15. Today I Learned 1224

[아티클 스터디]

아티클 스터디는 화, 수 아침에 진행하기로 했기 때문에 곧바로 진행했다!

사용자 행동 데이터 분석 : 2 넷플릭스와 아마존은 데이터 분석을 어떻게 할까요?

요약 :
- 사용자 행동 데이터로 분석 가능한 것
  - 사용자들이 우리 서비스의 여러 기능을 어떤 순서로 사용하는지
  - 어느 기능(또는 페이지)에 관심이 많은지 혹은 관심이 없는지
  - 어느 페이지를 마지막으로 서비스를 이탈하는지
  - 결제를 한 사용자가 정확하게 어떤 페이지에서 결제 전환이 되었는지
  - 평균 며칠 이내에 사용자들이 재방문하는지
  - UI 변경에 따른 사용자들의 행동 변화 등
- 사용자 행동 데이터 활용 사례
  - 넷플릭스
    - ‘어떤 콘텐츠를 제작(수급)해야 사용자들의 반응이 좋을까?’
    - 큰 제작비용 대비 큰 이익을 줄 수 있는 콘텐츠 탐색
      - 사용자의 콘텐츠 시청 구간
      - 사용자의 멈춤, 되감기, 빨리감기 위치
      - 사용자의 이용 기기
      - 일시정지 패턴
      - 재시청에 대한 데이터
  - 미국판 [하우스 오브 카드] 시리즈 제작을 위해 어떤 데이터를 탐색했는지
    1. 데이비드 핀처가 감독한 영화 ‘소셜 네트워크’는 처음부터 끝까지 시청한 사용자 비율이 많았다.
    2. 영국판 ‘하우스 오브 카드’를 사람들이 많이 시청했다.
    3. 영국판 ‘하우스 오브 카드’를 본 사람들은 케빈 스페이시가 출연한 영화나 데이비드 핀처가 감독한 영화를 본 사람이 많았다. ▶ ‘데이비드 핀처가 감독, 케빈 스페이시가 주연으로 나오는 미국판 하우스 오브 카드를 제작. 시즌 1, 1억 달러 투자 → 미국에서만 2백만 명의 신규 가입자 발생, 그 외 지역에서도 1백만 명의 신규 가입자(2013년 1분기 기준), 기존 가입자의 이탈 가능성 크게 감소
  - 아마존
    - 거의 모든 클릭 데이터를 수집
      - 로딩이 0.1초 지연될 때마다 판매가 1%씩 감소하는 연관성 → 모든 웹페이지가 0.6초 안에 로딩되도록 개선, 사용자 행동 데이터를 바탕으로 AI를 학습시켜 행동 패턴, 관심사에 맞게 맞춤형 페이지를 구성
      - ▶ 현재 아마존의 평균 구매 전환율 13%, (국내 온라인 쇼핑물 평균 전환율은 대개 6%)
  - 사용자 행동 데이터를 이용한 맞춤광고
    - 유모차 광고 시 예상했던 광고 타겟 : 2~30대 엄마들
    - 유모차 실제 수요자 : 노견을 키우는 견주

핵심 개념:
- 광고 등 프로모션을 진행할 때 데이터 분석을 통해 심층적인 타겟을 확장하고, 브랜드가 성장하기 위한 최적의 방향성을 설정할 수 있다.

