Data Analyst

전연주

Data Analyst

커머스, 광고 성과, 물류 운영 데이터까지 다양한 도메인 데이터를 직접 분석하는 데이터 분석가. SQL·Python·Tableau와 통계/ML 방법론을 활용해 데이터에서 인사이트를 도출하고, 이를 실제 전략으로 연결합니다.

SQL
Python
Tableau
Excel

프로젝트 보기 →

연락처: 010-4442-4218
이메일: duswn0852@gmail.com
블로그: duswn1204.tistory.com
태블로퍼블릭: public.tableau.com

About

데이터를 단순히 분석하는 데 그치지 않고,
SQL·Python·Tableau를 활용해 문제를 정의하고 인사이트를 도출하며,
의사결정으로 연결되는 분석 결과를 만드는 데이터 분석가를 지향합니다.

복잡한 데이터를 구조화하고 패턴을 발견하여
누구나 이해할 수 있는 형태로 전달하는 것에 강점을 가지고 있습니다.

Certifications

SQLD 2024
ADsP 2024
GA4 2026
Tableau Desktop Foundations 2026

Education

2026.02 졸업

[수원대학교] 데이터과학부

2025.06~2025.11

[패스트캠퍼스] 데이터분석 부트캠프 수료

SQL을 활용한 데이터 추출 및 전처리 수행
Python 기반 데이터 가공 및 분석 로직 구현
Tableau를 활용한 데이터 시각화 및 대시보드 제작
팀 프로젝트 기반 데이터 분석 프로세스 경험

2026

[인프런] A/B 테스트 실무자 완벽 가이드 수료

A/B Test 핵심원리 및 개념
A/B Test를 위한 필수 통계학 개념
A/B Test 모의 사례 실습

Skills

8/10

Excel

Pivot Table · 함수 · 데이터 정리

8/10

Python

Pandas · 데이터 가공 · 분석

9/10

SQL

데이터 추출 · 조인 · 윈도우 함수

9/10

Tableau

시각화 · 대시보드 · 스토리텔링

7/10

통계/ML

LightGBM · PSM 인과 검증 · 클러스터링

7/10

GA4

마케팅 성과 분석 · 고객 행동 지표 · 전환 흐름

Projects

RetailRocket
이커머스 로그 분석

Instacart 구매 로그 기반
개인화 마케팅 전략

주얼리 브랜드 R사
타겟 리포지셔닝

Data Analysis Case Study Project 02

물류 · 운영 분석 LightGBM PSM 인과 검증 K-Means Python

창고 로봇 시스템
출고 지연 원인 분석

250개 창고, 25만 건 데이터. 레이아웃이 문제라고 생각했는데 운영이었고, 중요하지 않다고 본 변수가 핵심이었습니다. 분석 과정에서 결론이 세 번 바뀌었습니다.

분석 창고250개4개 레이아웃 유형

지연 최대 차이6.6×idle 최저 vs 최고

결론 수정 횟수3회가설→검증→수정

지연 감소 추정78%가정 기반 시뮬레이션

Story Findings Visuals Methods Priority Conclusion

분석 스토리

결론이 세 번 바뀐 과정

각 단계는 이전 결론을 의심하고 검증하는 방향으로 진행됐습니다.

01 EDA idle이 핵심이다

30% 임계점, 배터리 연쇄 구조

발견

02 모델링 EDA가 놓친 변수

pack_util r=0.105 → 모델 1위

한계 발견

03 경보 Precision 상한 발견

어떤 방법도 12% 돌파 불가

실패→전환

04 군집화 취약형 102개

hub_spoke 67% 취약 → 가설

가설 형성

05 PSM 결론이 뒤집혔다

운영 통제 후 효과 소멸

결론 수정

핵심 발견

4가지 핵심 발견

idle 비율이 핵심 6.6×

최저 vs 최고 구간 지연 차이

숨은 병목 발견 r=0.105 → 1위

EDA 오판, 모델로 재발견

PSM 인과 검증 p=0.783

운영 통제 후 레이아웃 효과 소멸

운영 우선순위 6개 유형

포장병목형이 즉시개입형보다 위험

주요 시각화

데이터로 보는 발견들

여유 최저 구간 36.3분 vs 최고 5.5분 — 6.6배 차이. 30%가 임계점.

36.3최저
20%

28.120~40%

18.440~60%

10.260~80%

5.5최고
20%

선형 상관계수 r=0.105 → 모델 중요도 1위(14.2%). 저가동=처리 부족, 고가동=후처리 병목.

나쁜 조건이 겹칠수록 폭발적 증가 — 3개 동시: 38.1분 (정상의 3.7배)

10.20개
정상

17.91개

29.92개

38.13개
최악

매칭 전 +3.69분 (p=0.007) → 매칭 후 -0.55분 (p=0.783). 레이아웃 효과 소멸.

