Data Analysis Trends¶
데이터 분석 분야의 최신 트렌드와 발전 방향을 정리한 문서 모음.
문서 구성¶
| 문서 | 내용 |
|---|---|
| methods-evolution.md | 분석 방법론 발전 (통계 → ML/AI, Causal Inference, Experimentation) |
| papers.md | 주요 논문 및 저널 정리 (KDD, RecSys, HBR, MIT SMR) |
| tools.md | 도구 및 플랫폼 트렌드 (BI, Experimentation, Modern Data Stack) |
핵심 트렌드 요약 (2024-2025)¶
1. Causal AI의 부상¶
- 상관관계에서 인과관계 추론으로의 전환
- Global Causal AI 시장: 2024년 $40.5B → 2033년 $757.7B 전망
- Double Machine Learning, Synthetic Control 등 고급 기법 실무 적용 증가
2. Experimentation Platform 고도화¶
- CUPED(Controlled-experiment Using Pre-Experiment Data) 분산 감소 기법 표준화
- Sequential Testing으로 조기 실험 종료 가능
- 실시간 모니터링 및 자동화된 이상 탐지
3. Modern Data Stack 성숙¶
- 핵심 구성: Fivetran → Snowflake/Databricks → dbt → Looker/Power BI
- Apache Iceberg, Delta Lake 등 Open Table Format 부상
- AI/ML 워크플로우와 데이터 파이프라인 통합
4. AI-Native Analytics¶
- LLM 기반 자연어 쿼리 기능 BI 도구에 통합
- Generative AI를 활용한 자동 인사이트 도출
- 비전문가도 복잡한 분석 수행 가능
5. Real-time Analytics¶
- Streaming 데이터 처리 (Kafka, Flink) 일상화
- CDC(Change Data Capture) 기반 실시간 데이터 동기화
- 의사결정 지연 시간 최소화
참고 자료¶
- MIT Sloan Management Review - Data, AI, & Machine Learning
- Harvard Business Review - Analytics and Data Science
- KDD (ACM SIGKDD Conference on Knowledge Discovery and Data Mining)
- RecSys (ACM Conference on Recommender Systems)
작성일: 2025-01