1. 이동평균 (Moving Average)
– 장점 이동평균은 데이터의 변동을 완화시켜 추세를 파악하기에 유용합니다. 이상값의 영향을 줄일 수 있고, 주기성을 보다 명확하게 확인할 수 있습니다.
– 단점 이동평균은 시간 지연이 발생하며, 데이터의 특성에 따라 적절한 이동평균 기간을 설정해야 합니다.
– 예시 매일 주가를 분석할 때 5일 이동평균을 계산하여 주식 시장의 추세를 확인할 수 있습니다.

2. 지수평활법 (Exponential Smoothing)
– 장점 지수평활법은 최근 데이터에 높은 가중치를 부여하여 최신 정보를 반영하기에 유용합니다. 이동평균보다 빠르게 변화에 대응할 수 있습니다.
– 단점 과거 데이터의 중요성이 점차 감소하므로 장기적인 추세 예측에는 적합하지 않을 수 있습니다.
– 예시 매주 판매량을 분석하여 지수평활법을 적용해 다음 주의 예상 판매량을 예측할 수 있습니다.

3. ARIMA 모델 (Autoregressive Integrated Moving Average)
– 장점 ARIMA 모델은 시계열 데이터의 변동성을 고려하여 추세, 계절성, 불규칙성을 모두 반영하여 예측할 수 있습니다.
– 단점 모델의 복잡성과 파라미터 설정에 따라 해석이 어려울 수 있으며, 데이터의 정상성을 가정해야 합니다.
– 예시 매월 수익 데이터를 분석하여 ARIMA 모델을 적용해 미래 수익을 예측할 수 있습니다.

위의 기법들은 시계열 데이터를 분석하는데 유용하며, 데이터의 특성과 목적에 맞게 적절히 선택하여 활용할 수 있습니다.

Ⅱ. 본 론
1. 다음에 대해 서술하세요. (각 5점)가
(1) 시계열 데이터를 분석하기 위한 기법을 3가지 이상 선택해 그 장단점을 설명하되, 예시를 포함하시오.
(2) A/B 검증에 대해 설명하시오
2. 네이버 데이터랩(https//datalab.naver.com/)을 이용하여 20대 여성과 40대 여성의 취미생활 차이를 분석하고자 합니다. 적절한 검색 키워드를 3개 이상 선택하고 이를 필요에 따라 시각화 하여 비교한 후, 의미있는 결론을 도출하여 분석하세요. (10점)
3. 데이터를 이용해 기후위기 부정론자를 설득해야 하는 상황이라고 가정합니다. The beauty of data visualization(https//www.youtube.com/watchv=pLqjQ55tz-U 또는 유튜브에 해당 제목으 로 검색) 시청 후 해당 강연에서 나오는 시각화 방법 중 하나를 선택하여, 어떤 데이터를 해당 방법으로 시각화할 것인지를 자세히 설명하세요. (10점)

빅데이터는 현대 사회에서 다양한 분야에서 혁신을 가져오는 중요한 요소로 자리잡고 있다. 그 중에서도 시계열 데이터는 시간의 흐름에 따라 수집된 정보를 나타내며, 과거의 패턴과 트렌드를 분석하는 데 핵심적인 역할을 한다. 시계열 데이터는 경제, 환경, 의료, 교통 등 다양한 영역에서 수집되며, 이 데이터의 분석은 미래 예측, 이상 탐지, 그리고 자원 최적화에 큰 기여를 한다. 시계열 데이터는 일반적으로 연속적인 관측치로 이루어져 있으며, 연도별, 월별, 일별, 시간별 등의 주기로 정렬된다. 이러한 특성으로 인해 시계열 데이터는 시장의 변동성을 이해하고, 관련된 예측 모델을 생성하는 데 유용하다. 시계열 데이터를 분석하기 위해 사용되는 기법은 여러 가지가 있으며, 각 기법은 특정한 장단점이 있다. 예를 들어, 이동 평균(Moving Average)은 데이터의 노이즈를 줄이고 트렌드를 파악하는 데 유용하다. 그러나 이 방법의 단점은 반응성이 떨어져 시계열 데이터의 급격한 변화나 이상치를 제대