| Loading... |
|
디지털 대전환을 가능하게 하는 범용기술블록체인, 클라우딩컴퓨터, 양자ICT, 인공지능, 5G을 아시나요?
그렇다면, 이러한 기술이 앞으로 가져올 변화, 메가트렌드플랫폼, 자동화, 초개인화, 가상화-융합화 는 무엇일까요?
우주급 스케일의 디지털 학습콘텐츠를 통해
디지털, 데이터에 대한 기초지식을 쉽고, 재미있게 업스킬링!
아직도 디지털 대전환..
도대체 이제 뭔지..
아직도 아리송~?
굳이.. 디지털, 데이터..
왜 알아야 하는지 조차
모르겠어요!
뭔가 데이터를 활용하고,
기존의 방법과는 다르게
해보려 하는데 답답하고,
고민된다고요?
디지털, 데이터관련 3개의 대 멀티버스를 통해 마인드셋 장착을 돕습니다!
멀티버스 별 제시되는 사례 및 경험 등은 실제 최신 디지털 관련 정책 및 공공, 민간의 사례를 기반으로 구성되어 있습니다.
총 3개의 멀티버스와 10개의 유니버스를 학습하며 PASS해나가면,
- 3개 : 칭찬한걸음, 당신의 센스, 데이터달인
우주급 스케일의 디지털 마인드셋&데이터스킬업!
2주마다 새로운 유니버스가 오픈됩니다.
테마1 디지털 데이터 인식수준
테마2 데이터 활용 공공, 민간 우수사례
테마3 현업 데이터관련 고충상담
댓글로 디지털 데이터에 대한 여러분의 생각, 고민을 나눠주시고,
새로운 티키타카 시즌2를 응원해주세요!
추첨을 통해 상품을 쏩니다! 파파파-!!!
여러분의 기대와 관심 부탁드립니다 :)
모두들 11/24에 만나요~~
| 제목 | ||||
|---|---|---|---|---|
| 작성자 | 등록일 | 2024.12.14 | ||
| 내용 | ||||
데이터씽킹 티키타카 시즌2(11/24 대개봉)
2022.11.17
#테마3 #유니버스9 #데이터 분석 근육 만들기①
2023.04.13
#테마3 #유니버스10 #데이터 분석 근육 만들기②
2023.04.27
#마무리 스케치 영상
2023.06.26
#테마1 #유니버스1 #당신도 디지털 스트레인저스?!
2022.11.24
#테마1 #유니버스2 #이제 데이터 스트레인저스 탈출!★
2022.12.08
#테마2 #유니버스3 #데이터 달인이 사는 세상
2022.12.22
#테마2 #유니버스4 #데이터 방위대
2023.02.02
#테마3 #유니버스5 #데이터와의 짜릿한 첫 만남
2023.02.16
#테마3 #유니버스6 #데이터와 알콩달콩 썸 타기
2023.03.02
#테마3 #유니버스7 #데이터 시각화 완전 정복①
2023.03.17
#테마3 #유니버스8 #데이터 시각화 완전 정복②
2023.03.30
데이터씽킹 티키타카2, 즐겁게 참여해보세요!,
현재까지 획득한 상시학습 시간은 총분 입니다.
데이터리터러시
자가진단
10분
좋아요
획득한 뱃지
내 뱃지 목록
| 차시 | 제목 | 참여현황 | 상세참여현황 학습 / 답변 / 좋아요 |
문제 바로가기 |
|---|
· 총 16개 문항으로 구성되어 있습니다.
· 문항별로 해당하는 구간에 응답해주세요.
: 5점 - 매우 그렇다 / 4점 - 그렇다 / 3점 - 보통이다 / 2점 - 그렇지 않다 / 1점 - 매우 그렇지 않다.
| 역량 명 | 역량 사전진단 | 매우그렇다 | 그렇다 | 보통이다 | 그렇지 않다 | 매우 그렇지 않다 |
|---|
| [공감] | 어떤 데이터를 접했을 때 작성자의 의도를 생각하고 해석을 하는 편이다. |
|
|
|
|
|
| [직관] | 데이터에서 직관적으로 튀는 점을 발견하길 좋아하고 그 이유를 상상하곤 한다. |
|
|
|
|
|
| [사실파악] | 입장이 다르면 해석이 다를 수 있다는 주장에 동감하여, 해석보다 해석자의 입장을 먼저 살피려고 한다. |
|
|
|
|
|
| [패턴파악] | 나이테를 보고 나무를 이해하듯, 원천 데이터를 보면 패턴을 파악하려고 노력하는 편이다. |
|
|
|
|
|
| [비판] | 나는 상대방이 데이터로 주장을 펼칠 때, 주장의 내용보다 주장과 근거의 적합성을 검증하려고 노력한다. |
|
|
|
|
|
| [지목] | 가끔 내가 어떤 데이터가 필요한지 모른 채 누군가에게 데이터를 요청한다. |
|
|
|
|
|
| [수집] | 인터뷰 또는 서베이와 같은 정성적인 조사는 사실성이 결여될 수 있으므로 가급적 분석에서 제외하는 게 좋다. |
|
|
|
|
|
| [대체 데이터 생산] | 데이터가 없는 경우 조작으로라도 개념(operational definition)을 만들어 문제를 해결할 수 있어야 한다고 생각한다. |
|
|
|
|
|
| [맥락분석] | 어떤 문제에 봉착했을 때 그 문제가 어떤 정황(context)에서 나왔는지 꼼꼼히 따져보는 편이다. |
|
|
|
|
|
| [분석설계] | 데이터 분석 시 아무리 어프로치를 명확히 설계해도 분석 과정에서 바뀌기 때문에, 명확히 하려는 노력의 실익이 별로 없다. |
|
|
|
|
|
| [가공] | 분석 팀 내에서 어떤 의견이 개진될 때, 의무적으로 그 의견을 비판해주는 것이 미덕이라고 믿는다. |
|
|
|
|
|
| [의사결정원리] | 컵에 물이 반쯤 차있을 때, 이를 50% 차있다고 할지, 50% 비어있다고 할지는 데이터가 아닌 가치관의 문제라고 생각한다. |
|
|
|
|
|
| [표현] | 데이터 작성 시 데이터 내 정보 간의 논리적 관계(역접, 인과, 병렬, 순차 등)를 고려하여 작성한다. |
|
|
|
|
|
| [리프팅] | 데이터 기반 조직 문화가 자리잡을수록 데이터를 표현하는 방식은 점차 화려해질 것이라고 생각한다. |
|
|
|
|
|
| [스토리텔링] | 사람은 사실성에 마음의 문을 열기 때문에 감정에 호소하는 스토리는 데이터 문화에 어울리지 않는다고 생각한다. |
|
|
|
|
|
| [토론] | 데이터는 사실성이 강하므로 굳이 토론 절차 없이도 타협을 이뤄낼 수 있을 것 같다. |
|
|
|
|
|
