PART 01 데이터 이해 · 2장 데이터의 가치와 미래

비즈니스 모델

빅데이터 활용 사례와 분석 테크닉

원자료의 학습 흐름에 맞춰 22~25번 기출문제를 핵심 개념별로 연결했습니다.

#빅데이터활용사례 #빅데이터테크닉 #연관규칙학습 #기계학습 #회귀분석 #감정분석 #소셜네트워크분석 #딥러닝 #머신러닝

POINT CONTENTS

이 페이지의 핵심 포인트 목차

교재의 실제 학습 순서와 22~25번 기출문제를 바로 연결했습니다.

01 빅데이터 활용 사례 기업·정부·개인의 활용과 정형·비정형 데이터 활용 연결 기출 Q22 02 빅데이터 활용 기본 테크닉 연관분석·군집분석·회귀분석·분류분석의 차이 연결 기출 Q23 03 Machine Learning 데이터 학습 → 패턴 발견 → 분류·예측 연결 기출 Q24 04 Deep Learning RNN·LSTM·Autoencoder와 SVM의 구분 연결 기출 Q25

★ 출제 포인트 · 빅데이터 활용 기본 테크닉은 사례 제시형 문항으로 자주 출제되며, 머신러닝·딥러닝의 주요 특징도 기본 개념으로 구분해 두는 것이 중요합니다.

QUESTION 22빅데이터 활용 사례

30회 기출 · 빅데이터 활용 사례

다음 중 빅데이터 활용의 사례로 적절하지 않은 것은?

① 구글, 애플 등의 기업에서는 정형화된 데이터만 수집하여 웹과 스마트폰의 서비스에 활용한다.

② 교통 데이터를 실시간으로 분석하여 도시 교통 체증을 완화하는 솔루션을 제공한다.

③ 농업에서 드론 데이터를 활용해 작물 생육 상태를 모니터링하고 생산성을 높인다.

④ 소셜 미디어의 감정 분석을 통해 브랜드 인지도를 높이는 캠페인을 설계한다.

정답 ①

핵심 오류는 ‘정형화된 데이터만’이라는 표현입니다. 구글·애플 같은 기업은 정형 데이터뿐 아니라 검색어, 텍스트, 사진, 영상, 음성, 위치정보, 로그 등 다양한 반정형·비정형 데이터도 활용합니다.

오답 해설

보기	판단	해설
① 정형화된 데이터만 수집	오답 문장 → 정답	빅데이터는 정형 데이터만 다루지 않는다. 다양한 형식의 데이터를 함께 활용한다.
② 실시간 교통 데이터 분석	적절	실시간 교통량·GPS·속도 등을 분석해 교통체증 예측과 경로 최적화에 활용한다.
③ 드론을 이용한 농업 분석	적절	드론 이미지·센서 데이터로 작물 생육상태나 병충해 등을 파악하는 스마트농업 사례다.
④ SNS 감정 분석	적절	게시글·댓글 등의 텍스트를 분석해 긍정·부정 감정을 파악하고 마케팅에 활용한다.

★ 시험 포인트: 빅데이터 = 정형 데이터만이 아니라 정형 + 반정형 + 비정형 데이터를 함께 활용한다.

QUESTION 23빅데이터 활용 기본 테크닉

37회 기출 · 빅데이터 분석 기본 테크닉

마트의 맥주와 기저귀 사례는 어떤 분석인가?

다음 설명에 맞는 빅데이터 활용 분석의 기본 테크닉은 무엇인가?

A 마트는 금요일 저녁에 맥주를 사는 사람은 기저귀도 함께 구매했다는 사실을 발견하고, 두 가지 상품을 가까운 곳에 진열하기로 결정했다.

① 연관 분석

② 군집 분석

③ 회귀 분석

④ 분류 분석

정답 ① 연관 분석

이 사례의 핵심 질문은 “어떤 상품들이 함께 나타나는가?”입니다. 따라서 특정 상품 간 동시 구매 패턴을 찾는 연관 분석(Association Analysis / Association Rule Mining)에 해당합니다.

