Ⅲ. 데이터 모델링과 평가 · 1차시
데이터 모델이란 무엇이며 무엇으로 분석하나
데이터에서 찾아낸 규칙을 데이터 모델이라고 한다. 매점 판매 기록으로 모델의 뜻을 익힌다. 이어서 분석에 쓸 도구를 고르는 기준을 정리한다.
학교 매점에서 아이스크림을 몇 개 준비할지 정해야 한다. 너무 적게 준비하면 금방 품절된다. 너무 많이 준비하면 남는다.
지난 기록을 보면 더운 날에 많이 팔렸다. 이 경험을 숫자로 정리하면 내일 판매량을 짐작할 수 있다.
데이터에서 규칙을 찾는다
| 날짜 | 낮 최고 기온(℃) | 아이스크림 판매량(개) |
|---|---|---|
| 1일 | 22 | 18 |
| 2일 | 24 | 24 |
| 3일 | 26 | 31 |
| 4일 | 28 | 35 |
| 5일 | 30 | 44 |
| 6일 | 32 | 48 |
| 7일 | 34 | 55 |
점들이 왼쪽 아래에서 오른쪽 위로 늘어서 있다. 기온이 오르면 판매량도 늘어난다는 뜻이다.
늘어나는 정도도 숫자로 잡을 수 있다. 기온은 22℃에서 34℃로 12℃ 올랐다. 판매량은 18개에서 55개로 37개 늘었다.
37 ÷ 12 ≈ 3.08이다. 기온 1℃당 평균 약 3개씩 늘었다는 뜻이다.
기온 구간을 셋으로 나눠 평균을 구했다. 결과는 24.3개, 39.5개, 51.5개다. 더운 구간으로 갈수록 평균이 커진다.
이렇게 정리한 규칙이 있으면 새로운 날도 짐작할 수 있다. 31℃는 가운데 구간과 더운 구간 사이다. 40개대 중반을 예상하게 된다.
- 데이터 모델(data model)
- 데이터에서 찾아낸 규칙을 식이나 규칙의 형태로 나타낸 것. 데이터를 요약하고 새로운 값을 예측하는 데 쓴다.
- 데이터 모델링(data modeling)
- 데이터에서 규칙을 찾고 그 규칙을 모델로 만든 뒤 결과를 확인하는 전체 과정.
규칙은 데이터를 요약한 것이다. 그래서 모든 값을 그대로 맞히지는 못한다.
4일과 5일은 기온이 2℃ 차이인데 판매량은 9개 차이가 났다. 기온 말고 다른 이유도 있었다는 뜻이다.
모델과 실제 값의 차이는 늘 남는다. 그 차이를 얼마나 줄였는지가 모델의 성능이 된다.
무엇으로 분석할까
분석 도구는 손에 익은 것부터 고르는 편이 좋다. 도구를 익히는 데 힘을 다 쓰면 데이터를 볼 시간이 없다.
학교에서는 기기와 운영 체제가 학생마다 다를 수 있다. 특정 기기에서만 되는 도구를 쓰면 누군가는 참여하지 못한다. 기기와 운영 체제에 비교적 독립적인 도구가 안전하다.
| 유형 | 잘하는 일 | 확인할 점 |
|---|---|---|
| 표 계산 소프트웨어 | 표를 눈으로 보며 정렬·요약·그래프를 만든다 | 데이터가 커지면 느려지고 같은 작업을 되풀이하기 번거롭다 |
| 블록 기반 분석 도구 | 코드를 몰라도 블록을 이어 분석 흐름을 만든다 | 블록이 지원하지 않는 계산은 다루기 어렵다 |
| 범용 프로그래밍 언어 | 계산 과정을 코드로 남겨 그대로 다시 실행한다 | 문법을 익히는 시간이 필요하다 |
| 브라우저에서 실행하는 분석 환경 | 설치 없이 코드와 결과를 함께 본다 | 인터넷 연결과 학교 네트워크 정책에 따라 달라진다 |
이 차시에서 을 규칙으로 정리했다. 다음 차시부터는 규칙을 만드는 방법을 배운다.
먼저 숫자를 예측하는 회귀를 다룬다. 이어서 비슷한 것끼리 묶는 군집을 다룬다. 마지막으로 함께 일어나는 일을 찾는 연관을 다룬다.
확인 문제
4문항 · 고르면 바로 채점된다
데이터 모델을 가장 알맞게 설명한 것은 무엇인가?
데이터 모델은 데이터에서 찾아낸 규칙을 드러낸 것이다. 파일 이름이나 설문지는 모델이 아니다. 결측치 처리는 모델을 만들기 전의 전처리 단계다.
기온이 22℃에서 34℃로 오르는 동안 판매량은 18개에서 55개로 늘었다. 기온 1℃당 평균 증가량에 가장 가까운 값은 무엇인가?
판매량 증가 37개를 기온 증가 12℃로 나누면 37 ÷ 12 ≈ 3.08이다. 약 6.2개는 2℃당 증가량이다. 약 12개는 기온 증가량 자체를 잘못 읽은 값이다.
22℃부터 34℃까지의 기록으로 만든 모델을 40℃인 날에 그대로 적용해도 결과를 믿을 수 있다.
모델은 사용한 데이터의 범위 안에서 확인된 규칙이다. 데이터가 없는 구간에서도 성립한다는 근거는 없다. 그러므로 그대로 적용하지 않는다.
학급 전체가 함께 쓸 분석 도구를 고를 때 기준으로 알맞지 않은 것은 무엇인가?
새로 나왔다는 사실은 수업에 적합한지와 관계가 없다. 접근성, 학습 부담, 실행 가능성이 먼저 볼 기준이다.