KHU 무료 데이터 분석
로그인 / 회원가입

파이프라인별 분석 가이드

각 분석이 어떤 순서로 진행되는지 미리 확인하세요.

실제 화면으로 배우는 분석

기본 13단계 체험과 분야별 체험에서 예시 자료 준비부터 전처리·변수 선택·실제 분석·결과 다운로드까지 진행합니다. 마케팅 고객 세분화·구매 연관·ID3도 각각 선택할 수 있습니다.

로그인 없이 체험할 수 있습니다. 도중에 닫아도 기존 파일과 분석 결과가 복원됩니다.

학습 기록은 이 브라우저에 저장됩니다. 다른 기기와 동기화되지 않으며, 브라우저 저장 데이터를 삭제하면 초기화됩니다.

모든 분석의 마무리

결과표·그래프와 실행 옵션·데이터 버전·전처리 내역을 확인하고 CSV 또는 PDF로 내보냅니다. 이전 결과는 분석 이어하기에서 다시 열 수 있습니다. 로그인 후 프로젝트를 저장하면 다음 접속에도 불러올 수 있으며, 회원 초대 시 보기 또는 수정 권한을 선택합니다. AI 해석은 연구자가 수치와 맥락을 검토하는 초안입니다.

마케팅·고객 분석

  1. 1전처리와 관측 단위고객별 행동·태도, 거래별 0/1 구매 여부, 범주형 목표를 구분합니다. 고객·브랜드·국가·참가자 ID는 다층 분석에 필요한 군집 구분일 수 있습니다.
  2. 2고객 세분화·구매 연관·ID3고객 세분화는 숫자형 특성 두 개 이상과 군집 수, 구매 연관은 0/1 품목 두 개 이상과 최소 지지도, ID3는 목표 범주와 예측 범주를 지정합니다. 아래에서 각 방법을 실제로 실행해 볼 수 있습니다.
  3. 3회귀와 매개·조절회귀 탭에서 구매의도는 선형·다중 회귀, 구매/클릭 여부는 로지스틱, 댓글·방문 횟수는 포아송 또는 과산포를 고려한 음이항을 선택합니다. 횟수 결과는 0 이상 정수이고 선택적 노출량은 양수입니다. 매개·조절 탭의 Model 7은 X→M, Model 14는 M→Y 경로 조절이며 순차 매개는 X→M1→M2→Y입니다. 서로 다른 연속형 변수와 독립 사례를 지정하고 부트스트랩 95% CI를 확인합니다.
  4. 4측정·구조와 다층·반복측정측정·구조 탭에서 CFA 문항과 잠재변수, SEM 경로를 지정하고 식별·수렴·적합도·CR/AVE를 검토합니다. 다층·반복측정은 연속형 결과, 최대 세 군집의 중첩(상위→하위) 또는 교차 구조, ML/REML을 선택합니다. 반복 기울기와 참가자 군집을 지정할 수 있으며 절편–기울기 공분산은 0입니다.
  5. 5결과와 진단군집별 규모·특성, 연관 쌍의 지지도·신뢰도·향상도, ID3 독립 시험 혼동행렬·정보이득·규칙을 읽습니다. 회귀 계수/IRR·95% CI·적합도·진단, 경로의 조건부 간접효과·CI, 다층 분산성분·수렴을 확인하고 실행 설정과 함께 내보냅니다.

주의 · 세 클릭 체험은 고객 세분화·구매 연관 쌍·ID3입니다. 회귀·경로·CFA/SEM·다층은 해당 탭에서 별도 실행합니다. ID3 가지치기·3품목 이상 Apriori·전체 PROCESS 호환·이항/횟수 GLMM은 지원하지 않습니다. 확장 혼합모형은 5,000행·무작위 계수 160개·예측변수 10개까지입니다.

BGD 데이터 탐색·정제

  1. 1전처리변수 특징표에서 자료형·결측·중복·단일값·식별자를 확인합니다. 결측 대체·사례 제외·표준화·이상치 완화·역문항 처리는 연구 기준에 맞춰 선택합니다.
  2. 2품질·탐색 분석정제 자료를 전달한 뒤 분석 실행으로 변수별 품질표와 분포를 확인합니다.
  3. 3시각화분포와 이상치 후보를 확인하고 원자료·입력 오류·실제 극단값을 구분합니다.
  4. 4진단수정 전후 사례·변수 수와 결측 변화, 전처리 내역을 비교합니다.

주의 · BGD는 품질 탐색이며 가설검정이나 자동 오류 판정이 아닙니다. 이상치와 결측을 무조건 제거하지 마세요.

