데이터 리터러시(문해력)란 ?

✅ 데이터 리터러시 (Data Literacy) ; 데이터 문해력이란 무엇일까요?? 

1. 데이터를 읽는 능력 
2. 데이터를 이해하는 능력 
3. 데이터를 비판적으로 분석하는 능력 
4. 결과를 의사소통에 활용할 수 있는 능력

즉, 데이터 수집과 데이터 원천을 이해하고 주어진 데이터에 대한 다양한 활용법을 이해하고, 데이터를 통핸 핵심지표를 이해하는 것. -> 올바른 질문을 던질 수 있도록 만들어줌. 

 

✅데이터 분석에 대한 오해와 착각 

• 데이터를 잘 분석하면 문제, 목적, 결론이 나올 것이라고 생각. 
• 데이터를 잘 가공하면 유용한 정보를 얻을 수 있다고 생각
• 분석에 실패하면 방법론, 스킬이 부족한 것이라고 생각.

결국, 데이터 분석에서 가장 중요한 것은 고민하고 생각하는 것. 스킬적인 부분은 도구에 불과하다.

---

✅데이터 해석 오류 사례 

1. 심슨의 역설 (Simpson's Paradox) 

• 심슨의 역설은 수학자 에드워드 H. 심슨(Edward H. Simpson)이 1951년에 처음으로 설명한 현상입니다. 예를 들어, 두 약물 A와 B가 특정 질병에 대한 치료 효과를 비교할 때 전체 데이터를 보면 약물 A가 더 효과적일 수 있지만, 성별이나 나이와 같은 하위 그룹으로 나누어 분석하면 약물 B가 더 효과적일 수 있습니다. 이러한 역설적인 결과는 의사결정 과정에서 큰 혼란을 초래할 수 있습니다.
• 심슨의 역설 예시) 학과성별지원자 수합격자 수합격률 

  학과	성별	지원자 수	합격자 수	합격률
  A	남학생	90	30	33.3%
  A	여학생	10	5	50.0%
  B	남학생	10	7	70.0%
  B	여학생	90	60	66.7%

  전체 데이터를 보면, 남학생의 합격률은 37/100 = 37.0%이고 여학생의 합격률은 65/100 = 65.0%입니다. 그러나 학과별로 나누어 보면, 학과 A에서는 여학생의 합격률이 높고 학과 B에서는 남학생의 합격률이 높습니다. 전체적으로 여학생의 합격률이 높지만, 각 학과에서는 성별에 따른 합격률이 달라집니다. 이것이 심슨의 역설입니다.
• 간단한 예시로 심슨의 역설을 이해해봅시다. 한 대학교에서 남학생과 여학생의 두 학과에 대한 지원자 수와 합격자 수를 분석했다고 가정합니다.
• 왜 심슨의 역설이 발생하는가?
  • 심슨의 역설은 데이터의 혼합 효과와 관련이 있습니다. 하위 그룹에서 중요한 변수가 전체 데이터 세트에서는 무시되었기 때문에 발생합니다. 이 역설은 다음과 같은 상황에서 자주 발생합니다:
  1. 하위 그룹의 크기 차이: 하위 그룹의 크기가 크게 다를 때, 한 그룹의 영향력이 전체 결과에 더 큰 영향을 미칩니다.
  2. 변수의 상호작용: 두 개 이상의 변수가 상호작용할 때, 단일 변수만으로는 설명할 수 없는 결과가 나타날 수 있습니다.
• 심슨의 역설을 피하는 방법
  1. 하위 그룹 분석: 전체 데이터뿐만 아니라 하위 그룹으로 나누어 분석하여 각 그룹의 경향을 파악합니다.
  2. 혼란 변수 조정: 혼란 변수(confounding variable)를 식별하고, 이를 조정하여 분석 결과에 미치는 영향을 최소화합니다.
  3. 다양한 분석 기법 사용: 회귀 분석, 분산 분석 등 다양한 통계 기법을 사용하여 데이터를 다각도로 분석합니다.
  결론
• 심슨의 역설에 대한 이해는 데이터 과학자가 더욱 신뢰할 수 있는 분석 결과를 도출하는 데 큰 도움이 될 것입니다. 이를 통해 데이터를 올바르게 해석하고, 더 나은 의사결정을 내릴 수 있습니다.
• 심슨의 역설은 데이터 분석에서 종종 간과될 수 있는 중요한 개념입니다. 전체 데이터를 볼 때와 하위 그룹을 나누어 볼 때 상반된 결과가 나타날 수 있기 때문에, 이를 이해하고 주의 깊게 분석하는 것이 중요합니다. 데이터를 분석할 때는 항상 다양한 관점에서 접근하고, 하위 그룹 분석과 혼란 변수 조정을 통해 보다 정확한 통찰을 얻도록 노력해야 합니다.

---

2. 시각화를 활용한 왜곡

데이터 시각화는 복잡한 데이터를 쉽게 이해할 수 있도록 도와줍니다. 그러나 시각화를 왜곡하면 잘못된 정보를 전달할 수 있습니다. 자료의 표현 방법에 따라서 해석의 오류 여지가 존재합니다.

 

 

---

3. 샘플링 편향

샘플링 편향은 데이터 수집 과정에서 특정 그룹이 과소 또는 과대 대표되는 현상입니다. 이는 분석 결과에 큰 영향을 미칠 수 있습니다.

사례: 온라인 설문조사

한 온라인 쇼핑몰이 고객 만족도를 조사하기 위해 웹사이트 방문자를 대상으로 설문조사를 진행했습니다. 결과는 대부분의 고객이 매우 만족하고 있음을 보여주었습니다. 그러나 이 결과는 실제 고객 만족도를 반영하지 않을 수 있습니다. 인터넷 사용이 익숙하지 않은 고객이나 나이가 많은 고객은 설문조사에 참여하지 않았을 가능성이 높기 때문입니다.

이처럼 샘플링 편향은 특정 그룹의 의견을 과대 대표하거나 과소 대표하여 전체 결과를 왜곡할 수 있습니다.

---

4. 상관관계와 인과관계

상관관계는 두 변수 간에 어떤 관계가 있음을 나타내지만, 이는 인과관계를 의미하지 않습니다. 상관관계와 인과관계를 혼동하면 잘못된 결론을 내릴 수 있습니다.

 

사례: 아이스크림 판매량과 익사 사고

여름철에 아이스크림 판매량이 증가하고, 동시에 익사 사고도 증가하는 경향이 있습니다. 이 두 변수 사이에 상관관계가 있지만, 아이스크림 판매량이 증가한다고 해서 익사 사고가 증가한다고 결론을 내릴 수 없습니다. 이 두 변수는 모두 여름이라는 공통 요인에 의해 영향을 받습니다.

이처럼 상관관계는 인과관계를 의미하지 않으므로, 데이터를 해석할 때 주의가 필요합니다.

 

 

데이터 분석이 목적이 되지 않도록 '왜?'를 항상 생각해야 한다.