root layout

패스트캠퍼스

Fast Campus Logo
Fast Campus

사용자 메뉴

로그인
커뮤니티
기업교육
Course Cover ImageCourse Cover Background Image
AI/업무생산성데이터분석

2025 데이터분석 Master Class

평생소장
약 95시간
누구나

데이터 분석, 어렵게 느껴진다고요? 걱정 마세요! 툴 기초부터 분석 프로젝트, 비즈니스 전략 연결까지, 갓성비 데이터분석 마스터 클래스가 돌아왔습니다! 호기심을 데이터 사고력으로 키우고, 현업처럼 분석하는 실전 감각까지 쌓아보세요.

#SQL#데이터#데이터분석#시각화#태블로#파이썬

강의 정보

*선택한 옵션에 따라 상이할 수 있습니다.
온라인
17파트
25.05.16~ 영상 공개
학습자료 제공
AI 챗봇 지원

최대52%
월 23,917원~
12개월 무이자 할부 시

권장 소비자 가격
600,000원
할인 금액
-313,000원
할인 판매가
287,000원~

마감까지 9일10시간16분

2025 데이터분석 MASTER CLASS

찜하기

마지막 얼리버드 기간 놓치지 마세요🔥런칭 기간에만 누릴 수 있는 혜택가를 놓치지 마세요!

마감까지 9일10시간16분

커리큘럼

파트 17개약 95시간

  • Part Excel
  • Part 2 SQL

      Ch 1 Introduction

    • 1 데이터와 데이터베이스
    • 2 DBMS
    • 3 테이블과 모델링
    • 4 SQL을 왜 배워야 하는가?
    • 5 실습환경 세팅, MySQL, DBeaver (Windows)
    • 6 실습환경 세팅, MySQL, DBeaver (Mac)
    • 7 SQL Fiddle 소개(설치가 귀찮은 분들을 위한)
    • 8 공공데이터 소개
    • Ch 2 테이블 생성 SQL (DDL)

    • 1 CREATE
    • 2 ALTER
    • 3 DROP / TRUNCATE
    • Ch 3 데이터 생성 SQL (DML)

    • 1 INSERT
    • 2 UPDATE
    • 3 DELETE
    • Ch 4 데이터 조회 SQL (Easy)

    • 1 SELECT / ALIAS
    • 2 WHERE (+IN, LIKE, BETWEEN)
    • 3 ORDER BY (+LIMIT)
    • 4 집계 함수
    • 5 GROUP BY
    • 6 HAVING
    • Ch 5 데이터 조회 SQL (Medium)

    • 1 INNER JOIN
    • 2 OUTER JOIN
    • 3 SELF JOIN
    • 4 CASE WHEN
    • 5 서브쿼리 - 스칼라 서브쿼리
    • 6 서브쿼리 - 인라인 뷰
    • 7 서브쿼리 - 중첩 서브쿼리 (+EXISTS)
    • 8 UNION & UNION ALL
    • 9 WITH ROLLUP
    • 10 윈도우 함수
    • Ch 6 알아두면 쓸데있는 SQL 함수

    • 1 String Functions
    • 2 Number Functions
    • 3 Data Functions
    • 4 Null Functions
    • Ch 7 데이터 시각화

    • 1 전국 캠핑장 데이터 시각화
    • 2 고속도로 휴게소 데이터 시각화
    • Ch 8 전국 캠핑장 데이터 분석(실습1)

    • 1 전국 캠핑장 정보 테이블 및 데이터 생성
    • 2 각 지역에 위치한 캠핑장 조회
    • 3 해수욕장에 위치한 캠핑장 찾기
    • 4 면적이 가장 넓은 캠핑장 TOP10
    • 5 캠핑장이 가장 많은 지역은 어디?
    • Ch 9 고속도로 휴게소 데이터 분석(실습2)

    • 1 고속도로 휴게소 정보 테이블 및 데이터 생성
    • 2 전국 휴게소의 각종 데이터를 JOIN
    • 3 전국 휴게소의 화장실 실태 조사
    • 4 만족도가 높은 휴게소의 편의시설 현황
    • 5 반려동물을 데리고 와이파이 빵빵한 휴게소에 가보자!
    • Ch 10 편의점 구매 상품 데이터 분석(실습3)

    • 1 편의점 구매 상품 및 날씨 테이블 및 데이터 생성
    • 2 편의점에서 월별로 가장 많이 팔린 상품 카테고리는?
    • 3 편의점 월별 매출액 구하기
    • 4 날씨와 편의점 구매 상품의 상관 관계
    • Ch 11 마무리