용어 정리:
- 구매 전환율 최적화(conversion rate optimization, CRO):
  - 방문자가 구매자로 전환되는 비율을 최대화하는 것.
  - 사용자가 기업이나 브랜드의 웹사이트를 방문하였을 때, 상품을 구매하거나 마케팅 관련 행동을 보이는 비율을 높이는 과정
  - 이후 수집된 데이터를 분석하고, 분석 결과에 따라 성공 확률이 높은 그룹을 대상으로 예측 타겟팅을 접목할 수 있음.
- 유사 사용자 기반 알고리즘
  - 유사도 측정 : 각 사용자의 평가 이력(예: 영화 평점)을 바탕으로, 다른 사용자와의 선호도 유사도를 수치로 계산
  - 추천 생성 : 사용자의 과거 선호와 유사한 다른 사용자의 소비 패턴을 반영해, 아직 경험하지 않은 콘텐츠를 예측·추천(개인화된 추천)
- 유사 아이템 기반 알고리즘
  - 아이템 간 유사도 분석 : 사용자가 이미 선택한 아이템의 특성(예: 장르, 배우 등)을 수치화해, 비슷한 특성을 가진 다른 아이템을 식별
  - 추천의 안전성: 사용자가 선호하는 익숙한 아이템을 우선 추천해, 실패 확률을 낮추고 만족도를 높임
→데이터 부족 시 품질이 떨어질 수 있지만, 지속적으로 실시간 데이터를 수집해 분석
- 잠재 모델 기반 알고리즘
  - 사용자와 아이템에 내재된 잠재 모델의 패턴을 이용하는 방법.
  - 세부 분류하여 특정 기준을 바탕으로 2차원으로 행과 열을 분해해 예측 평점을 구하는 것.
- 콘텐츠 기반 알고리즘
  1. 상품들의 콘텐츠를 분석하여 각 상품을 벡터 형태로 표현
  2. 사용자의 프로필 벡터와 상품 벡터들 간의 유사도를 계산하는 것
    1. 보통 코사인 유사도(Cosine Similarity) 사용
- 넷플릭스는 이것을 포함한 다양한 알고리즘을 섞은 하이브리드 추천 시스템을 적용.
→실제로 넷플릭스 시청자의 70~80%가 추천 콘텐츠를 시청중

넷플릭스와 다른 브랜드들이 빅데이터를 분석해 어떻게 전략으로 이어나가는지 확인할 수 있었다. 역시 데이터 분석은 마케팅 전략과 매우 깊이있는 연관성을 가지는 것 같다. 복습해야겠다!

[ SQL 라이브 세션 2일차 ]

갑자기 localhost에 연결이 안 돼서(어제 세션은 잘 들었는데ㅠㅠ) 확인해보니 dbeaver - localhost - edit connections - Driver properties - allowPublicKeyRetrieval - true로 변경해주고 무사히 들어왔다! 오늘 아침에 매니저님께 뭐 물어보고 학교 일 좀 보느라 몰입 준비 시간을 못 가져서 약간의 멍 때리기... 휴 ^^;; 새 데이터 DataBase에 넣어주고

#데이터 딕셔너리 (game_logs)

컬럼명	설명	예시
logid	로그 고유 ID	1001
ip_addr	접속 IP	172.16.248.228
log_date	날짜(일자)	2025-12-02
game_account_id	계정 ID	acc_0023
game_actor_id	캐릭터 ID	5180
level	레벨	23
exp	경험치	20150
serverno	서버 번호	1~3
zone_id	지역(맵) 번호	101/201/301
party_id	파티 ID (없으면 NULL)	222
party_members	파티원 수 (없으면 NULL)	4
item_source	아이템 획득 경로(없으면 NULL)	shop/event/quest/drop
item_qty	아이템 수량(없으면 NULL)	1, 5, 20
item_name	아이템 이름(없으면 NULL)	강화서, 회복포션
action_type	행동 타입	login/logout/item_gain/purchase/quest_complete
device	기기	iOS/Android/PC
country	국가	KR/US/JP
referrer	유입 경로(NULL 가능)	google/naver/direct

#새로운 데이터는 이렇게 생겼다

Table에 새로운 데이터를 가져와줬다. 어제는 euc-kr 였는데 오늘의 Encoding은 UTF-8

#한글도 깨지지 않고 잘 나오는 것을 확인할 수 있다.

