[ADsP] (1과목) 데이터 이해 - 전략 인사이트와 데이터사이언스 기출문제

 

<빅데이터분석과 전략인사이트>

1. 다음 중 데이터 사이언스에 대한 설명으로 가장 부적절한 것은?
① 분석적 영역, IT 영역, 비즈니스 영역으로 나누어 볼 수 있다.
② 강력한 호기심은 데이터 사이언티스트의 중요한 특징이다.
③ 과학적 분석과정에서는 가정과 인간의 해석은 개입 되어선 안된다.
④ 데이터 사이언스는 정형 데이터, 비정형 데이터를 막론하고 데이터로부터 가치를 찾는 것을 목표로 한다.

※ 정답 : 3번 – 어떻게 활용할지는 인간의 해석에 따라 상이하므로 인간의 해석은 필수

2. 다음 설명 중 틀린 것은 무엇인가?
① 데이터 사이언티스트의 중요한 핵심요소로는 강력한 호기심을 들 수 있다.
② 시간의 흐름에 따라 단순 세계화에서 복잡 세계화로 변화하였다.
③ 분석을 수행하고 결과를 해석하는데 있어서 인간의 개입은 필수이다.
④ 전략적 인사이트 없는 빅데이터의 분석은 인간의 직관보다도 비효율적이다.

※ 정답 : 4번

3. 다음 중 데이터 분석에 기초한 가치 창출과 관련된 설명으로 가장 부적절한 것은?
① 핵심적인 비즈니스 이슈에 답을 주는 분석은 기업의 경쟁전략과 밀접하게 연관된다.
② 복잡하고 다양한 데이터를 최적화하는 능력이 최고의 가치를 창출하는 가장 중요한 기준이다.
③ 전략적 분석과 통찰력의 창출은 빅데이터 프로젝트에서 핵심적인 역할을 한다.
④ 기존 성과를 유지하고 업계를 따라잡는 것이 전략적 가치 기반 분석의 가장 중요한 목표는 아니다.

※ 정답 : 2번
– 전략적 통찰 없는 복잡한 분석이 쓸모없는 비즈니스 모델을 뒷받침하는데 활용될 경우 비즈니스에 필요한 가치를 창출하지 못하는 경우도 많다.

4. 다음 중 비즈니스에 분석을 적용할 때 효과적인 분석 적용 대상에 대한 검토와 관련된 설명으로 부적절한 것은?
① 사업적 잠재력만이 아니라 데이터 및 필요한 자원이 이용 가능한지를 고려해 대상을 택한다.
② 조직이 분석을 배우는 동안에는 분석의 노력을 가능한 다양한 대상에 기울이도록 한다.
③ 업계 상황에 한정해서 바라보지 말고 더 넓은 시야에서 차별화를 고려한다.
④ 무엇이 가능한지 발견하기 위한 실험을 망설이지 말고 분석기회에 대한 직관을 무시하지 않는다.

※ 정답 : 2번
– 조직이 분석을 도입하는 시기에는 분석의 노력을 너무 많은 대상에 기울이지 말고, 한가지 주요한 대상이나 몇 가지 작은 대상에 몰두하는 것이 바람직하다.

5. 데이터사이언티스트가 효과적인 분석 모델 개발을 위해 고려해야 하는 사항으로 가장 부적절한 것은?
① 분석모델이 예측할 수 없는 위험을 살피기 위해 현실세계를 돌아보고 분석을 경험과 세상에 대한 통찰력과 함께 활용한다.
② 가정들과 현실의 불일치에 대해 끊임없이 고찰하고 모델의 능력에 대해 항상 의구심을 가진다.
③ 분석의 객관성에 의문을 제기하고 분석 모델에 포함된 가정과 해석의 개입 등의 한계를 고려한다.
④ 넓은 시각에서 모델 범위의 바깥 요인들을 판단할 수 있도록 가능한 한 많은 상황 데이터를 모델에 포함한다.

※ 정답 : 4번
– 분석모델의 정확성은 대부분 수집된 데이터 범위 내에서만 유효하다. 모델 범위 외 요인들을 판단하고자 하는 것은 부적절하며 심지어 큰 위험을 동반할 수 있다. 또한 지나치게 많은 과거 데이터를 모델에 포함하는 것은 글로벌 금융위기 사례에서 알 수 있듯이 모델의 정확성을 떨어뜨리기도 한다.