    • 1 성능 좋은 SQL을 작성하려면?
    • 2 강의를 마치며
  • Part 3 PYTHON

      Ch 1 인트로

    • 1 과정 소개
    • 2 파이썬 소개
    • 3 분석 환경 colab 소개
    • Ch 2 Python 기초 살펴보기

    • 1 변수
    • 2 자료형_숫자형
    • 3 자료형_문자열
    • 4 자료형_리스트
    • 5 자료형_튜플
    • 6 자료형_딕셔너리
    • 7 자료형_집합
    • 8 제어문_if
    • 9 제어문_while
    • 10 제어문_for
    • 11 list, dict comprehension
    • 12 함수
    • 13 예외 처리
    • 14 라이브러리 사용
    • Ch 3 데이터 전처리

    • 1 dataframe과 series 이해하기
    • 2 데이터 불러오기, 저장하기
    • 3 조건에 맞는 데이터 추출
    • 4 데이터가공_행,열
    • 5 데이터가공_결측값처리
    • 6 데이터가공_타입변환
    • 7 데이터가공_날짜다루기
    • 8 데이터가공_고급기능(apply, lambda, map)
    • 9 데이터가공_데이터결합
    • 10 데이터집계_분포와 대표값
    • 11 데이터집계_groupby
    • 12 데이터재구조화_crosstab
    • 13 데이터재구조화_피벗테이블
    • 14 데이터재구조화_stack, unstack, melt
    • Ch 4 데이터 시각화

    • 1 그래프의 종류
    • 2 matplotlib 이해하기
    • 3 matplotlib으로 유형별 그래프 그리기
    • 4 seaborn 이해하기
    • 5 seaborn으로 유형별 그래프 그리기
    • 6 plotly 이해하기
    • 7 plotly로 유형별 그래프 그리기
    • 8 PyGWalker 이해하기
    • 9 PyGWalker로 유형별 그래프 그리기
    • 10 folium 이해하기
    • 11 folium으로 지리 데이터 시각화하기
    • Ch 5 실습1: 공개 데이터 플랫폼 활용 방법

    • 1 다양한 공개데이터 플랫폼 살펴보기
    • 2 Pandas 활용하기
    • 3 BeautifulSoup 활용하기
    • Ch 실습2: 영화 데이터를 활용한 영화 흥행 결정 요인 분석

    • 1 데이터 둘러보기 & 가설 세우기
    • 2 데이터 전처리하기
    • 3 EDA, 시각화, 분석
    • 4 리뷰
    • Ch 실습3: 유통 데이터를 활용한 리텐션과 RFM 분석

    • 1 데이터 둘러보기 & 가설 세우기
    • 2 데이터 전처리하기
    • 3 EDA, 시각화, 분석
    • 4 리뷰
    • Ch 실습4: 사용자 행동 로그 데이터를 활용한 퍼널 분석

    • 1 데이터 둘러보기 & 가설 세우기
    • 2 데이터 전처리하기
    • 3 EDA, 시각화, 분석
    • 4 리뷰
    • Ch 실습5: 교통 데이터를 활용한 지리 데이터 시각화

    • 1 데이터 둘러보기 & 가설 세우기
    • 2 데이터 전처리하기
    • 3 EDA, 시각화, 분석
    • 4 리뷰
    • Ch 실습6: 직접 크롤링하기 - 부동산 데이터 분서을 통해 최적의 자취방 구하기

    • 1 데이터 둘러보기 & 가설 세우기
    • 2 데이터 전처리하기
    • 3 EDA, 시각화, 분석
    • 4 리뷰
    • Ch 실습7: 직접 크롤링하기 - 경제 뉴스기사 키워드 추출을 통한 연도별 이슈 분석

    • 1 크롤링하기
    • 2 데이터 둘러보기 & 가설 세우기
    • 3 데이터 전처리하기
    • 4 EDA, 시각화, 분석
    • 5 리뷰
    • Ch 실습8: 직접 크롤링하기 - 뉴스기사 키워드 추출을 통한 주식 종목 이슈 분석

    • 1 크롤링하기
    • 2 데이터 둘러보기 & 가설 세우기
    • 3 데이터 전처리하기
    • 4 EDA, 시각화, 분석
    • 5 리뷰
  • Part 4 R

      Ch 1 Introduction

    • 1 강의 소개 및 목차
    • Ch 2 R 소개 및 세팅

    • 1 R & RStudio 설치
    • 2 인터페이스 소개 및 환경 설정
    • 3 R 초스피드 기초 개념
    • 4 변수, 함수, 패키지 이해
    • Ch 3 데이터 기초 개념

    • 1 데이터 프레임 이해
    • 2 외부 데이터 호출
    • 3 데이터 프레임 수정
    • Ch 4 데이터 파악

    • 1 데이터 파악
    • 2 dplyr 라이브러리 소개
    • 3 파이프 연산자(%>%,
    • Ch 5 함수 살펴보기

    • 1 select() 를 이용한 열 선택
    • 2 filter() 를 이용한 행 필터링
    • 3 arrange() 를 이용한 행 정렬
    • 4 mutate() 를 이용한 열 추가 및 수정
    • 5 group_by(), summarize() 를 이용한 데이터 요약
    • 6 join() 를 이용한 데이터 결합
    • 7 dplyr - 기타 유용한 함수들
    • Ch 6 EDA 실습하기

