작성자 별 이미지
 

저는 2020년에 첫 번째 데이터 분석 인턴십을 받았습니다.

그 이후로 저는 고위급 정규직으로 전환하고 여러 프리랜스 데이터 분석 업무를 수행했으며 세계 각지의 회사에 컨설팅을 해왔습니다.

이 기간 동안 저는 데이터 분석가 직위에 대한 이력서와 최종 후보자 명단을 검토했습니다.

그리고 저는 가장 눈에 띄는 지원자들을 다른 지원자들과 구별하는 한 가지 사실을 발견했습니다.

프로젝트.

데이터 산업에 대한 경험이 없고 기술적인 배경 지식이 없더라도, 이력서에 표시한 프로젝트만을 토대로 다른 사람들보다 눈에 띄고 채용될 수 있습니다.

이 기사에서는 경쟁에서 두각을 나타내고 첫 번째 데이터 분석가 직업을 얻는 데 도움이 되는 프로젝트를 만드는 방법을 보여 드리겠습니다.

이 기사를 읽고 있다면 이력서에 프로젝트를 표시하는 것이 중요하다는 것을 이미 알고 계실 것입니다.

온라인 강좌나 부트 캠프를 수강한 후 자신만의 프로젝트를 몇 개 만들었을 수도 있습니다.

그러나 많은 데이터 분석 프로젝트는 포트폴리오에 득보다 실을 더 많이 끼칩니다. 이러한 프로젝트는 실제로 취업 가능성을 낮출 수 있으므로 어떤 대가를 치르더라도 피해야 합니다.

예를 들어, Coursera에서 인기 있는 Google 데이터 분석 인증서를 취득했다면 아마도 이 인증서와 함께 제공되는 최종 프로젝트를 완료했을 것입니다.

이미지 출처 : Coursera
 

그러나 2백만 명이 넘는 사람들이 동일한 과정에 등록했으며 잠재적으로 동일한 최종 프로젝트를 완료했습니다.

아마도 채용 담당자는 수백 명의 지원자의 이력서에서 이러한 프로젝트를 보았지만 그것에 감동받지 않을 것입니다.

여러 번 생성된 다른 프로젝트에도 비슷한 논리가 적용됩니다.

다음을 사용하여 프로젝트 만들기 거대한, 조리개및 보스턴 하우징 Kaggle의 데이터 세트는 귀중한 학습 경험이 될 수 있지만 포트폴리오에 표시되어서는 안 됩니다. 

다른 사람보다 경쟁력을 갖고 싶다면 눈에 띄어야 합니다.

방법은 다음과 같습니다.

눈에 띄는 프로젝트는 독특해야 합니다.

다음과 같은 프로젝트를 선택하세요.

• 실제 문제를 해결합니다.
• 다른 사람이 쉽게 복제할 수 없습니다.
• 흥미롭고 이야기를 들려줍니다.

인터넷상의 데이터 분석 프로젝트에 대한 많은 조언은 부정확하고 도움이 되지 않습니다.

타이타닉 데이터 세트 분석과 같은 일반적인 프로젝트(이력서에 실제 가치를 추가하지 않는 프로젝트)를 만들라는 지시를 받게 됩니다.

불행하게도 당신에게 이런 일을 하라고 말하는 사람들은 심지어 데이터 산업에 종사하는 사람도 아니기 때문에 이 조언을 받아들일 때 분별력이 있어야 합니다.

이번 글에서는 데이터 분석 분야에 취업한 실제 사람들의 사례를 보여드리겠습니다. 포트폴리오 프로젝트 때문에.

잠재적으로 비슷한 것을 구축할 수 있도록 이 분야에 실제로 사람들을 고용하게 만드는 프로젝트 유형에 대해 배우게 됩니다.

1. 채용동향 모니터링 대시보드

첫 번째 프로젝트 데이터 산업의 채용 동향을 보여주는 대시보드입니다.

나는 이 프로젝트를 비디오 콘텐츠 제작을 전문으로 하는 전 수석 데이터 분석가인 Luke Barousse가 만들었습니다.

