도 기준은 제각각: KPI
⦁ 부산 남부점의 이익은 특별히 높은가?
⦁ 온라인 판매비중을 높이면 이익률이 개선될까
⦁ 전체 지점에서도 온라인 이익률이 높은가?
⦁ 어떤 제품이든 온라인에서 팔면 이익률이 높아질까?
⦁ A/B Test에 필요한 1%

⦁ 05 서울 중앙점의 전략적 의사결정
⦁ 1등과 2등의 차이: 비교 분석
⦁ 부산 남부지점의 매출 포트폴리오 벤치마킹
⦁ 선택과 집중: 회귀 분석
⦁ 가격대별 판매 주력 제품: 분류와 클러스터링
⦁ 할인 시 목표 판매량: 민감도 분석
⦁ 가격대별 할인율 차별 전략: 시나리오 관리
⦁ 가격 할인 외의 다른 방법을 찾고 싶을 때: 추정과 현실의 차이
⦁ 구매 결정에 중요한 요소: 컨조인트 분석
⦁ 이대로 쭉 가도 될까요?

⦁ 자, 이제 남은 것은?
저자의 말
참고 자료