    • 1 실습: 스포티파이 데이터 EDA
    • Ch 7 데이터 변환

    • 1 tidyr 라이브러리 소개
    • 2 tidy한 데이터란?
    • 3 pivot_longer(), wider() 를 이용한 피봇팅
    • 4 tidyr - 기타 유용한 함수들
    • Ch 8 데이터 정제

    • 1 결측치 정의 및 정제
    • 2 이상치 정의 및 확인
    • Ch 9 데이터 시각화

    • 1 ggplot2 라이브러리 소개
    • 2 시각화의 목적
    • 3 스캐터플롯
    • 4 바차트
    • 5 라인차트
    • 6 박스플롯
    • 7 facet() 을 이용한 그래프 분할
    • 8 실습: 비디오 게임 시각화
    • Ch 10 데이터 핸들링

    • 1 lubridate를 활용한 날짜 데이터 핸들링
    • 2 stringr을 활용한 문자열 데이터 핸들링
    • Ch 11 이커머스 데이터 분석 실습 (1)

    • 1 퍼널 분석 개념
    • 2 이커머스 마케팅 데이터를 이용한 퍼널 분석
    • 3 RFM 분석 개념
    • Ch 12 이커머스 데이터 분석 실습 (2)

    • 1 이커머스 행동 데이터를 이용한 RFM 분석
    • 2 A/B Test 개념
    • Ch 13 모바일 게임 데이터 분석 실습

    • 1 모바일 게임 데이터를 이용한 A/B Test
    • 2 연관 규칙 분석 개념
    • Ch 14 영화 데이터 분석 실습

    • 1 영화 데이터를 이용한 연관 규칙 분석
    • 2 군집 분석 개념
    • Ch 15 와인 데이터 분석 실습

    • 1 와인 데이터를 이용한 군집 분석
  • Part 5 Tableau

      Ch 1 Overview & Tableau 소개

    • 1 Tableau 다운받기
    • Ch 2 기본 통계를 활용한 데이터 스토리텔링

    • 1 데이터 스토리텔링의 6가지 기본 원칙
    • 2 데이터 시각화의 좋은 예와 나쁜 예
    • 3 다양한 차트 종류 (Histogram, Heatmap 등)
    • 4 Tableau로 기본 통계 분석하기
    • Ch 3 데이터 소스 연결, 데이터 결합 및 블렌딩

    • 1 데이터 연결
    • 2 데이터 결합
    • Ch 4 Tableau Prep을 활용한 데이터 전처리 및 Flow 만들기

    • 1 Tableau Prep 소개
    • 2 데이터 Flow 작성 및 구성
    • 3 데이터 필터링
    • 4 데이터 Cleaning 하기
    • 5 데이터 피벗
    • 6 테이블 추출 job 만들고 게시하기
    • 7 Tableau Prep Builder로 데이터 전처리 및 추출
    • Ch 5 Tableau Desktop 기본 구성

    • 1 워크시트의 구성
    • 2 집계 방법
    • 3 마크, 필터, 캡션
    • 4 Bin 생성하기
    • 5 Histogram으로 분포도 확인
    • 6 갠트차트로 프로젝트 상태 추적
    • Ch 6 Dual Axis를 활용한 Line + Bar 그래프

    • 1 Small Multiples와 이중축
    • 2 계층 만들기와 데이터 그룹화
    • 3 Dual Axis 그래프 만들기
    • 4 파레토그램(Paretogram) 만들기
    • 5 Boxplot으로 유저 분포 확인
    • Ch 7 매개변수와 계산된 필드를 활용한 시계열 그래프

    • 1 날짜 변수 다루기
    • 2 계산된 필드 만들기
    • 3 매개 변수 만들기
    • 4 LOD 계산
    • 5 분석 기능 활용
    • 6 대시보드와 스토리 만들기
    • 7 KPI 비교 (Daily, Weekly, Monthly)
    • 8 폭포차트 만들기
    • Ch 8 Geocoding을 활용한 지도 대시보드 만들기

    • 1 지오 데이터 연결하기
    • 2 커스텀 맵핑 기술
    • 3 맵 디자인
    • 4 이중 레이어 지도 만들기
    • 5 스파이더 맵 만들기 (기점/종점)
    • 6 코로나 확진자 분포 맵 만들기
    • Ch 9 고객 여정 Funnel Dashboard 만들기

