의사결정 전에 확인해야 할 위험 신호와 판단 순서를 설계합니다.
문제를 다시 정의하고, 데이터를 판단 가능한 구조로 바꾼 뒤, 지표·검증·문서·대시보드·데이터 제품형 화면으로 연결합니다.
Define → Structure → Measure → Validate → Communicate → Implement
Portfolio · Signal Archive · Start Here · Main Project · Redveil · Public Data PWA · Shelter Signal · Email
저는 무엇을 추천할 것인가보다 먼저 왜 보류해야 하는가, 무엇을 먼저 확인해야 하는가를 설명하는 데이터 분석가입니다.
공공데이터, 공간·도시·상권 데이터, CRM·리테일 데이터를 다루며 모호한 요청을 의사결정 질문으로 바꾸고, 데이터를 판단 가능한 단위로 구조화한 뒤 지표·검증·문서·대시보드·웹 화면으로 연결합니다.
관심 역할은 Data Analyst, Spatial Data Analyst, Business Data Analyst, CRM / Marketing Data Analyst, Public / Urban / Commercial Data Analyst, Data Product-oriented Analyst입니다.
Signal Archive는 프로젝트를 나열하는 사이트가 아니라, 각 분석을 문제 정의 → 판단 질문 → 근거 → 검증 → 결과물 흐름으로 재구성한 포트폴리오 허브입니다. Redveil의 보류 판단 구조부터 Shelter Signal의 공공데이터 PWA까지 상세 페이지와 검증 가능한 산출물로 이어집니다.
추천 검토 순서: Start Here → Projects → Case Studies → Seoul Storefront Redveil
| Focus | 설계하는 판단 구조 | 대표 증거 |
|---|---|---|
| Public Data / Spatial Analysis | 시간·공간 위험 신호를 우선순위로 변환 | LH Traffic Safety · Shelter Signal |
| Commercial Risk Analysis | 추천보다 먼저 가격 부담·유동성·경쟁도·수요 취약 신호 확인 | Seoul Storefront Redveil |
| CRM / Customer Analytics | 고객군을 반응 가능성, 유지·재활성화 액션, KPI로 번역 | Starbucks Promotion · UK Online Retail |
| Dashboard / Decision Interface | 분석 결과를 비교·검토 가능한 화면과 데이터 제품형 MVP로 구현 | Redveil Live · Shelter Signal · ShopEasy |
| AI-assisted Workflow | AI 도구는 아이디어 구조화, 코드 초안, 디버깅, 문서화 보조에 활용하며 문제 정의·지표 설계·최종 해석은 직접 검토 | Signal Archive Repo |
| Project | Decision Question | Evidence & Output | Review |
|---|---|---|---|
| Signal Archive | 분석 방식과 역할 적합성을 어떻게 빠르게 검토하게 만들 것인가? | 프로젝트와 Case Studies를 Next.js 기반 포트폴리오 허브로 구조화하고 Vercel에 배포 | Live · Repo |
| Seoul Storefront Redveil | 매입 전에 먼저 보류해야 할 신호는 무엇인가? | 서울 25개 구, 428개 행정동, 취약 상권 1,570개, 거래 12,074건을 기반으로 매입 보류 판단 웹 프로토타입 구현 | Detail · Live · Repo |
| Shelter Signal | 보호 종료가 가까운 구조동물 공고를 어떻게 먼저 확인하게 만들 것인가? | Rescue Window Score, Neon-backed /api/notices, static/mock fallback, notice-derived /api/shelters를 모바일 우선 PWA로 연결 |
Detail · Live · Repo |
| LH Traffic Safety Analysis | 사고 이력이 부족한 신도시에서 어디에 안전시설을 먼저 설치할 것인가? | 격자 기반 위험도와 설치 우선순위를 설계하고 Mean AUC 0.8604, Top-10% Lift 4.39x, Worst holdout AUC 0.7979로 검증 | Detail · Repo |
| Starbucks Promotion Analysis | 어떤 고객군에 어떤 오퍼를 어떤 채널로 제안할 것인가? | 고객-오퍼 이벤트 로그를 재구성하고 AUC 0.8147, Recall 0.8712, F1 0.7657 기반 CRM 의사결정 화면으로 연결 | Detail · Repo |
| UK Online Retail Segment Analysis | 누구를 유지·재활성화 우선순위로 볼 것인가? | RFM·파레토·통계 검정으로 상위 20% 고객 매출 73.5%, 이탈위험 고객군 84.2% MoM 감소 등 액션 기준 정리 | Detail · Repo |
Additional evidence: ShopEasy는 주문·사용자·세션 데이터를 전환 병목과 A/B 테스트 제안으로 연결한 커머스 대시보드입니다.
| Stage | 핵심 질문 | 결과물 |
|---|---|---|
| Define | 어떤 의사결정 질문으로 바꿀 것인가? | 문제 정의, 분석 범위 |
| Structure | 어떤 단위로 데이터를 다시 묶을 것인가? | 분석 테이블, 공간 격자, CSV / JSON |
| Measure | 어떤 지표와 위험 신호를 볼 것인가? | KPI, 리스크 점수, 후보 순위 |
| Validate | 우연·누수·과도한 일반화를 어떻게 점검할 것인가? | 통계 검정, 전이 검증, smoke test, CI |
| Communicate | 읽는 사람이 무엇을 먼저 봐야 하는가? | README, 분석 문서, Tableau, 대시보드 |
| Implement | 결과를 어떤 화면·도구로 연결할 것인가? | Static Web, PWA, GitHub Pages, Vercel |
| Area | Tools |
|---|---|
| Analysis & Modeling | Python, SQL, pandas, NumPy, SciPy, scikit-learn, statsmodels, Jupyter |
| Spatial / Public Data | GeoPandas, QGIS, GeoJSON, Shapely, PyProj, public data API |
| CRM / BI / Visualization | Tableau, RFM Analysis, Statistical Testing, Matplotlib, Plotly |
| Web & Data Product | HTML, CSS, JavaScript, TypeScript, React, Next.js, Vite, PWA, GitHub Pages, Vercel, Vercel Functions |
| Database / Workflow | PostgreSQL, Neon, GitHub Actions, smoke tests, public artifact checks, reproducibility docs, static/mock fallback |