Allen's 데이터 맛집

이번 포스트에선 Power Apps에서 자주 쓰이는 컬렉션에 데이터를 추가하고, 갤러리에 즉시 반영하는 코드를 다룹니다.현업 앱 개발 중 “+추가” 버튼을 누를 때 바로 데이터가 화면에 떠야 하는 상황,그리고 종종 만나는 오류와 빠른 해결법까지 정리했습니다.🏷️ 컬렉션에 행 추가 + 갤러리 바로 갱신하기// 버튼 OnSelect에 입력 Collect( colDailyTasks, LookUp(Task_DB, ID = GalleryTaskList.Selected.ID) ) colDailyTasks : 내가 쓰는 임시 데이터 컬렉션(갤러리의 Items 소스로 활용)Task_DB : 업무 항목 테이블(SharePoint, SQL, Excel 등)GalleryTaskList.Selected.ID : 사용자가 선..

이번 포스트에 제가 Power Apps 업무현황판을 개발하면서 정말 많이 썼던 날짜별 데이터 필터 기능의 Power FX 코드를 공유합니다.저도 처음엔 공식 문서보다 에러 메시지를 더 많이 봤는데, 시행착오를 짧게 줄일 수 있는 실전 팁이 되었으면 합니다.아래 코드는 업무 일지, 회의록, 일정 관리 등 “날짜별로 기록을 보는” 모든 앱에 바로 적용 가능합니다. 🗓️ 달력에서 선택한 날짜의 데이터만 보여주기✔️ 코드Items: Filter( Daily_DB, DateValue(DateOnly) = DateValue(DatePicker1.SelectedDate)) Daily_DB : 실제 데이터 소스(예: SharePoint, SQL, Excel Table 등)DateOnly : 데이터의 날짜 ..

이번 프로젝트는 데이터 분석가로서 제 역량을 한 단계 성장시킨 값진 경험이었습니다.1. 데이터를 다룬다는 것의 의미처음 데이터를 접했을 때, 그 안에 숨겨진 패턴과 정보를 찾는다는 것이 얼마나 복잡한 일인지 다시금 깨달았습니다.결측값과 이상치를 정리하며 데이터를 정제하는 과정이 얼마나 중요한지 실감했고, 깨끗한 데이터를 기반으로 분석을 시작하는 것이 프로젝트의 절반 이상을 차지한다는 것을 배웠습니다."데이터는 모든 문제 해결의 시작이다"라는 말이 이번 프로젝트를 통해 더 깊이 와닿았습니다.2. 분석에서 중요한 것은 '소통'이다머신러닝 모델을 구축하고 성능을 높이는 과정 자체도 흥미로웠지만, 그 결과를 직관적으로 전달하는 일이 더 어렵다는 것을 느꼈습니다.데이터 분석가는 단순히 결과를 내는 사람을 넘어, ..

EDA와 데이터 전처리를 기반으로, 공정 데이터를 학습해 품질 상태(정상/불량)를 예측하고, 모델 성능을 평가했습니다.프로젝트의 핵심인 머신러닝 알고리즘과 각 모델의 결과를 구체적으로 살펴보겠습니다.1. 머신러닝 모델 선택 기준이번 프로젝트의 주요 목표는 제조 공정 데이터에서 품질 상태를 정확히 예측하는 것이었습니다.이를 위해 다양한 머신러닝 알고리즘을 비교하고, 최적의 모델을 선정했습니다.사용한 알고리즘선형 회귀(Linear Regression):단순하고 해석이 쉬운 모델로, 변수 간 선형 관계를 학습.의사결정 나무(Decision Tree):비선형 관계를 학습하며, 변수 간의 계층적 분류에 강점.랜덤 포레스트(Random Forest):여러 개의 의사결정 나무를 조합하여 예측 성능을 높이는 앙상블 학..