    • 1 AARRR Funnel 분석
    • Ch 10 성과를 분석하는 코호트 대시보드 만들기

    • 1 유저 리텐션 분석
    • Ch 11 Sankey Diagram 만들기

    • 1 회사 수익과 비용 흐름 보여주기
    • Ch 12 Tableau 게시 및 추출 만들기

    • 1 대시보드 임베딩 및 추출 방법
    • 2 모바일/다양한 해상도 대응
    • 3 대시보드 만들고 공유하기
  • Part 6 Redash

      Ch 1 Redash 세팅하기

    • 1 첫인사 및 강의 개요 설명
    • 2 Redash 소개 & 세팅 (Docker, AWS 활용)
    • 3 Redash 화면 구성 설명
    • Ch 2 Redash 쿼리하기

    • 1 실습 데이터 설명 및 데이터 연결
    • 2 데이터 시각화의 목적 : 지표 모니터링
    • 3 선정한 지표 쿼리하기
    • Ch 3 Redash 시각화하기 - 그래프

    • 1 그래프 소개(1)
    • 2 그래프 소개(2)
    • 3 매출 데이터 실습(1) - 지표 쿼리
    • 4 매출 데이터 실습(2) - 매출 목표 달성 (Filter & Counter)
    • 5 매출 데이터 실습(3) - 카테고리/브랜드/상품 분석
    • 6 유저 행동 데이터 실습(1) - 지표 쿼리
    • 7 유저 행동 데이터 실습(2) - AU & 리텐션 (Cohorts)
    • 8 유저 행동 데이터 실습(3) - 퍼널 분석
    • 9 유저 행동 데이터 실습(4) - 데모 분석 (Pivot)
    • Ch 4 Redash 시각화하기 - 대시보드

    • 1 좋은 대시보드란?
    • 2 KPI 대시보드 만들기(1)
    • 3 KPI 대시보드 만들기(2)
    • 4 KPI 대시보드 만들기(3)
    • 5 A/B Test 성과 대시보드 만들기(1)
    • 6 A/B Test 성과 대시보드 만들기(2)
    • 7 A/B Test 성과 대시보드 만들기(3)
    • Ch 5 Redash 엔지니어링

    • 1 Alert, Slack Message (Zapier)
    • 2 Data Import/Export
    • 3 ETC : Tag, Query Snippet
    • 4 스터디 자료
  • Part 7 POWER BI

      Ch 1 데이터 시각화와 생산성 100배

    • 1 Overview
    • 2 데이터 시각화
    • 3 핵심 메시지 설정
    • Ch 2 Power BI 시작하기

    • 1 Power BI 소개
    • 2 Power BI 설치 및 시작
    • 3 Power BI 구성요소
    • 4 Power BI 작업흐름과 시각화
    • 5 Power BI 웹게시
    • Ch 3 Power Query

    • 1 Power Query 소개 및 데이터 불러오기
    • 2 데이터 형태 이해하기
    • 3 구글스프레드시트(웹) 데이터 불러오기
    • 4 오픈 API 데이터 불러오기
    • Ch 4 데이터모델링

    • 1 데이터 모델링 개념
    • Ch 5 Dax

    • 1 Dax란?
    • 2 필터와 Calculate
    • 3 X함수
    • Ch 6 타이타닉 생존자 시각화

    • 1 데이터 소개 및 생존률 계산
    • 2 변수별 생존률 시각화
    • 3 대시보드 디자인
    • Ch 7 Global Super Store 대시보드

    • 1 데이터 소개
    • 2 마스터 테이블 만들기
    • 3 DAX : 수요변화 시나리오 작성
    • 4 분산형 차트 : 상품 엔지니어링
    • 5 파레토 법칙(80:20) 상품 찾기
    • Ch 8 HR 대시보드

    • 1 데이터 및 대시보드 소개
    • 2 막대 그래프 : 입사 경로별 비율 계산
    • 3 히트맵, 퍼널차트 추가분석
    • 4 콤보 차트 : 입퇴사 분석
    • 5 드릴스루
    • 6 디자인팁
    • Ch 9 서울시 지하철 대시보드

    • 1 데이터 소개 및 전처리
    • 2 날짜별 지하철 승하차고객 불러오기
    • 3 커스텀 맵핑 적용하기
    • Ch 10 코호트 분석 대시보드

    • 1 데이터 소개, 전처리
    • 2 데이터 모델링 : 쿼리 병합
    • 3 Cohort 분석(1) : W1~17 Retention
    • 4 Cohort 분석(2) : 리텐션 막대
    • 5 대시보드 디자인 : 폰트테마 적용
    • Ch 11 고객 분석 대시보드

    • 1 데이터 소개 및 전처리, 모델링
    • 2 Summarize 함수로 고객 분류
    • 3 Switch 함수로 커스텀 필터
    • 4 Charticulator 소개
    • 5 커스텀 막대 차트 만들기
    • 6 거품형 차트로 순위 만들기
    • 7 TOPN으로 최고 신장률 팀 찾기
    • 8 좋은 대시보드란
  • Part 8 머신러닝

