핵심내용 요약
오늘은 통계 기초 개념과 Tableau 활용 및 Streamlit 실행 방법에 대해 학습하였다. 회귀분석에서 사용하는 SST, SSR, SSE의 의미와 관계를 이해하고, 왜도와 첨도를 통해 분포의 형태를 해석하는 방법을 복습하였다. 또한 Tableau 과제에서 생산관리 대시보드의 구성 요소를 정리하였고, Streamlit 실행 오류의 원인과 올바른 실행 명령어를 확인하였다.
주요 포인트
- SST = SSR + SSE 관계를 이해하였다.
- 왜도(Skewness)는 꼬리의 방향을 나타내며, 양수는 오른쪽 꼬리, 음수는 왼쪽 꼬리를 의미한다.
- 첨도(Kurtosis)는 분포의 뾰족한 정도를 나타내며, 일반 첨도 기준으로 3보다 크면 정규분포보다 뾰족하다.
- Tableau 대시보드에는 생산량, 불량률, 장비 가동률, 작업시간 등의 KPI를 함께 제공하면 생산 현황을 효과적으로 모니터링할 수 있다.
- Streamlit은 python -m streamlit entrypoint.py가 아니라 python -m streamlit run entrypoint.py 또는 streamlit run entrypoint.py 명령으로 실행해야 한다.
핵심 개념
- SST(Total Sum of Squares) : 전체 변동을 의미한다.
- SSR(Regression Sum of Squares) : 회귀모형이 설명한 변동이다.
- SSE(Error Sum of Squares) : 회귀모형이 설명하지 못한 오차이다.
- 왜도(Skewness) : 데이터가 어느 방향으로 치우쳐 있는지를 나타내는 지표이다.
- 첨도(Kurtosis) : 데이터 분포의 뾰족한 정도와 꼬리의 두꺼운 정도를 나타내는 지표이다.
- Streamlit : Python으로 데이터 분석 결과를 웹 애플리케이션 형태로 쉽게 구현할 수 있는 프레임워크이다.
용어 정리
- SST : 전체 변동(Total Variation)
- SSR : 회귀모형이 설명한 변동
- SSE : 회귀모형이 설명하지 못한 오차
- 왜도(Skewness) : 분포의 비대칭 정도
- 첨도(Kurtosis) : 분포의 뾰족함 정도
- KPI(Key Performance Indicator) : 핵심 성과 지표
- Streamlit : Python 기반 웹 대시보드 개발 도구
오늘의 인사이트
오늘 학습하면서 통계 지표는 단순히 공식만 외우는 것이 아니라 각 지표가 실제 데이터에서 어떤 의미를 가지는지 이해하는 것이 중요하다는 점을 느꼈다. 또한 생산관리 대시보드는 단순히 데이터를 시각화하는 것이 아니라, 사용자가 빠르게 문제를 발견하고 의사결정을 할 수 있도록 핵심 지표를 직관적으로 제공하는 것이 중요하다는 점을 배웠다. 마지막으로 Streamlit 실행 오류를 해결하면서 명령어 형식도 정확하게 사용하는 습관이 필요하다는 것을 다시 한번 확인하였다.