6. 분석의 전형적인 의사결정 오류를 로직 오류와 프로세스 오류로 나눠볼 때, 각 오류에 대한 설명으로 가장 부적절
한 것은?
① 부정확한 가정을 하고 테스트를 하지 않는 것은 로직오류이다.
② 결정에서 분석과 통찰력을 고려하지 않는 것은 프로세스 오류이다.
③ 데이터 수집이나 분석이 너무 늦어 사용할 수 없게 되는 것은 로직오류이다.
④ 대안을 진지하게 고려하지 않는 것은 프로세스 오류이다.

※ 정답 : 3번 – 프로세스 오류

 

7. 다음 중 전략적 통찰력을 얻기 위해 분석을 사용하는 방법으로 가장 부적절한 것을 2개 고르시오.
① 경영진의 직관적 결정을 뒷받침하기 위해 분석을 사용한다.
② 비즈니스의 핵심가치와 관련된 분석 프레임워크와 평가지표를 개발하여 사용한다.
③ 사업 상황을 확인하기 위해 업계 내부의 문제들에 집중하여 분석을 사용한다.
④ 분석이 경쟁의 본질을 제대로 바라볼 수 있도록 큰 그림을 그린다.

※ 정답 : 1번, 3번
- 경영진의 직관적 결정을 뒷받침하기 위해 분석을 사용한다거나 업계 내부의 문제에만 포커스를 두는 경우는 전략적 통찰력을 얻기 위한 분석이 아니라 일차적인 분석 사용 방법이다.

 

8. 최근에 인문학적 사고의 필요성이 대두하게 된 사회경제적 변화를 기술한 것 중 가장 관련 없는 것은?
① 단순한 세계화에서 복잡한 세계화로 변화하고 있다.
② 비즈니스 중심이 제품생산에서 서비스로 이동하고 있다.
③ 경제와 산업의 논리가 생산에서 시장창조로 바뀌고 있다.
④ 직관보다는 데이터에 기반한 의사결정이 더욱 중요해지고 있다.

※ 정답 : 4번
- 데이터기반 의사결정이 중요해지는 것은 인문학적 사고와 무관함

320x100

<데이터분석 역량>

1. 다음 중 데이터 사이언티스트의 요구 역량으로 가장 부적절한 것은?
① 분석 기술에 대한 능력 및 숙련도
② 분석 결과에 대한 설득력 있는 전달
③ 다분야 간 협력을 위한 커뮤니케이션
④ 데이터의 중요도 여부를 판단하고 폐기하는 능력

※ 정답 : 4번

2. 데이터 사이언티스트가 갖춰야 할 역량은 빅데이터의 처리 및 분석에 필요한 이론적 지식과 기술적 순련과 관련된 능력인 하드스킬과 데이터 속에 숨겨진 가치를 발견하고 새로운 발전 기회를 만들어 내기위한 능력인 소프트스킬로 나누어진다. 다음 중 소프트 스킬에 가장 가까운 것은?
① Machine Learning
② Statistics Modeling
③ Data Visualization
④ Distributed Computing

※ 정답 : 3번

3. 아래에서 언급한 이것은 무엇인가?
이것은 컴퓨터공학, 통계학, 수학 등의 학문적 지식은 물론 시각화 및 해커로서의 소양에 이르는 관련 분야의 전문지식을 종합한 학문을 일컫는다. 기존의 통계학과 이것이 다른 점은 총체적 접근법을 사용한다는 점이다.

※ 정답 : 데이터 사이언스

4. 다음 중 뛰어난 데이터 사이언티스트에 대한 설명으로 가장 적절한 것은?
① 통계학에 대한 이론적 지식과 최적의 분석 설계 노하우를 축적하는 것이 가장 중요하다.
② 정량 분석이라는 과학과 인문학적 통찰에 근거한 합리적인 추론을 조합한다.
③ 분석 결과를 인간의 해석이 개입하지 않도록 객관적으로 사용한다.
④ 분석에 현실이 개입하지 않도록 최대한 긍정적인 가정과 모델들에 기초한다.