      Ch 1 Introduction

    • 1 강의 개요
    • Ch 2 머신러닝 기본

    • 1 머신러닝이란?
    • 2 Supervised vs Unsupervised Learning
    • Ch 3 머신러닝 학습

    • 1 머신러닝 학습 방법
    • Ch 4 데이터 예측모델링

    • 1 데이터 예측 모델링 프로세스
    • 2 모델링 대표 문제유형 및 알고리즘
    • Ch 5 Regression(회귀) 모델링

    • 1 문제상황 및 데이터 살펴보기
    • 2 Data Spec Check
    • 3 문제해결 프로세스 정의
    • 4 Data Info Check
    • 5 Data Readiness Check
    • 6 Feature Engineering
    • 7 Modeling
    • 8 Model Evaluation & Summary
    • Ch 6 Classification(분류) 모델링

    • 1 문제상황 및 데이터 살펴보기
    • 2 Data Spec Check
    • 3 문제해결 프로세스 정의
    • 4 Data Info Check
    • 5 Data Readiness Check
    • 6 Feature Engineering
    • 7 Modeling
    • 8 Model Evaluation & Summary
  • Part 9 AI로 시작하는 데이터 분석

      Ch 1 AI 시대, 생성형 AI 기초 익히기

    • 1 생성형 AI는 무엇일까?
    • 2 ChatGPT 기본 사용법
    • 3 ChatGPT 데이터 분석 실무에서는 이렇게 쓴다
    • Ch 2 데이터분석의 흐름

    • 1 데이터 분석의 정의? 기업에서는 왜 분석가를 채용할까?
    • 2 실무기반 데이터 분석 프로세스 정리하기
    • 3 EDA부터 예측 모델링까지 데이터 분석 흐름 익히기
    • Ch 3 ChatGPT로 데이터 분석 단계별로 같이 해보기

    • 1 ChatGPT랑 데이터 분석 첫걸음 - 프롬프트 엔지니어링 입문
    • 2 인기 웹툰의 비밀을 찾아라! - EDA 실습
    • 3 가짜 리뷰 데이터 생성하고 감정 분석하기
    • 4 VIP 고객 세분화 - RFM 분석 실습
    • 5 다음 달 매출 예측 - 회귀 모델링
    • 6 구매 가능성 높은 고객 예측 - 분류 모델링
  • Part 10 일상 속 궁금증을 해결하는 데이터분석

      Ch 1 [소셜미디어] 인스타 최강 인플루언서는 누구?

    • 1 팔로워 수만 보면 안 된다! 영향력 기준 이해
    • 2 인스타 데이터를 통한 최강 인플루언서 찾기
    • Ch 2 [스포츠] 오타니 선수 성적 예측

    • 1 세이버메트릭스란?
    • 2 오타니 선수 데이터로 성적 예측
    • Ch 3 [쇼핑] 네이버 쇼핑 리뷰 분석

    • 1 네이버쇼핑 리뷰 데이터 수집하기 (JupyterLab 세팅)
    • 2 네이버쇼핑 리뷰 데이터 크롤링하기
    • 3 잘 팔리는 제품의 비밀 찾기
    • Ch 4 [엔터테인먼트] BTS와 블핑, 누가 더 글로벌한가?

    • 1 "글로벌하다"의 정의
    • 2 gtrends로 글로벌 검색량 비교
    • 3 Youtube API로 조회수 크롤링 및 시각화
  • Part 11 Deep-dive Project : 유통업계

      Ch 1 VVIP 고객 매출 상승 전략

    • 1 시나리오 배경 설명
    • 2 현황 파악: VVIP 고객 데이터 이해
    • 3 VVIP 고객 추가 구매 예측
    • 4 클러스터링으로 VVIP 고객 패턴 분류
    • 5 클러스터링 결과로 세그먼트 만들기
    • 6 효과적 방법론 선정: 분류모델 고르기
    • 7 모델 오류 활용하여 예측
    • 8 실제 모델링으로 업셀링 고객 예측
    • 9 연관성 분석 배우기
    • 10 VIP 인기 제품 마케팅 활용
    • 11 결과 분석과 결론 만들기
  • Part 12 Deep-dive Project : 금융업계(카드사)

      Ch 1 이탈 고객 예측 및 분석

    • 1 시나리오 배경 설명 - 이탈 영향
    • 2 이탈고객 정의와 현황 분석
    • 3 데이터 EDA 및 인사이트 도출
    • 4 이진 분류모델 구축
    • 5 모델링 평가 및 개선 포인트
    • 6 성과 분석 및 Action Item 도출
  • Part 13 Deep-dive Project : 게임업계

      Ch 1 광고 전환율 높이기 (업리프트 모델링)