#보다가 엔티티 관계도 나오고 말벌 아저씨처럼 헐레벌떡 달려감

#제길 벌써 재밌어보인다 실제로 데이터베이스에서 게임 데이터 보는 게 아주 두근두근

#데이터 로딩 확인 (정상 여부 체크)

SELECT COUNT(*) AS row_cnt
FROM basic.game_logs;

#160이 나오면 정상!

#LIMIT은 반환 행 수를 제한

SELECT *
FROM basic.game_logs
LIMIT 5;		#데이터 구조만 보기 위해 개수 설정(행 수 제한)
##위에서 정한 개수대로 뽑힘

*작동 순서

[ FROM → ON → JOIN → WHERE → GROUP BY → HAVING → SELECT → DISTINCT → ORDER BY ]

*작성 순서

[ SELECT → FROM → WHERE → GROUP BY → HAVING → ORDER BY ]

*논리 연산자 우선순위

1. NOT

2. AND

3. OR

#SELECT

*SELECT는 ‘어떤 컬럼(열)을 보여줄까요?’ 를 정하는 문법 (열 고르기)

*FROM은 ‘어느 테이블에서 가져올까요?’ 를 정하는 문법 (테이블 고르기)

#필요한 컬럼 뽑기

SELECT 
	logid, 
	log_date, 
	game_account_id, 
	action_type
FROM basic.game_logs
LIMIT 10;

<실습>

#문제: logid, device, country 3개 컬럼만 15개 보기(다만, logid를 id, device를 dv, country를 ct로 나타내기)

#WHERE

*WHERE는 행(로우)을 거르는 필터. 엑셀의 ‘필터’처럼, 조건에 맞는 행만 남기는 것.

*WHERE에는 참/거짓을 판단할 수 있는 조건식이 들어가고, 비교 결과는 1/0/NULL 형태로 해석될 수 있다

**WHERE A = B :
A → 테이블 안에 있는 컬럼(항목)
B → 그 컬럼이 가질 수 있는 값
실행 의미: 테이블에서 A가 B인 행만 조회

#가장 기본 조건: “같다(=)”

#개수로 검증하기 (COUNT)

#비교 연산자

#날짜 조건

<실습>

#item_qty가 5 이상인 데이터의 logid, item_name, item_qty를 20개 출력하세요

#AND / OR

*조건이 하나로 끝나는 경우는 거의 없음. 그래서 조건을 AND(그리고), OR(또는) 로 조합.

- AND: 둘 다 만족해야 TRUE

- OR: 둘 중 하나만 만족해도 TRUE

⚠️ 중요: MySQL에서는 일반적으로 AND가 OR보다 우선순위가 높다. → 그래서 OR가 섞이면 괄호로 의도를 고정하는 게 실무 습관.

#실수 유도 예시(우선순위 체감)

##“둘이 결과가 다르게 나온다. 왜 다를까?”

→ AND가 OR보다 먼저 실행된다는 것 기억!

**첫번째 : (1) AND 먼저 → (2) 그 결과를 기준으로 OR

"login은 국가 상관 없이 전부 포함, purchase(구매)는 KR만 포함"

[ login 전체 + (purchase AND KR) ]

**두번째 : (1) 괄호 먼저 → (2) 그 다음 AND

"login 또는 purchase. 둘다 KR만 포함"

[ login 전체 + (purchase AND KR) ]

<실습>

#문제1 : country='JP' 이면서 device='iOS' 인 데이터 10개 보기(logid, log_date, game_account_id, device, country)

#문제2 : action_type이 item_gain이거나, item_qty가 5 이상인 데이터의 logid, item_name, item_qty를 20개 출력

#IN

*여러 값을 OR로 나열하는 건 지저분해진다. 그럴 때 IN을 쓴다.

-- OR로 쓰면 길어짐
WHERE country='KR' OR country='JP'

-- IN으로 깔끔하게
WHERE country IN('KR','JP')

##IN()은 “목록 안에 포함되는가”를 검사하는 비교 연산자.