※ 정답 : 2번
- 뛰어난 데이터 사이언티스트는 정량 분석이라는 과학과 인문학적 통찰에 근거한 합리적 추론을 탁월하게 조합한다.

5. 데이터 사이언스는 데이터 공학, 수학, 총계학, 컴퓨터공학, 시각화, 해커의 사고방식, 해당분야의 전문 지식을 종합한 학문으로 정의하기도 한다. 이런 정의의 연장선에서 데이터 사이언스가 기존의 통계학과 다른 접근법을 사용하는데 이는 무엇인가?

※ 정답 : 총체적 접근법
- 데이터 사이언스가 기존의 통계학과 다른 점은 총체적 접근법을 사용한다는 점으로 통계학이 정형화된 실험 데이터를 분석 대상으로 하는 것에 비해 데이터사이언스는 정형 또는 비정형을 막론하고 인터넷, 휴대전화, CCTV 등에서 생성되는 숫자와 문자 등 다양한 유형의 데이터를 대상으로 한다.

6. 다음 중 내부 프로세스와 관련된 전형적인 분석 활용기법에 대한 설명으로 가장 부적절한 것은?
① 미래가치분석 : 증거를 관찰하기 전과 후의 가설에 대한 믿음의 정도를 나타내는 추정치로 수익예측에 사용
② 최적화 : 일부 변수 값이 반드시 정수여야 할 때, 한정된 자원으로 특정 목적을 달성하는 솔루션을 내놓은 효과적인 할당을 의미
③ 몬테카를로 시뮬레이션 : 특정 결과 혹은 위험이 발생할 확률을 평가하는 계산 기법으로 수학적 모델을 통헤 가설 사건을 여러 차례 실험하고 미리 정해진 확률 분포와 비교
④ 신경망 분석 : 투입 요소들을 구분할 때까지 반복해서 학습이 이루어지며 주로 대규모 데이터베이스에 사용

※ 정답 : 1번
- 증거를 관찰하기 전과 후의 가설에 대한 믿음의 정도를 나타내는 추정치로 수익예측에 사용되는 것은 베이즈추론

 

7. 아래의 설명은 데이터 사이언티스트가 갖춰야 할 역량에 대한 설명이다. (가)와 (나) 각각에 적합한 용어를 쓰시오.

데이터 사이언티스트가 갖춰야 할 역량은 빅데이터 처리 및 분석에 필요한 이론적 지식과 기술적 숙련과 관련된 능력인 (가)와 데이터 속에 숨겨진 가치를 발견하고 새로운 발전 기회를 만들어 내기 위한 능력인 (나)로 나누어진다.

 

※ 정답 :(가) 하드역량, (나) 소프트역량

반응형

<데이터 보호 - 개인정보>

1. 다음 중 개인정보 비식별화 기법을 설명한 것으로 가장 부적절한 것은?
① 가명처리 - 개인 식별이 가능한 데이터에 대하여 직접적으로 식별할 수 없는 다른 값으로 대체
② 범주화 - 단일 식별 정보를 해당 그룹의 대표값으로 변환
③ 데이터마스킹 - 개인 정보 식별이 가능한 특정 데이터 값 삭제 처리
④ 총계처리 - 개별 데이터 값을 총합 또는 평균값으로 대체하는 것

※ 정답 : 3번

 

2. 다음이 설명하는 개인정보 비식별화 기법으로 적절한 것은?

 개인 식별에 중요한 데이터를 식별할 수 없는 다른 값으로 변경
① 데이터마스킹
② 범주화 
③ 가명처리
④ 총계처리

※ 정답 : 3번

 

<관련 요약정리>

2023.02.14 - [자격증공부] - [ADsP] (1과목) 데이터 이해 - 전략 인사이트와 데이터사이언스 요약

[ADsP] (1과목) 데이터 이해 - 전략 인사이트와 데이터사이언스 요약

 

<ADsP 요약+기출문제 자료 다운로드(바로가기)>

ADsP 빅데이터분석준전문가 자격증 대비 요약 및 기출 | 10000원부터 시작 가능한 총 평점 0점의 자