1/7번째 챕터
15분
재참여 질문에서 시작하기
E-commerce 시나리오를 가져오고 캠페인 판단에 필요한 주문, 고객, 결과 자산을 구분합니다.
이번 단계의 질문
고객에게 다음 행동을 제안하려면 어떤 데이터가 필요할까요?
왜 지금 필요한가
세그먼트 이름부터 정하면 데이터에 없는 고객상을 만들기 쉽습니다. 먼저 주문 행동과 고객 맥락, 집계 결과, 운영 지표가 각각 무엇을 말해 주는지 구분합니다.
직접 해보기
ecommerce.zip 다운로드(32 KB)포털 왼쪽 사이드바에서 컬렉션을 선택합니다. 컬렉션 페이지 오른쪽 위 더 보기(⋯) → 가져오기에서 zip 파일을 올리고, 검증이 끝나면 가져오기 시작을 선택합니다.
이 화면이 나오면 성공
컬렉션 트리에 이커머스 원시 데이터(ecommerce_raw)와 분석 데이터(analytics)가
보입니다. analytics에는 주문 원시 데이터 100행과 고객 원시 데이터 22행이
적재됩니다. ecommerce_raw에는 제품 매뉴얼 지식이 등록됩니다.
결과를 읽어 봅니다
| 증거 | 답하는 질문 | 확인할 자산 |
|---|---|---|
| 주문 | 언제 무엇을 얼마에 샀는가? | 주문 원시 데이터 |
| 고객 | 누구이며 어느 지역·등급에 속하는가? | 고객 원시 데이터 |
| 세그먼트 | 최근성·빈도·금액을 합치면 어떤 상태인가? | 고객 분석 결과 |
| 운영 지표 | 집단 크기와 매출을 어디에 집중할까? | 매출 현황 대시보드 |
깊이 보기 — 실제로 가져오는 자산
| 자산 종류 | 수량 | 구성 |
|---|---|---|
| 컬렉션 | 2 | ecommerce_raw, analytics |
| 데이터셋 | 4 | 원시 주문·고객, 정제 주문, 고객 분석 |
| 코드 | 4 | 결측 정제, 데이터 결합, RFM, 온톨로지 적재 |
| 파이프라인 | 3 | 주문 정제, 고객 세그먼트, 온톨로지 적재 |
| 온톨로지 | 엔티티 3 / 관계 2 | 고객·주문·상품과 구매·포함 관계 |
| 지식·대시보드 | 각 1 | 제품 매뉴얼, 매출 현황 대시보드 |
다음 판단
필요한 증거를 구분했습니다. 다음 챕터에서는 주문 100행을 분석 가능한 상태로 정제하고,
null 제거 뒤에도 남는 빈 식별자를 확인합니다.