매칭 전 단순 비교

hub_spoke22.09

나머지18.40

+3.69분 · p=0.007

PSM 매칭 후

hub_spoke21.68

나머지22.24

-0.55분 · p=0.783

방법론 선택 이유

왜 이 방법을 선택했는가

각 방법은 기법을 써보려고 선택한 게 아닙니다. 그 방법이 아니었으면 잘못된 결론에 도달했을 것이기 때문에 선택했습니다.

✗ 다른 방법 썼다면

일반 KFold → 같은 창고 스냅샷 누출 → 성능 과대평가

✓ 이 방법을 쓴 이유

창고 단위 완전 분리 → 실제 배포 환경 시뮬레이션

✗ 다른 방법 썼다면

상관계수만 → pack r=0.105 '관계 없음' → 핵심 변수 누락

✓ 이 방법을 쓴 이유

비선형 U자형 포착 → 모델 1위 재발견 → 반례 수렴

✗ 다른 방법 썼다면

단순 비교 → hub_spoke +3.69분 → 레이아웃 개선 추진 (고비용 오판)

✓ 이 방법을 쓴 이유

운영 조건 통제 → 효과 소멸(p=0.783) → 레이아웃 X, 운영 O

✗ 다른 방법 썼다면

전체 경향만 → 'idle 높으면 안전' 단순 결론

✓ 이 방법을 쓴 이유

공통 원인: pack 과포화 → U자형 분석과 수렴 → 신뢰도↑

운영 우선순위

어떤 창고부터 개입하는가

★ 포장병목형(3순위)이 즉시개입형(1순위)보다 평균 지연 높음

RankTypeCountDelaySignalAction

1순위즉시개입형49개24.6분고혼잡 + 대기 상태 낮음경로 재배정 + 충전 긴급

2순위배터리위기형23개23.3분대기 상태 낮음 + 배터리 나쁨사전 충전 스케줄

3순위 ★포장병목형40개27.0분포장 가동률 고가동 (숨은 병목)포장 가동률 60~80% 조정

4순위혼잡관리형29개15.4분idle 정상 + 고혼잡경로 모니터링

5순위배터리최적화형6개17.0분idle 정상 + 배터리 나쁨정기 충전 최적화

6순위모니터링형103개13.5분전반적 정상정기 모니터링

최종 결론

결론이 세 번 바뀌었습니다.
그것이 분석의 가치입니다.

처음엔 의심했다

hub_spoke 구조가 원인

↓

PSM으로 확인했다

운영이 원인, 레이아웃 효과 없음

EDA로는 몰랐다

pack r=0.105 '관계 없음'

↓

모델이 발견했다

비선형 U자형, 모델 1위

기대했던 것

경보 규칙으로 예측 가능

↓

발견한 것

Precision ~0.12 구조적 상한

K리그 최종 패스 좌표
예측 AI

PROJECT_06 / HTML·CSS·JS + GPT API Project 06

2025.03 - 2025.04 캡스톤 디자인 4인 팀 프로젝트 Vibe Coding

AI 탐정게임 개발
Detective

용의자를 심문하라. AI가 거짓말한다.

HTML/CSS/JavaScript만으로 구현한 인터랙티브 웹 추리게임. GPT API 기반 AI 용의자와 실제 대화하며 단서를 수집하고 최종 추리를 완성하는 몰입형 탐정 경험. 전 과정을 AI 협업 개발(Vibe Coding) 방식으로 진행한 실험 프로젝트.

JavaScript GPT API 프롬프트 엔지니어링 Vibe Coding

Story AI System Scenarios Tech Conclusion

프로젝트 흐름

어떻게 만들었는가

01 기획 두 개의 독립 시나리오

아파트 vs 놀이공원, 각기 다른 클루 수집 방식

설계

02 AI 설계 프롬프트 엔지니어링

개성·알리바이·거짓말 패턴을 GPT에 주입

핵심 기술

03 구현 Vibe Coding 실험

ChatGPT·Claude로 코드 설계·구현·디버깅 전 과정

AI 협업

04 평가 AI 최종 추리 자동 채점

GPT가 논리 타당성·단서 활용도·정확도 평가

자동화

05 완성 몰입형 경험 설계

BGM·페이드·타이머가 씬 전환과 동기화

핵심 수치

무엇이 핵심인가

Vibe Coding 전 과정 AI 협업

ChatGPT·Claude로 설계·구현·디버깅

AI 용의자 심문 GPT-4 기반

맥락 유지·단서 연동·거짓말 패턴

2개 시나리오 독립 타임라인

아파트 살인 + 놀이공원 화재

자동 채점 S/A/B/C 등급

논리·단서·정확도 3축 GPT 평가

AI 용의자 심문 설계 방식

시스템 프롬프트 구조 Prompt

용의자의 직업·알리바이·숨기는 비밀·수집된 단서를 포함한 시스템 프롬프트 생성

단서 연동 Clue

플레이어가 단서 관련 키워드를 언급하면 해당 단서 내용이 프롬프트에 자동 추가되어 AI가 자연스럽게 반응

답변 규칙 Rule

범인임을 인정하지 않게, 단서 언급 시 당황하거나 회피하는 반응 포함, 100자 제한 등 형식 설정

대화 기록 유지 Memory

GPT API에 이전 대화 내용을 전달하여 전후 맥락을 유지한 대화 흐름 구현

시나리오 & 기능

두 개의 독립 사건

각 시나리오는 독립적인 타임라인과 단서 수집 동선을 가집니다.