AML 자동 머신러닝

  1. 1전처리목표 변수를 정하고 누락·자료형을 정리합니다. 목표 이후에 생긴 정보는 예측변수에서 제외합니다.
  2. 2자동 모형 비교회귀 또는 분류를 선택하고 목표 변수·숫자형 예측변수를 지정합니다. 랜덤 포레스트 설정은 분리된 훈련·검증 자료로 비교합니다.
  3. 3시각화순열 중요도와 근사 interventional SHAP을 함께 비교하고 예측 결과를 확인합니다. 두 중요도는 계산 기준이 다르며 인과효과나 TreeSHAP 결과가 아닙니다.
  4. 4진단훈련·검증·보정·시험의 역할을 구분합니다. 독립 시험 오차 또는 분류 성능, 회귀 split-conformal 예측구간과 5겹 교차검증 포함률·목표 차이·구간 폭을 확인합니다. 실제 운영 자료의 분포 차이도 검토합니다.

주의 · 시험 자료를 반복해서 보며 설정을 고르면 성능이 과장됩니다. 시계열 자료는 무작위 분할 AML 대신 시간 순서를 보존하는 검증이 필요합니다.

NLP 텍스트 분석

  1. 1텍스트 전처리문서·자유응답을 문자형 변수로 유지하고 공백·중복·불필요 문자를 정리합니다. 개인정보는 먼저 제거합니다.
  2. 2키워드 분석텍스트 변수와 제외할 단어를 지정해 빈도·TF-IDF·연속어를 계산합니다. TF-IDF는 문서별 상대적 특징을 보여 줍니다.
  3. 3시각화상위 키워드와 연속어를 확인하고 원문 맥락과 함께 비교합니다.
  4. 4진단한국어·영어 토큰 분리가 적절한지, 불용어 때문에 중요한 단어가 사라지지 않았는지 확인합니다.

주의 · 현재 체험은 키워드 분석입니다. 형태소 분석·감정분석·주제모형을 수행한 것으로 해석하지 마세요.

집단간 차이·관계 분석

  1. 1전처리한 행은 한 사례, 열은 변수로 구성합니다. 독립 집단인지 같은 대상의 반복측정인지 구분하고 결측·식별자·자료형을 점검합니다.
  2. 2통계분석두 독립 집단은 t검정 또는 Mann–Whitney, 대응자료는 대응 t검정 또는 Wilcoxon, 세 집단 이상은 ANOVA·Welch 또는 Kruskal–Wallis를 선택합니다. 관계는 상관·회귀, 범주는 교차·정확검정을 사용합니다.
  3. 3시각화상자그림·분포·산점도와 표를 함께 읽습니다. 평균만 보지 말고 사례 수와 퍼짐을 비교합니다.
  4. 4진단 모델링독립성·정규성·등분산과 회귀 잔차·공선성을 점검합니다. p값과 함께 효과크기·95% 신뢰구간, 사후검정의 다중비교 보정을 확인합니다.

주의 · 유의하지 않음은 효과 없음의 증명이 아닙니다. 이원·공분산·반복측정 ANOVA의 부분 η² 95% 신뢰구간은 지원되는 설계에서 부트스트랩으로 계산합니다. 설계·표본 조건을 충족하지 못하면 미추정으로 표시됩니다.

TSM 시계열 분석

  1. 1전처리시간 변수와 숫자 값 변수를 지정합니다. 시간순 정렬·중복 시점·일정한 간격·누락 시점과 단위를 확인하고 필요한 차분을 적용합니다.
  2. 2시계열 분석기술통계로 추이를 확인하고 정상성 진단, ACF·PACF, 이동평균, 지수평활, 추세 예측, 계절 분해, AR 예측 중 선택합니다.
  3. 3시각화추세·계절·불규칙 성분과 예측 구간을 비교합니다. 계절 주기는 관측 간격에 맞춥니다.
  4. 4예측 진단미래 구간을 따로 남겨 예측 오차를 비교하고 잔차 자기상관·Ljung–Box 결과를 확인합니다. 일반 정규성 검토만으로 예측 성능을 판정하지 않습니다.

주의 · 이번 클릭 체험은 시계열 기술통계입니다. 예측·정상성·잔차 진단은 별도로 실행해야 하며, 모든 ARIMA 모형이 구현된 것은 아닙니다.

SEM 구조방정식 모델링

  1. 1전처리같은 개념의 문항과 역문항을 확인하고 결측 처리·척도 방향·집단 구분을 정리합니다.
  2. 2요인·구조 분석신뢰도 α, KMO·Bartlett, 탐색적 요인을 점검하고 잠재변수와 문항을 지정합니다. AMOS 확인적 요인분석은 측정모형, 구조방정식은 잠재변수 간 경로를 검증합니다.
  3. 3시각화경로도·표준화 계수·직접·간접·총효과를 확인합니다. CR·AVE·판별타당도와 적합도 지수를 함께 검토합니다.
  4. 4모형 진단수렴·식별·표준오차·이상 추정치를 확인합니다. 다중집단 비교는 형태·측정·구조 동일성을 순서대로 점검합니다. 수정지수만 보고 경로를 추가하지 않습니다.

주의 · 이번 클릭 체험은 측정 문항의 신뢰도 점검입니다. α가 높아도 CFA 적합도·타당도·인과관계가 입증되지는 않습니다.