다음은 이 대시보드의 스크린샷입니다.

SkillQuery의 이미지 
 

위 대시보드는 SkillQuery라고 하며 고용주가 데이터 산업에서 찾고 있는 최고의 기술과 기술을 표시합니다.

예를 들어, 대시보드를 보면 고용주가 데이터 과학자에게 가장 많이 찾는 언어는 Python이고 그 다음이 SQL과 R이라는 것을 알 수 있습니다.

이 프로젝트가 그토록 가치 있는 이유는 실제 문제를 해결하기 때문입니다.

모든 구직자는 고용주가 자신의 분야에서 찾고 있는 최고의 기술을 알고 그에 따라 준비할 수 있기를 원합니다.

SkillQuery는 여러분이 가지고 놀 수 있는 대화형 대시보드의 형태로 이를 정확하게 수행하는 데 도움이 됩니다.

이 프로젝트의 작성자는 Python, 웹 스크래핑 및 데이터 시각화와 같은 중요한 데이터 분석 기술을 보여주었습니다.

이 프로젝트에 대한 링크를 찾을 수 있습니다 GitHub 저장소 여기를 클릭해 문의해주세요.

2. 신용카드 승인

이 프로젝트 개인의 신용 카드 승인 여부를 예측하기 위해 만들어졌습니다. 

Luke Barousse가 제작한 동일한 비디오에서 이를 발견했는데, 이 프로젝트의 제작자는 결국 데이터 분석가로서 정규직을 얻게 되었습니다.

신용 카드 승인 모델은 Streamlit 애플리케이션으로 배포되었습니다.

이미지 출처 : Semasuka의 GitHub 프로젝트
 

이 대시보드에 표시된 질문에 답하기만 하면 앱에서 신용 카드 승인 여부를 알려줍니다.

다시 한번 말씀드리지만, 이는 사용자 친화적인 대시보드로 실제 문제를 해결하는 창의적인 프로젝트이기 때문에 고용주들에게 주목을 받았습니다.

이 프로젝트에 표시되는 기술에는 Python, 데이터 시각화 및 클라우드 스토리지가 포함됩니다.

3. 소셜 미디어 감성 분석

제가 몇 년 전에 만든 이 프로젝트에는 YouTube와 Twitter의 콘텐츠에 대한 감정 분석을 수행하는 작업이 포함됩니다.

저는 항상 YouTube 동영상을 즐겨 시청했으며 특히 플랫폼에서 메이크업 튜토리얼을 제작하는 채널에 매료되었습니다.

그 당시 제가 가장 좋아하는 뷰티 인플루언서인 제임스 찰스(James Charles)와 타티 웨스트브룩(Tati Westbrook)이 관련된 대규모 스캔들이 YouTube에 나타났습니다.

나는 YouTube와 Twitter의 데이터를 스크랩하여 이 스캔들을 분석하기로 결정했습니다.

저는 불화에 대한 대중의 정서를 측정하기 위해 정서 분석 모델을 구축했으며 사람들이 이러한 영향력 있는 사람들에 대해 말하는 것을 이해하기 위한 시각화도 만들었습니다.

이 프로젝트는 직접적인 비즈니스 적용은 없었지만, 제가 열정을 갖고 있는 주제를 분석했기 때문에 흥미로웠습니다.

나는 또한 내 연구 결과를 요약한 블로그 게시물을 작성했습니다. 여기에서 지금 확인해 보세요..

이 프로젝트에서 시연되는 기술에는 웹 스크래핑, API 사용, Python, 데이터 시각화 및 기계 학습이 포함됩니다.

4. Python을 이용한 고객 세분화

이것은 제가 만든 또 다른 프로젝트입니다. 

이 프로젝트에서는 Python을 사용하여 K-Means 클러스터링 모델을 구축했습니다. Kaggle의 데이터 세트.

저는 성별, 연령, 소득 등의 변수를 사용하여 다양한 쇼핑몰 고객 세그먼트를 만들었습니다.

