11.4. 헬스케어 웹사이트 사례 4가지
•
두 가지 연구가 있습니다
◦
200명 샘플의 정량적 연구 vs 20명 규모의 정성적 연구
◦
모두 다음의 조건 만족
▪
26세 이상
▪
특정 주에 거주
▪
헬스케어 관련 의사결정을 내림
•
화면을 통해 실험함.
◦
움직이고 클리하고 등등의 행독
◦
작업 전/후의 태도도 주요한 데이터
◦
정성적 연구에서는 추가로 참가자들이 그들의 생각을 말하도록 함
•
Measure
◦
qxScore: 여러 지표들의 조합
•
평가
Summary and Recommendation
•
자주 벤치마킹하라
•
다른 산업군에서 best practice를 찾아라
•
정성/정량을 모두 사용하라
•
문제를 단순화하라
•
search와 filter로 의사를 찾을 수 있도록 도와라
11.4. Seasonality Decomposition
•
계절성: 고정된 시간 단위로 반복되는 패턴
•
ITS 설계에 편향을 줄 수 있음
◦
높은 분산(블랙 프라이데이나 크리스마스)
◦
자기상관성
•
여기서 계절성을 어떻게 제거할 것인지 얘기하지는 않을 것임. 어려우니까…
◦
관심 있으신 분은 ARIMA나 푸리에 같은 걸 찾아보세요
▪
제(dane) 추천은 찾지 마세요
◦
논문 참조는 생략했습니다
•
대부분의 경우 간단한 계절성 분해 정도로도 충분함
•
계절성이 중요한 이유는 대부분의 구매가 시간,날짜,요일,월과 같은 시간에 영향을 받기 때문
•
cyclic과는 다르다! cyclic과는!
◦
cyclic은 주기가 일정하지 않거나 들쭉날쭉할 수 있다는 얘기인 것 같아요
•
다음 네 가지로 구성됨
◦
seasonal component: 크리스마스
◦
cyclic component: 경기 순환
◦
trend: 성장과 같은 트렌드
◦
error: 아웃라이어와 부정확 등. 모델에서 다루지 못하는 부분
•
두 가지 계절성: 여기서는 후자임
•
어케 이걸 조져?
◦
평균으로 표준화: 특이한 게 평균으로 나눈다
◦
이동평균: smoothiing
◦
Trend: OLS로 Y 예측
◦
Cycle = MA / Trend
◦
Seasonality: Y / MA = seasonality + error
◦
Error = Seasonality / (Y / MA)
분량이 허전해서 풀어보는 통계학과 시계열 썰
•
시계열 모델의 세 종파 (뇌피셜)
◦
ARIMA 계열
◦
Stochastic process 계열
◦
MLP 계열
•
Dane이 푸는 시계열 예측
◦
교수님’s 픽
◦
windowing
11.5. Actionable Insight
•
인과추론에서는 설계가 핵심. 설계가 잘못되면 결과 신뢰하기 어렵다고 해석함
•
RD는 web product에서 자연 발생하는 임의성을 효과적으로 다룰 수 있는 툴
•
시계열 자료는 대조군이 시간인 짱좋은(…) 툴이다
•
시계열분해는 시계열을 다룰 때 개쩌는(…) 툴이다
Discussions
PAP에서는 스터디 구성원들이 세션 진행 후 주제 발제를 통해 논의를 진행합니다.
유사 산업군의 다른 서비스, 다른 산업군의 서비스에서 기능을 벤치마킹을 시도했다가 실패한 케이스가 있을까요?
Editor
Dane Data Scientist
개인화에 관심 많은 데이터 사이언티스트입니다. 통계도 좋아합니다. 강아지와 고양이도.
이어지는 글 모아보기
전체 보기
Search
