데이터 사이언스

/

데이터 분석

BigQuery(SQL) 활용편(퍼널 분석, 리텐션 분석)

Google Analytics 4, Firebase 데이터의 형태의 앱 로그 분석을 진행합니다. 배열, 윈도우 함수, 퍼널, 리텐션, Google Sheets 등 실무에서 사용할 때 유용한 내용들을 담았습니다.

(5.0) 수강평 11

수강생 184

Thumbnail

중급자를 위해 준비한
[데이터 분석, bigquery] 강의입니다.

이런 걸
배워요!

  • BigQuery

  • SQL

  • Google Sheets

  • 윈도우 함수

  • ARRAY, STRUCT 다루기(UNNEST)

  • 앱 로그 데이터 분석

  • 리텐션 분석

  • 퍼널 분석

Google Analytics 4, Firebase의 데이터를 활용해 퍼널 분석 / 리텐션 분석은 어떻게 해야할까요?

신입 시절 처음으로 Google Analytics, Firebase 데이터를 접했습니다. 그 당시엔 유저 로그 데이터에 대한 자료가 거의 없었던 시기인데, 이 데이터를 어떻게 다뤄야 할지 감이 잡히지 않았습니다. 여러 자료를 보면서 GA4/Firebase에서 생성된 유저 로그 데이터를 BigQuery로 적재하고, 그 적재된 데이터를 어떻게 분석할지에 대해 알게 되었습니다. 그 경험이 쌓이고 쌓여서, 이제 저만의 패턴이 만들어졌습니다. 그 내용을 공유해보려고 합니다

BigQuery 활용편에선 퍼널 분석과 리텐션 분석을 진행하면서 초보자를 위한 BigQuery(SQL) 입문에서 다루지 않은 함수들을 학습합니다. BigQuery를 접할 때 어려운 부분은 ARRAY, STRUCT가 있는데, 이 부분에 대해 어떻게 접근하면 좋을지 공유드릴 예정입니다. 그 후엔 윈도우 함수를 알려드리는데, 윈도우 함수를 처음에 잘 익혀두면 앞으로 SQL 작성하는 과정에서 매우 편해지게 됩니다. 실무에서 경험했던 케이스를 기반으로 윈도우 함수에 대해 알려드릴게요.

아래 두 문제를 보시고 정답이 바로 나오는지 확인해주세요. 첫번째 문제는 어떤 Action을 해야할지 구체적으로 생각해보는 문제고, 두번째 문제는 윈도우 함수 중 NULL 처리에 대한 문제입니다.


강의에서 나오는 Weekly Retention Curve 해석하기 : 어떻게 해석해야 할까요?

윈도우 함수 연습 문제 : 단순히 LAG 함수가 아닌 특정 옵션을 줘야 실행됩니다

위 질문에 대해 바로 답이 나오지 않는다면, 이 강의를 수강하시는 것을 추천드려요.

이 강의의 특징

📌 앱 로그 데이터를 직접 제작했습니다. 약 70만 Row고, 배달 서비스의 앱 데이터를 제작했습니다

📌 BigQuery 심화 문법(ARRAY, STRUCT, UNNEST, 윈도우 함수, DECLARE 등)을 공유드리고, 언제 어떻게 활용해야 하는지 공유드립니다. 실무에서 꼭 필요한 내용만 담았습니다

📌 단순히 쿼리만 작성하고 끝이 아닌, 퍼널 분석 / 리텐션 분석을 하며 어떻게 해석해야 하는지도 공유드립니다. 저연차 시절에 쿼리만 작성하고 회사에서 어떻게 생각해야 하는지가 참 어려웠습니다. 이 부분에 대한 경험을 공유드립니다.

📌 Google Sheets를 사용해 간단하게 시각화할 수 있는 방법도 공유드리고, 스케쥴 쿼리, VIEW 등 실무에서 유용하게 사용할 수 있는 내용들도 공유드립니다.

📌 연습 문제와 과제가 존재합니다. 문법에 익숙해져야 하는 부분엔 연습 문제를 제공했고(ARRAY : 4문제, PIVOT : 3문제, 윈도우 함수 : 9문제), 리텐션 분석과 전체 과제에선 실무에서 경험할 수 있는 업무에 기반한 과제를 제공합니다. 이 부분을 풀고 게시판에 올려주시면 피드백을 해드릴 예정이에요

📌 이 강의는 초급자 대상은 아니고, 초보자를 위한 BigQuery(SQL) 입문 강의를 수강하셨거나 SQL JOIN에 대해 아는 분들 대상으로 강의를 진행합니다


이런 분들께 추천해요

앱 로그 분석을 해야하는 분
단순히 쿼리만 작성하는 것이 아닌 앱 로그를 분석해서, Action Item을 도출하고 싶은 분

BigQuery 심화 학습이 필요하신 분
회사에서 BigQuery를 사용하는데 더 심화 학습이 필요하신 분

Product Analyst 직무에 계신 분
제품 분석가 직무에 계시면 꼭 경험하는 퍼널 분석, 리텐션 분석에 대해 궁금하신 분

수강 후에는

  • BigQuery를 활용해 퍼널 분석을 할 수 있게 됩니다. 퍼널 분석에서 어떤 부분이 중요할지 생각하게 되면서, 퍼널을 위한 쿼리도 작성할 수 있게 됩니다