<실습>

#문제: action_type이 log로 시작하는 행 15개만 보기 (login/logout 찾기)

#LIKE

*`LIKE`는 ‘비슷한 문자열 찾기’, 즉 패턴 검색이다.
- % : 글자 0개 이상(아무 길이)
- _ : 글자 1개(정확히 한 글자)

**MySQL에서 SQL 패턴은 기본적으로 대소문자 구분이 없는 케이스가 많고, 패턴 비교는 =가 아니라 LIKE를 써야 함.

#예시 1: 특정 접두사로 시작

SELECT logid, game_account_id
FROM basic.game_logs
WHERE game_account_id LIKE 'acc_00%'	--키워드 검색으로 따지면 acc?00*임. 그래서 _는 만약 여러 개 쓰면 글자 수마다 써줘야 함
LIMIT 10;

#예시 2: 특정 단어 포함(아이템 이름)

#예시 3: 정확히 5글자인 referrer 찾기 (_)

<실습>

#문제: action_type이 log로 시작하는 행 15개만 보기 (login/logout 찾기)

##으음 이제 쓰면서도 보면서도 슬슬 읽힌다 좀 자연스럽게 약간 같은 거 세번째 복습하는 중이라(ㅋㅋ) good!

#NULL

'값이 없는 값', '미정'

⚠️ 그래서 = NULL로 비교하면 안 되고, 반드시 IS NULL / IS NOT NULL을 써야 함.

#따라하기: referrer가 없는 데이터 찾기

SELECT 
	logid, 
    game_account_id, 
    referrer
FROM basic.game_logs
WHERE referrer IS NULL
LIMIT 20;

#따라하기: 파티 플레이만 보기(파티 ID가 있는 행)

SELECT 
	logid, 
    game_account_id, 
    party_id, 
    party_members
FROM basic.game_logs
WHERE party_id IS NOT NULL
LIMIT 20;

#(팁) NULL과 정렬

정렬 시 NULL이 어떻게 배치되는지는 DB 규칙에 따라 달라질 수 있는데, MySQL에서는 NULL 처리 방식이 명시되어 있고(예: ORDER BY에서 NULL은 특정 위치로 정렬됨), 정렬 결과를 보고 꼭 확인하는 습관이 좋다.

#ORDER BY / LIMIT + CASE WHEN

~~어? 형이 왜 거기서 나와?~~ 어제 ai한테 혼나면서 배운 거다

/ ORDER BY (정렬)

** ORDER BY는 결과를 정렬. 기본은 오름차순(ASC)이고, 내림차순은 DESC.

/ CASE WHEN (라벨링)

**CASE WHEN은 조건에 따라 값을 바꿔주는 조건식, 데이터를 ‘분류’해서 보기 쉽게 만듦.

▷ 중요한 실무 포인트(에러 예방)

*SELECT에서 만든 컬럼 별칭(예: level_group)은 ORDER BY에서는 쓸 수 있지만, WHERE에서는 쓸 수 없다.

*왜냐면 WHERE가 실행될 때는 그 별칭 컬럼 값이 아직 확정되지 않았기 때문.

<과제>

#1. login 이벤트 중에서 country = 'KR' 인 데이터의 logid, log_date, game_account_id, device, referrer 를 출력하고, logid 오름차순 정렬해서 20개만 보여주세요.

SELECT 
    logid,
    log_date,
    game_account_id,
    device,
    referrer
FROM basic.game_logs
WHERE country = 'KR'
ORDER BY logid
LIMIT 20;

#2. item_gain 중 item_qty >= 10 인 로그를 찾고, logid, log_date, game_account_id, item_name, item_qty 를 출력하세요. 정렬은 item_qty DESC, log_date DESC 후 상위 30개를 보여주세요.

