EDA·시각화로 인사이트 찾기
데이터를 여러 각도로 훑어보고, 눈에 띄는 패턴 하나를 그래프로 그린 뒤, 그 패턴을 스스로 의심해 봅니다. 여기서 나온 한 문장이 리포트의 제목이 됩니다.
1. 훑어보기 — EDA 네 동작
1회차 CH04에서 본 네 동작(요약 → 분포 → 그룹 비교 → 치우침 점검)을 내 데이터에 그대로 적용합니다.
"clean.csv를 요약(평균·중앙값·최소·최대), 분포, 그룹 비교 순서로 훑어보고, 눈에 띄는 점 3개를 알려줘. 각각 어떤 숫자에서 나온 건지도 같이 보여줘."
2. 그래프 하나 고르기
| 보여주고 싶은 것 | 그래프 | 예시 |
|---|---|---|
| 그룹끼리 크기 비교 | 막대 | 국적별·개봉 연도별 평균 관객 |
| 시간에 따른 변화 | 선 | 월별 거래량, 요일별 이용량 |
| 값이 퍼진 모양 | 히스토그램·상자 그림 | 관객 수 분포, 거래가 분포 |
| 두 값의 관계 | 산점도 | 스크린 수와 관객 수, 역 거리와 가격 |
"(찾은 패턴)을 가장 잘 보여주는 그래프 하나를 그려서 chart.png로 저장해줘. 그래프 제목은 결론 한 문장으로 달아줘."
3. 의심하기 — 체크리스트
CH07에서 적은 "의심 약속"부터 확인하고, 나머지도 한 번씩 봅니다.
| 점검 | 질문 | 박스오피스에서 |
|---|---|---|
| 단위 | 이 숫자는 무엇을 어떤 단위로 센 것인가? | 관객 1위 명량 vs 매출 1위 왕과 사는 남자, 매출액은 원 단위, 2008년 이전 매출 0 = 기록 없음 |
| 교란변수 | 비교하는 그룹 사이에 다른 차이가 숨어 있지 않나? | 2014년·한국 영화에 몰린 천만 영화 |
| 표본 크기 | 그룹마다 개수가 너무 적지 않나? | 일본 영화 7편, 2020년 개봉작 4편 |
| 기간·시점 | 언제 데이터인가, 기간을 바꾸면 달라지나? | 2026-09-28 조회 기준(상영 중인 영화는 관객이 계속 늘어남) |
| 수집 경로 | 데이터가 모인 방식에 치우침은 없나? | 역대 상위 500편만 — 모든 영화가 아니라 흥행작의 평균 |
"이 패턴이 단위 함정, 교란변수, 작은 표본, 기간 선택 때문에 생긴 건 아닌지 하나씩 점검해줘. 필요하면 조건을 바꿔 다시 계산해서 결론이 유지되는지 보여줘."
스킬로 하기 — 3-suspect는 EDA와 의심을 같이 합니다. 위 체크리스트를 포함한 함정 10개를 하나씩 판정해 traps_check.md에 표로 남기고, 그래프는 eda_report.html로 모아 줍니다. 걸린 함정은 다음 단계 리포트의 "한계" 칸으로 넘어갑니다.
"/datapopcorn-analysis:3-suspect clean 데이터로 hypothesis.md의 가설을 확인해줘. 결론을 내기 전에 함정 10개를 판정하고, 걸린 함정이 있으면 조건을 바꿔 다시 계산한 결과도 보여줘."
4. 인사이트 한 문장
그래프와 의심을 거친 뒤, 결론을 한 문장으로 적습니다. 이 문장이 리포트 제목이 됩니다.
(무엇)은 (비교 대상)보다 (얼마나) (어떻다). 단, (의심한 점)을 감안하면 (보정된 결론).| 예시 | |
|---|---|
| 의심 전 | 한국 영화의 평균 관객은 미국 영화보다 54만 명 많다. |
| 의심 후 | 한국 영화의 평균 관객은 미국 영화보다 54만 명 많지만, 천만 영화를 빼면 차이가 9만 명으로 사실상 같다. |
내가 찾은 패턴을 내가 먼저 의심해 봐야, 다른 사람이 쉽게 뒤집지 못합니다.