  • BigQuery 윈도우 함수를 사용할 수 있게 됩니다. 윈도우 함수의 여러 종류와 어떤 상황에 사용해야 하는지 연습 문제를 풀면서 익숙해질 수 있습니다

  • BigQuery에서 ARRAY, STRUCT를 다룰 수 있게 됩니다

  • BigQuery에서 PIVOT을 할 수 있게 됩니다

  • 리텐션 분석을 어떻게 진행해야 할지, 어떻게 쿼리를 작성해야 할지 알게 됩니다

  • UDF를 저장해 활용할 수 있게 됩니다

  • Google Analytics 4, Firebase의 로그 데이터를 활용하는 방법을 이해합니다

  • Google Sheets를 사용해 BigQuery의 데이터를 Export하고 시각화할 수 있게 됩니다


🔥 강의 수강 후, 코칭 이벤트 🔥

강의를 75% 이상 수강하신 후, 설문을 남겨주시면 코칭을 진행합니다. 코칭 주제는 BigQuery 활용편에 나온 과제를 기반으로 어떻게 작성해야 더 좋은지에 대해 상세하게 피드백을 드릴 예정입니다. 혹은 이 과제에 대해서는 가볍게만 이야기하고, 개인 고민에 대해서 이야기하는 것도 가능합니다.

자세한 것은 강의 0-5를 참고해주세요


이 강의를 만든 사람

이런 내용을 배워요.

퍼널 분석의 큰 흐름 도식

리텐션 분석의 큰 흐름 도식


윈도우 함수 핵심 총 정리


배열 데이터 다루기 : UNNEST로 평면화


수강 전 참고 사항

실습 환경

  • BigQuery는 웹브라우저에서 진행하므로 Mac, 윈도우 상관없이 수강하실 수 있습니다

  • 초보자를 위한 BigQuery(SQL) 입문 강의에 나오는 프로젝트 생성까지 하고 오시면 됩니다

학습 자료

  • PDF로 제공하며, 디스코드 채널도 운영하니 궁금한 내용이 있다면 편하게 질문주셔도 됩니다

선수 지식 및 유의사항

  • 초보자를 위한 BigQuery(SQL) 입문 강의를 수강하고 오시면 더욱 좋습니다

  • 단, 수강하지 않은 분들을 위해 강의를 요약하고 필요한 부분만 부분적으로 수강할 수 있도록 언급해드립니다

  • 블로그에 강의 기록을 남기고 싶은 경우엔, 강의 URL을 남겨주시면 가능합니다. 다만 데이터나 PDF 파일 자체를 공유하는 것은 삼가주세요

  • 다만 강의의 대부분을 올리시는 것은 저작권 관련 이슈가 존재할 수 있습니다. 강의에서 꼭 기억하고 싶은 핵심과 자신의 생각을 얹어서 글을 작성해보시는 것을 추천드려요. 

이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • 초보자를 위한 BigQuery(SQL) 입문을 학습하고, 추가적인 학습을 원하시는 분

  • 데이터 분석가 중 SQL 역량을 키우고 싶으신 분

  • Product Analyst로 퍼널 분석, 리텐션 분석을 BigQuery로 작성해야 하는 분

  • BigQuery 배열 데이터, 윈도우 함수를 익히고 싶은 분

선수 지식,
필요할까요?

  • 초보자를 위한 BigQuery(SQL) 강의

  • 기본적인 SQL 문법은 알고 있어야 합니다(SELECT, FROM)

8년차 데이터 과학자, 데이터 엔지니어, 머신러닝 엔지니어로 근무했으며, 쏘카와 타다에서 데이터 분석, 데이터 엔지니어링 개발, 머신러닝 알고리즘을 개발했습니다.

카일스쿨 유튜브에 데이터 커리어 관련 영상을 올리고 있으며, 어떻게 해야 강의를 수강하신 분들이 회사에서 일을 잘할 수 있을까?를 고민하며 자료를 만들고 있어요.

 

카일스쿨 유튜브 : https://www.youtube.com/c/kyleschool
기술 블로그 : https://zzsza.github.io/
인스타그램 : https://www.instagram.com/data.scientist/
대표 컨텐츠 : https://github.com/Team-Neighborhood/I-want-to-study-Data-Science
데이터 과학자가 되기 위해 진행한 다양한 노력들 : https://zzsza.github.io/diary/2019/04/05/how-to-study-datascience/

커리큘럼

전체

62 ∙ 10시간 35분

수업 자료

가 제공되는 강의입니다.

강의 게시일: 2024년 07월 18일
마지막 업데이트일: 2024년 09월 16일

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!