SELECT 
    logid,
    log_date,
    game_account_id,
    device,
    referrer
FROM basic.game_logs
WHERE country = 'KR'
ORDER BY logid
LIMIT 20;

#3. `action_type` 의 `purchase` 이벤트 중 `country IN ('KR', 'JP')` 인 데이터를 대상으로 아래 컬럼을 출력하세요.
- `logid, game_account_id, country, item_name, item_qty`
- `referrer`가 `NULL`이면 `'unknown'`, 아니면 원래 `referrer` 값을 쓰는 `referrer_group` 컬럼을 CASE WHEN으로 만들어 함께 출력
정렬: `log_date DESC`, `logid DESC` / `LIMIT 50`

SELECT
	logid,
	game_account_id,
	country,
	item_name,
	item_qty,
	CASE
		WHEN reterrer IS NULL THEN 'unknown'		--`referrer`가 `NULL`이면 `'unknown'`, 
		ELSE referrer 
	END AS referrer_group --아니면 원래 `referrer` 값을 쓰는 `referrer_group` 컬럼을 CASE WHEN으로 만들어 함께 출력
FROM basic.game_logs
WHERE action_type = 'purchase'
AND country IN ('KR', 'JP')
ORDER BY log_date DESC, logid DESC
LIMIT 50;

#4. “파티 플레이 로그”만 뽑고 싶습니다. `party_id IS NOT NULL` 인 행 중에서, `action_type IN ('quest_complete', 'item_gain')` 인 데이터만 출력하세요.
- 컬럼: `logid, log_date, game_account_id, action_type, party_id, party_members`
- 정렬: `party_members DESC`, `logid ASC` / `LIMIT 30`

SELECT
	logid,
	log_date,
	game_account_id,
	action_type,
	party_id,
	party_members 
FROM basic.game_logs
WHERE party_id IS NOT NULL
AND action_type IN ('quest_complete', 'item_gain')
ORDER BY party_members DESC, logid
LIMIT 30;

<퀴즈>

## Q1. **SELECT가 주로 선택하는 것은?**
A. 행(row)
B. 열(column)
C. 테이블
D. DBMS
---
## Q2 **NULL 비교로 올바른 것은?**
A. `col = NULL`
B. `col != NULL`
C. `col IS NULL`
D. `col <> NULL`
--
## Q3. **다음 중 일반적으로 우선순위가 높은 것은? (MySQL 기준)**
A. OR
B. AND

→ 자주 헷갈리는 것이라서, 쿼리 작성 시 무조건 괄호를 붙이도록.
---
## Q4. **`LIKE '_____'` 는 무엇을 의미하나요?**
A. 5글자 문자열과 매칭
B. 5글자 이상
C. `_` 문자 포함
D. 공백 포함

---

Q5. 별칭(alias) AS로 만든 컬럼은 WHERE에서 사용할 수 있다 (O/X)

[직무 스터디]