분석기법별 구분

분석	핵심 질문	예시
연관 분석	같이 나타나는가?	맥주를 사는 사람이 기저귀도 함께 사는가?
군집 분석	비슷한 대상끼리 묶을 수 있는가?	관광객을 미식형·문화형·가족형으로 묶기
회귀 분석	얼마나 변하는가?	광고비가 늘면 매출액은 얼마나 증가하는가?
분류 분석	어느 범주에 속하는가?	구매고객 / 비구매고객으로 구분하기

맥주

↔

기저귀

→

연관 분석

★★★★★ 암기: 맥주 + 기저귀 = 연관 분석

QUESTION 24Machine Learning

31회 기출 · 인공지능 분야

데이터로 학습하여 분류·예측하는 분야는?

다음 설명에 맞는 인공지능의 분야는 무엇인가?

컴퓨터가 스스로 많은 데이터를 분석해서 패턴과 규칙을 찾아내고, 학습된 패턴과 규칙을 활용하여 분류나 예측을 하는 분야

① 머신러닝 (Machine Learning)

② 유전자 알고리즘 (Genetic Algorithm)

③ 연관 분석 (Association Rule Mining)

④ 규칙 기반 시스템 (Rule-Based System)

정답 ① 머신러닝

문제의 결정적인 단서는 “많은 데이터를 분석해서 패턴과 규칙을 찾아내고”, 그리고 “학습된 패턴으로 분류나 예측을 한다”는 부분입니다.

데이터

→

학습

→

패턴 발견

→

분류·예측

오답 해설

보기	해설
① 머신러닝	데이터를 통해 패턴을 학습하고 이를 이용해 분류와 예측을 수행한다.
② 유전자 알고리즘	진화 원리를 모방해 여러 후보 중 최적해를 찾는 최적화 기법이다.
③ 연관 분석	항목 사이의 동시 발생 관계를 찾는다. 대표 예시는 맥주와 기저귀다.
④ 규칙 기반 시스템	사람이 미리 정한 IF–THEN 규칙에 따라 판단하는 방식이다.

머신러닝 vs 규칙 기반 시스템

규칙 기반
사람이 먼저 규칙을 만든다.

IF 온도 ≥ 30℃
THEN 에어컨 ON

머신러닝
컴퓨터가 과거 데이터를 보고 규칙과 패턴을 학습한다.

온도 + 습도 + 이용기록 → 에어컨 작동 예측

★ 시험 키워드: 스스로 학습 + 패턴 발견 + 분류·예측 = Machine Learning

QUESTION 25Deep Learning

32회 기출 · 딥러닝 기법

다음 중 딥러닝 기법에 해당하지 않는 것은?

① Autoencoder

② RNN (Recurrent Neural Network)

③ SVM (Support Vector Machine)

④ LSTM (Long Short-Term Memory)

정답 ③ SVM

SVM(Support Vector Machine)은 대표적인 전통적 머신러닝 알고리즘으로, 일반적으로 딥러닝 기법으로 분류하지 않습니다. 반면 Autoencoder, RNN, LSTM은 신경망 기반의 딥러닝 기법입니다.

오답 해설

보기	판단	설명
① Autoencoder	딥러닝 O	신경망을 이용해 데이터를 압축하고 중요한 특징을 학습한다.
② RNN	딥러닝 O	순서가 있는 데이터를 처리하는 순환신경망(Recurrent Neural Network)이다.
③ SVM	딥러닝 X	Support Vector Machine. 전통적 지도학습 기반 머신러닝 기법이다.
④ LSTM	딥러닝 O	Long Short-Term Memory. RNN의 장기 의존성 문제를 개선한 신경망 구조다.

개념 관계

인공지능 AI

→

머신러닝 ML

→

딥러닝 DL

전통적 머신러닝
SVM · 의사결정나무 · KNN · 회귀 계열

딥러닝
CNN · RNN · LSTM · Autoencoder · Transformer

★★★★★ 암기: SVM = 머신러닝 O / 딥러닝 X
LSTM의 정확한 풀네임은 Long Short-Term Memory이며, 문제의 “Long ShorHferm Memory”는 오타입니다.

22~25번 초압축 암기표

번호	핵심 단서	정답	한 줄 암기
22	정형 데이터만	①	빅데이터는 정형 + 반정형 + 비정형
23	맥주와 기저귀 함께 구매	① 연관 분석	같이 = 연관
24	학습 → 분류·예측	① 머신러닝	학습해서 예측 = ML
25	딥러닝이 아닌 것	③ SVM	SVM = 전통적 머신러닝

★★★★★ 특히 23번·24번·25번은 서로 연결해서 암기하면 좋습니다.