    • 1 시나리오 배경 설명
    • 2 업리프트 모델링이란?
    • 3 전환율 비교 분석
    • 4 업리프트 모델링 스코어 산출
    • 5 모델 평가 및 ROI 분석
    • 6 업리프트 기반 자동 타겟팅 기획
  • Part 14 Deep-dive Project : O2O 업계

      Ch 1 콜수요 초과율 지표 고도화

    • 1 O2O 서비스 매칭 이해
    • 2 지역별 콜수요 초과율 파악
    • 3 시간대별 SQL 분석
    • 4 원인 분석
    • 5 Uber h3index 활용 딥다이브
    • 6 보정값 가설 설정
    • 7 SQL로 보정값 생성
    • 8 보정값 검증
    • 9 기존 대비 표준화(MMN) 비교
    • 10 전국 배포 시뮬레이션
  • Part 15 커리어 UP

      Ch 1 포트폴리오 작성법

    • 1 비즈니스 글쓰기 이론(1)
    • 2 비즈니스 글쓰기 이론(2)
    • 3 비즈니스 글쓰기 실습(1)
    • 4 비즈니스 글쓰기 실습(2)
    • Ch 2 데이터 분석가 커리어 UP

    • 1 현실적인 데이터 분석 커리어 전략
    • 2 이력서 및 포트폴리오 작성법
    • 3 데이터 분석 채용공고(JD) 분석하기
    • 4 현직 데이터분석가가 말하는 데이터분석가란?
    • 5 데이터분석가로 피벗한 전략
    • 6 실무에서 데이터분석 AI 활용성
  • Part 16 실전 정량적 분석 스킬 5가지

      Ch 1 데이터 분석 Overview

    • 1 강의방식 소개
    • 2 BA 업무 방식 및 필요역량
    • 3 Overview
    • 4 엑셀 함수 소개
    • Ch 2 이중차분법

    • 1 A/B Test란?
    • 2 독립변수와 종속변수
    • 3 이중차분법 개념
    • 4 A/B Test 실습 데이터 소개
    • 5 (실습) 5천원 vs 5% 할인쿠폰
    • Ch 3 Cohort 분석

    • 1 Cohort 분석이란?
    • 2 Cohort 실무활용 사례
    • 3 Cohort 실습 데이터 소개
    • 4 (실습) 첫구매 고객 분석
    • Ch 4 RFM 분석

    • 1 RFM 이란?
    • 2 Percentile 개념
    • 3 변수간 상관관계
    • 4 RFM 실습 데이터 소개
    • 5 (실습) 이커머스 고객 이탈 예측
    • Ch 5 LTV 산출

    • 1 LTV란?
    • 2 LTV 실무활용 사례
    • 3 LTV 산출법
    • 4 LTV 실습 데이터 소개
    • 5 (실습) 새벽배송 플랫폼 핵심 고객
    • Ch 6 로그데이터 분석

    • 1 로그데이터 분석이란?
    • 2 실습 데이터 소개
    • 3 (실습) 광고 배너별 전환율 분석
  • Part 17 마케팅을 움직이는 데이터분석

      Ch 1 전략을 말하는 데이터 보고서 쓰기

    • 1 전략 기획에 기여하는 분석가
    • 2 데이터 인사이트 보고서 작성법(1편)
    • 3 데이터 인사이트 보고서 작성법(2편)
    • Ch 2 데이터로 마케팅 인사이트 캐내기

    • 1 딥컨조인트 분석으로 이탈 이유 찾기
    • 2 광고 매체별 상품 성과 분석
    • 3 회계 데이터로 돈 되는 전략 짜기
    • 4 FGI 자동화로 마케팅 페르소나 만들기
    • 5 이미지 분석으로 소스 개선 전략
    • Ch 3 AI로 전략 자동화하기

    • 1 데이터로 광고 성과 시뮬레이션
    • 2 추천 알고리즘으로 광고 전략 짜기
    • 3 강화학습으로 마케팅 성과 향상
    • 4 AI로 광고 전략 최적화하기
    • 5 유전 알고리즘과 마케팅 전략
    • 6 나만의 마케팅 AI 만들기
    • 7 AI 시대의 데이터 분석가 무기
 영상공개 일정 D-36
해당 강의는 총 3회에 걸쳐 공개됩니다.
1차2025.05.16(금)
2차2025.06.13(금)
최종2025.06.27(금)

이런 강의는 어떠세요?

지금 보는 강의와 유사해요!