관심 있는 서비스/앱 하나 정하기 (배달앱, OTT, 커머스 등)
- 넷플릭스 / Netflix
그 서비스의 핵심 지표 3개를 정의(가입 전환율, 재구매율, DAU/MAU 등)
- 무료→유료 전환율
- 구독 유지율/탈퇴율
- 이용 시간
- DAU/MAU : 사용자 몰입도 확인
- 지역 별 이용률
- 이용자 나이
그 지표를 SQL로 뽑으려면 어떤 정보가 필요할지 아이디어 적어보기
- 필요 데이터
  - 사용자 (나이 / 추천된 콘텐츠 클릭 수 / 노출 수 등)
  - 구독 유무 / 구독 기간 / 결제 시점
  - 콘텐츠 이용 시간
  - 장르 별 순위
- ARPU(유저당 평균 매출), MRR(월간 반복 매출)
- 목표 설정이 가장 중요할 것 같다는 생각이 든다. 목적이 더 많은 유입을 원한다면 프로모션 전략과 사용자 맞춤 설정으로 이탈율을 줄이는 것이 될 것 같고, 만약 넷플릭스에서 원하는 목표가 매출이라면 광고와 콘텐츠 개선에 대한 방법을, 타사 대비 경쟁력을 강화하는 것이 목적이라면 OTT 시장 데이터 분석과 NPS(순추천고객지수), CLV(특정거래시점의 브랜드충성도) 등의 성과 지표에 대한 명확한 기준을 설정하고 개선하는 등의 과정으로 이어질 것 같다.
데이터 분석가 채용 공고 분석 (필요 역량, 도구 등..)
- 1.
  - 필요 역량:
    - 통계 분석, 실험 설계(A/B 테스트), 대시보드 개발(Tableau 등), KPI 지표 모니터링 및 리포팅, 고객 생애가치(LTV) 기반 매출 및 리텐션 분석, 퍼널 또는 고객 여정 분석 통해 서비스 개선
    - SQL, Python, Spark 등을 활용한 데이터 마트 및 파이프라인 개발
      - 데이터브릭스 플랫폼을 활용한 ELT/ELT 파이프라인 설계 및 개선, 데이터 엔지니어와의 협업, 정형/비정형 데이터마트 설계 및 표준화
    - 소상공인 도메인 특화 AI/ML 모델 개발 및 발굴
      - 캐시노트 데이터 기반 추천, 예측, 분류, 이상 탐지 등 머신러닝/딥러닝 모델 개발 / LLM 등 AssS를 활용한 내부 업무 효율화 및 고객 대상 서비스 프로덕트 기획 및 발굴
    - 클라우드 환경(AWS, GCP, Azure 등)에서의 데이터 분석 및 ML 운영 경험
  - 사용 툴: SQL, Python, ML/DL Framework, Tableau / Power BI 등의 시각화 툴
- 2.
  - 필요 역량:
    - A/B 테스트 운영, KPI 모니터링, 앱 개선 제안
  - 사용 툴: SQL, Python, Redash / Superset 등 시각화 툴
- 3.
  - 필요 역량:
    - 게임 론칭 및 운영 분석 리포트 발행
    - 게임 장르별 BM 분석 리포트 발행
    - 게임 데이터 기반의 통계분석 및 예측모델 개발
    - 게임 도메인 지식 보유
  - 사용 툴: SQL, Python

[개인 공부]

오늘은 아마 복습 위주로 하게 될 것 같다. 원래 퀘스트를 진행하려고 했는데 일단 우선순위가 높은 팀 작업물을 일단 완성하고, 이후에는 SQL 복습하면서 AI랑 학습할 듯. 🥺 이번주까지 퀘스트 완료를 꼭 하고 싶었는데 어제 잠을 좀 못자서 그런지 아주 어째 멍...하다 😭 어제 수면의 질이 막 좋지는 않았던 것 같다(...) 크리스마스/신정으로 그래도 쉴 수 있는 날이 있어서 다행! 쉬어야지.. 푹 쉬고 하고 그 다음 날에 또 힘낼 수 있게 해야지... 동기부여를 위해 뇌를 쉬고 나를 쉬고 아무튼 놀 것이다 아무튼!!!! 그래서 오늘은 일정을 최대한 최소화하고 몰입 시간을 늘려가는 데 초점을 맞출 계획이다. SQL 복습(아직 완벽히 이해 안되는 문법 등)이랑 PPT가 가장 우선적이라서 이렇게 진...행...할....것.........

PPT를 먼저 완료하고, 대본 작성하고, 오후 5시 직무 세션을 진행하고, 그 이후에 7시에 스크럼 스터디를 진행하며 발표에 대해 최종 점검하고, 리허설해본 다음 오늘의 일정이 끝이 날 것 같다! 아주 간단하고 작은 발표라지만 일단 '금요일에 발표 일정이 있다' 이게 상당히 그냥 기본 일정에도 영향을 주는구나 싶었음. 한번에 다 끝낼 수는 없고 딱 지정된 시간에 모여서 논의하고, 각자 할일하고, 다시 모이는 건데도 다른 개인 공부 중에도 문득 생각나거나 신경이 쓰이지만?? 캄다운~ 할 필요가 있는듯.