이미지 출처 : 카글
 

이 프로젝트에 사용된 데이터세트는 인기가 많기 때문에 내 분석을 나머지 분석과 차별화하려고 노력했습니다. 

세분화 모델을 개발한 후 한 단계 더 나아가 각 세그먼트에 대한 소비자 프로필을 작성하고 타겟 마케팅 전략을 고안했습니다.

제가 취한 이러한 추가 조치 덕분에 제 프로젝트는 마케팅 및 고객 분석 영역에 맞춰져 현장에 채용될 가능성이 높아졌습니다.

나는 또한 이 프로젝트에 대한 튜토리얼을 작성하여 다음을 제공했습니다. 단계별 가이드 Python으로 자신만의 고객 세분화 모델을 구축하기 위한 것입니다.

이 프로젝트에서 시연되는 기술에는 Python, 비지도 기계 학습 및 데이터 분석이 포함됩니다.

5. Udemy 강좌 데이터 분석 대시보드

이 목록의 마지막 프로젝트는 Udemy 과정에 대한 통찰력을 표시하는 대시보드입니다.

이미지 출처 : 중급
 

저는 현재 Forbes의 수석 데이터 엔지니어인 Zach Quinn이 작성한 Medium 기사에서 이 프로젝트를 발견했습니다.

처음 일을 시작했을 때 Zach는 이 대시보드를 통해 평판이 좋은 회사로부터 데이터 분석가 채용 제안을 받았다고 말했습니다.

그 이유를 쉽게 알 수 있습니다.

Zach는 단순히 SQL과 Python을 사용하는 것 이상으로 데이터를 처리하고 분석했습니다. 

그는 데이터 통신 모범 사례를 이 대시보드에 통합하여 매력적이고 시각적으로 매력적으로 만들었습니다. 

대시보드를 보는 것만으로도 Udemy의 강좌, 학생의 관심사, 경쟁업체에 대한 주요 통찰력을 얻을 수 있습니다.

또한 대시보드는 고객 참여, 시장 동향 등 비즈니스에 필수적인 측정항목을 보여줍니다.

이 글에 나열된 모든 프로젝트 중에서 저는 이 프로젝트가 기술적 능력을 넘어 데이터 스토리텔링과 프리젠테이션에 대한 분석가의 능숙함을 보여주기 때문에 가장 좋아합니다.

여기에 이 프로젝트를 만드는 데 필요한 코드와 단계를 제공하는 Zach의 기사에 대한 링크입니다.

이 기사에 설명된 프로젝트가 여러분이 자신만의 프로젝트를 만드는 데 영감을 주기를 바랍니다.

프로젝트 아이디어가 없거나 직접 개발할 때 장애물에 직면한다면 생성 AI 모델을 활용해 도움을 받는 것이 좋습니다.

예를 들어 ChatGPT는 풍부한 프로젝트 아이디어를 제공하고 심지어 가짜 데이터 세트를 생성하여 분석 기술을 연마할 수 있습니다.

데이터 분석을 위해 ChatGPT를 사용하면 새로운 기술을 더 빨리 배우고 효율성을 높일 수 있어 경쟁에서 앞서 나갈 수 있습니다.

데이터 분석을 위해 ChatGPT 및 생성 AI를 사용하는 방법에 대해 자세히 알아보려면 내 동영상을 시청하세요. 동영상 자습서 주제에.  
 
 

나타샤 셀 바라지 글쓰기에 대한 열정을 갖고 독학한 데이터 과학자입니다. 나타샤는 데이터 과학과 관련된 모든 것에 대해 글을 쓰고 있으며, 모든 데이터 주제의 진정한 대가입니다. 당신은 그녀와 연결할 수 있습니다 링크드인 또는 그녀를 확인 YouTube 채널.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://www.kdnuggets.com/5-data-analyst-projects-to-land-a-job-in-2024?utm_source=rss&utm_medium=rss&utm_campaign=5-data-analyst-projects-to-land-a-job-in-2024