강의 대표이미지
10+
데이터분석
[100일 완성] 데이터분석 3종 필수 스킬 Python & SQL & Excel 입문 (feat. ChatGPT & Tableau)
약 26시간누구나
강의 대표이미지
10+
데이터분석
모두를 위한 Business Data Analysis : 설득력을 높이는 일잘러의 데이터 분석 스킬
약 38시간누구나
온라인
강의 대표이미지
10+
데이터분석
세계 3등에게 배우는 13개 데이터 분석 프로젝트
약 36시간사전지식 필요
온라인
강의 대표이미지
10+
데이터분석
[1년 수강] 훈쌤과 함께하는 ADsP 4주 최단기 합격패스
약 57시간누구나

학습 규정 및 환불 규정

학습 규정


* 본 상품은 동영상 형태의 강의를 수강하는 상품입니다.

* 상황에 따라 사전 공지 없이 할인이 조기 마감되거나 연장될 수 있습니다.

* 해당 강의는 사전 예약 상품으로, 강의 영상이 공개 일정에 따라 순차적으로 제작되어 오픈됩니다.

* 수강 신청 및 결제를 완료하시면, 마이페이지를 통해 바로 수강이 가능합니다.

* 본 강의는 [데이터 분석 MASTER CLASS] 강의와 75시간 동일한 강의 + 2025년 일부 추가된 커리큘럼으로 수업이 진행됩니다.


총 학습기간:

  • 정상 수강기간(유료 수강기간) 최초 90일, 무료 수강 기간은 91일 일차 이후로 무제한이며, 유료 수강기간과 무료 수강기간 모두 동일하게 시청 가능합니다.

  • 본 패키지는 약 95시간 분량으로, 일 1시간 내외의 학습 시간을 통해 정상 수강 기간(=유료 수강 기간) 내에 모두 수강이 가능합니다.

  • 수강시작일: 수강 시작일은 결제일로부터 기간이 산정되며, 결제를 완료하시면 마이페이지를 통해 바로 수강이 가능합니다. (사전 예약 강의는 1차 강의 오픈일)

  • 패스트캠퍼스의 사정으로 수강시작이 늦어진 경우에는 해당 일정 만큼 수강 시작일이 연기됩니다.

  • 일부 강의는 아직 모든 영상이 공개되지 않았습니다. 각 상세페이지 하단에 공개 일정이 안내되어 있습니다.


주의 사항


  • 상황에 따라 사전 공지 없이 할인이 조기 마감되거나 연장될 수 있습니다.

  • 천재지변, 폐업 등 서비스 중단이 불가피한 상황에는 서비스가 종료될 수 있습니다.

  • 본 상품은 기수강생 할인, VIP CLUB 제도 (구 프리미엄 멤버십), 기타 할인 이벤트 적용이 불가할 수 있습니다.

  • 커리큘럼은 제작 과정에서 일부 추가, 삭제 및 변경될 수 있습니다.

  • 쿠폰 적용이나 프로모션 등으로 인해 5만원 이하의 금액으로 강의를 결제할 경우, 할부가 적용되지 않습니다.


환불 규정


  • 환불금액은 정가가 아닌 실제 결제금액을 기준으로 계산됩니다.

  • 쿠폰을 사용하여 강의를 결제하신 후 취소/환불 시 쿠폰은 복구되지 않습니다.


  • 수강시작 후 7일 이내, 5강 미만 수강 시에는 100% 환불 가능합니다.

  • 수강시작 후 7일 이내, 5강 이상 수강 시 전체 강의에서 수강한 강의의 비율에 해당하는 수강료를 차감 후 환불 가능합니다.


  • 수강시작 후 7일 초과 시 정상 수강기간 대비 잔여일에 대해 아래 환불규정에 따라 환불 가능합니다.

    • 환불요청일 시 기준

    • : 수강시작 후 1/3 경과 전, 실 결제금액의 2/3에 해당하는 금액 환불

    • : 수강시작 후 1/2 경과 전, 실 결제금액의 1/2에 해당하는 금액 환불

    • : 수강시작 후 1/2 경과 후, 환불 금액 없음

* 보다 자세한 환불 규정은 홈페이지 취소/환불 정책에서 확인 가능합니다.


[특별구성] 데이터 해석 만렙 패키지 + 데이터 분석 만렙 패키지 주의사항 및 환불 규정


[학습규정 및 주의사항]

* 본 상품은 온라인 단과 강의를 묶어 추가 할인을 제공하는 패키지입니다.

* 이전에 개별/묶음 강의를 구매하셨더라도 차액 환불 등의 소급 적용은 불가합니다.

* 수강 신청 및 결제를 완료하시면, 마이페이지를 통해 바로 수강이 가능합니다.

* 묶음(패키지) 강의 내 일부 동일한 커리큘럼 또는 강의자료가 포함되어 있을 수 있으니, 개별 강의 상세페이지를 꼭 확인해 주세요.

* 일부 강의는 사전 예약 상품으로, 강의 영상이 공개 일정에 따라 순차적으로 제작되어 오픈됩니다.