오늘 개인 공부 진행한 것은 SQL 강의 과제 하는 김에 SQL 복습 한번 해본 것, 이해가 안됐던 부분 살짝 되돌아보고 다시 리마인드 해보고 딱 그정도 한 듯? 퀘스트는 오늘.. 스읍 아마 못할 것 같다. 오늘 PPT 완성 및 오후에는 할 수 있으면 데이터 분석 책을 읽어보면서 일정 다시 정리하기!! 만 하려고 한다. 아무래도 오늘 컨디션이 YOUNG이다.(전혀 영하지 않다는 뜻) 몸의 피로보다는 약간 불타오르지 않는 머리... 어? 그게 몸이 피로해선가? ㅋ 그럴수도... 오늘은 빨리 자고 내일 늦게 일어나야징!!!!!!!!!!!!!!!!!!

[직무 세션]

연변에 한국어 간판 보고 깜짝 놀랐다 ~~근데 동영상 내용보고 더 깜짝 놀랐다(;;) 그시절은 대단하구나 싶었음~~ 와... 운동 의지 대박이다 아침밥..맛있겟다... 어...? 내배캠 후기 찾아보다가 매니저님들 인터뷰한 걸 봐버렸는데

수강생이 남아있으면 같이 남아있으신다고?!?!?! 엣.... 허거덩,, 내가 공부가 남으면 매니저님들도 야근인 것인가(;;;)라는 생각에 약간 오싹하였다. 흑흑... 6시에 입실하고 간적있는데혹시조기출근하신건아니겠지싶은그런

금요일에 퀘스트 전부 끝내기 가능하려나? 모르겠다. 일단 달리기만 남았긴 함!

[금]

매일 해야하는 것 : 아티클 스터디, 스크럼 스터디(이제 발표가 없는데, 뭘 논의하면 좋을까? 새로운 발표가 시작되려나?), SQL 세션(허걱. 이제 직무 세션이 없구나. 그럼 생각보다 시간이 남겠다)

개인 공부 진행할 것 : 달리기 퀘스트 끝내기! ADsP 기출 / SQL 복습(전체+특히 SQL 강의 챕터 5, 걷기 퀘스트 중 중요한 부분)

끝내야 하는 것 : 발표!!! (우리 조는 딱 가운데. ^^v) ~~떨린다떨린다떨린다~~

추가 진행할 것 : 빅데이터 시대, 성과를 이끌어 내는 데이터 문해력

PPT 초안에서 디벨롭을 다들 너무 잘해주셔서 진짜 너무...너무.... 멋있었고 아잇 할말 엄청 많은데 지금 다음에 일정이 있어서 다음에 마저적음 ㅠ

[12:09:30]

메리크리스마스

호 호 호

저작자표시 비영리 동일조건 (새창열림)

'데이터분석 > 나이테 기록 (Daily TIL)' 카테고리의 다른 글

17. Today I Learned 1229 (1)	2025.12.29
16. Today I Learned 1226 (1)	2025.12.26
14. Today I Learned 1223 (0)	2025.12.23
13. Today I Learned 1222 (1)	2025.12.22
12. Today I Learned 1219 (1)	2025.12.19

[아티클 스터디]

[ SQL 라이브 세션 2일차 ]

#데이터 딕셔너리 (game_logs)

#데이터 로딩 확인 (정상 여부 체크)

#LIMIT은 반환 행 수를 제한

*작동 순서

*작성 순서

*논리 연산자 우선순위

#SELECT

#WHERE

#AND / OR

#IN

#LIKE

#NULL

#ORDER BY / LIMIT + CASE WHEN

/ ORDER BY (정렬)

/ CASE WHEN (라벨링)

▷ 중요한 실무 포인트(에러 예방)

<과제>

[직무 스터디]

[개인 공부]

[직무 세션]

'데이터분석 > 나이테 기록 (Daily TIL)' 카테고리의 다른 글

티스토리툴바