배경

한적한 아파트 단지 내 의문의 살인 — 플레이어가 탐정이 되어 현장 증거를 분석하고 용의자를 심문하며 진범 추적

구성 요소

탐색 장소: 13층 복도, 거실, 각 층 주차장·관리실
용의자: 아내, 동료, 할머니, 군인
단서 수집 방식: 장소 클릭 → 이미지·텍스트 단서 획득

배경

놀이공원에서 발생한 의문의 화재 — 숨겨진 동기와 의도를 파헤치는 사건. BGM 씬별 다른 배경음악으로 몰입감 극대화

구성 요소

탐색 장소: 무대, 회전목마, 스태프 폭케실, 티켓부스
용의자: AI 그룹 (다수)
단서 수집 방식: 지도 UI — 현장 지도 직접 클릭 → 단서 획득

🏆 최종 추리 평가 AI — GPT 자동 채점 시스템

논리적 근거의 타당성

40점

단서 활용도

30점

범인 특정 정확도

30점

플레이어가 제시한 논리에 따라 상세한 피드백과 점수가 제공되며 S/A/B/C 등급으로 분류

기술 스택 & 구현

어떻게 구현했는가

프론트엔드HTML5, CSS3, Vanilla JS

AI APIOpenAI GPT-4 API

상태 관리JS Object (단서·씬)

씬 전환switchScene() 커스텀 엔진

오디오Web Audio API

개발 방식AI 협업 개발 (Vibe Coding)

핵심 구현 상세

switchScene() 엔진
HTML 셀렉터를 숨겼다 보여주는 방식으로 상황 전환 구현. 비동기 페이드 애니메이션 포함.

단서 상태 관리
JS Object로 플레이어가 수집한 단서와 게임 상태를 실시간 관리 및 시각적 표현.

Web Audio API
BGM, 타자기 효과음 등 씬 전환 시 단서 추가, BGM 변경, 타이머 적용이 함께 실행되도록 중앙화.

Vibe Coding — AI 협업 개발 실험

ChatGPT, Claude 등 AI 툴을 활용해 코드 설계·구현·디버깅 전 과정을 진행한 Vibe Coding 실험 프로젝트. 단순 채팅봇이 아닌 게임 맥락을 이해하는 AI 용의자 심문 시스템 구현 / GPT API 프롬프트 엔지니어링으로 각 용의자의 개성·알리바이·거짓말 패턴 구현 / 플레이어의 최종 추리 논리를 AI가 평가하여 점수·등급·피드백을 자동 생성.

프로젝트 결론

AI가 거짓말하도록 설계했습니다.
그것이 몰입의 열쇠였습니다.

처음 시도

단순 채팅봇 Q&A

↓

실제 구현

맥락 유지 + 단서 연동 AI 용의자

예상한 것

구현이 어려울 것

↓

발견한 것

프롬프트 엔지니어링으로 충분히 가능

단순 개발 목표

게임 완성

↓

실험적 성과

AI 협업 개발(Vibe Coding) 방법론 검증

Contact

함께 이야기해요

데이터를 통해 문제를 발견하고 해결하는 일에 관심이 있습니다. 프로젝트와 연락처 정보는 계속 업데이트됩니다.

Email duswn0852@gmail.com ↗ Phone 010-4442-4218 ↗

전연주

About

[수원대학교] 데이터과학부

[패스트캠퍼스] 데이터분석 부트캠프 수료

[인프런] A/B 테스트 실무자 완벽 가이드 수료

Skills

Excel

Python

SQL

Tableau

통계/ML

GA4

Projects

RetailRocket 이커머스 로그 분석

DACON 스마트 창고 출고 지연 예측

Instacart 구매 로그 기반 개인화 마케팅 전략

주얼리 브랜드 R사 타겟 리포지셔닝

DACON K리그 경기 내 최종 패스 좌표 예측

AI 추리게임 개발
HTML/CSS/JS + GPT API

Contact

함께 이야기해요

전연주

About

[수원대학교] 데이터과학부

[패스트캠퍼스] 데이터분석 부트캠프 수료

[인프런] A/B 테스트 실무자 완벽 가이드 수료

Skills

Excel

Python

SQL

Tableau

통계/ML

GA4

Projects

RetailRocket 이커머스 로그 분석

DACON 스마트 창고 출고 지연 예측

Instacart 구매 로그 기반 개인화 마케팅 전략

주얼리 브랜드 R사 타겟 리포지셔닝

DACON K리그 경기 내 최종 패스 좌표 예측

AI 추리게임 개발HTML/CSS/JS + GPT API

Contact

함께 이야기해요

AI 추리게임 개발
HTML/CSS/JS + GPT API