* 수강시작일: 수강 시작일은 결제일로부터 기간이 산정되며, 결제를 완료하시면 마이페이지를 통해 바로 수강이 가능합니다. (사전 예약 강의는 1차 강의 오픈일)

* 패스트캠퍼스의 사정으로 수강시작이 늦어진 경우에는 해당 일정 만큼 수강 시작일이 연기됩니다.


■ [특별 구성] 데이터 해석 만렙 패키지

  • 데이터 분석을 위한 기초 통계 완전 정복

  • 2025 데이터분석 Master Class

– 정상 수강기간(유료 수강기간) 최초 90일, 무료 수강 기간은 91일차 이후로 무제한이며, 유료 수강기간과 무료 수강기간 모두 동일하게 시청 가능합니다.


■ [특별 구성] 데이터 분석 만렙 패키지

  • 딥러닝/머신러닝을 활용한 시계열 데이터 분석

  • 2025 데이터분석 Master Class

– 정상 수강기간(유료 수강기간) 최초 90일, 무료 수강 기간은 91일차 이후로 무제한이며, 유료 수강기간과 무료 수강기간 모두 동일하게 시청 가능합니다.


[패키지 환불 규정]

– 환불금액은 정가가 아닌 실제 결제금액을 기준으로 계산됩니다.

– 패키지 상품에 포함 된 강의 중 일부 강의만 환불이 불가합니다.


– 수강시작 후 7일 이내, 5강 미만 수강 시에는 100% 환불 가능합니다.

– 수강시작 후 7일 이내, 5강 이상 수강 시 전체 강의에서 수강한 강의의 비율에 해당하는 수강료를 차감 후 환불 가능합니다.

– 수강시작 후 7일 초과 시 각 패키지 상품 별 상단에 고지 된 '정상 수강기간' 대비 잔여일에 대해 아래 환불규정에 따라 환불 가능합니다.


환불요청일 시 기준

: 수강시작 후 1/3 경과 전, 실 결제금액의 2/3에 해당하는 금액 환불

: 수강시작 후 1/2 경과 전, 실 결제금액의 1/2에 해당하는 금액 환불

: 수강시작 후 1/2 경과 후, 환불 금액 없음


* 각 상품의 정상 수강기간은 위 강의 학습규정에서 확인할 수 있습니다.

* 본 상품은 패키지로 할인을 추가 적용하여 판매하므로, 강의 일부 환불은 불가능하며 위 기준에 따라 반영됩니다.

* 보다 자세한 환불 규정은 홈페이지 취소/환불 정책에서 확인 가능합니다.


패스트캠퍼스 정책 안내


[패스트캠퍼스 아이디 공유 금지 정책]

패스트캠퍼스의 모든 온라인 강의에서는 1개의 아이디로 여러명이 공유하는 형태를 금지하고 있습니다.

동시접속에 대한 기록은 내부 시스템을 통해 자동으로 누적되며, 이후 서비스 이용이 제한될 수 있습니다.


[기기제한 정책]

패스트캠퍼스 온라인 강의 시청을 위해서는 ID별 최대 4개의 기기를 등록할 수 있으며, 기기 등록은 온라인 강의장 접속 시 자동 등록됩니다.

최대 갯수를 초과하였을 경우 등록된 기기 해제가 필요합니다.


[저작권 정책]

패스트캠퍼스의 모든 강의는 무단 배포 및 가공하는 행위, 캡쳐 및 녹화하여 공유하는 행위, 무단으로 판매하는 행위 등 일체의 저작권 침해 행위를 금지합니다.

부정 사용이 적발될 경우 저작권법 위반에 의한 법적인 제재를 받으실 수 있습니다.

국내 7개 카드사 12개월 무이자 할부 지원! (간편 결제 제외)

  • 삼성카드
  • 신한카드
  • 롯데카드
  • 현대카드
  • 하나카드
  • KB국민은행
  • NH농협카드
  • 회사소개
  • 강사지원
  • 채용안내
올해의 브랜드 대상 2021올해를 빛낸 브랜드 대상 2021
대표이사
이강민
개인정보책임관리자
이강민
사업자번호
810-86-00658
사업자정보확인
사무실
서울특별시 강남구 테헤란로 231, 센터필드 WEST 6층, 7층
교육장
서울특별시 강남구 강남대로 364 미왕빌딩 10, 11층
  • 이용약관
  • 개인정보처리방침
  • FAQ
  • 취소/환불 정책
  • 자료실
  • 공지사항
  • 고객센터 바로가기
  • 전화번호 02-501-9396
  • 이메일 help@fastcampus.co.kr
  • 주중 10시~18시 (점심시간 12~13시 / 주말 및 공휴일 제외)
호스팅 서비스 제공
(주) 데이원컴퍼니
통신판매업 신고번호
제 2017-서울강남-01977호
학원설립 운영등록번호
제12484호(강남)
원격평생교육원
제 572호