[통계 기초] PPDAC model: 데이터 기반 문제 해결 과정

PPDAC 절차는 Problem(문제 정의) → Plan(계획) → Data(데이터 수집) → Analysis(분석) → Conclusion(결론) 과정을 거쳐 체계적으로 데이터를 활용하여 문제를 해결하는 방법론이다.

---

1. PPDAC 개요

---

2. PPDAC 적용 사례

(1) 실업률 분석

✅ Problem (문제 정의)

• 현재 국내 실업률은 얼마인가?

• 실업률의 정의는 무엇인가?

  • 한국: 경제활동인구(취업자 + 실업자) 중 실업자가 차지하는 비율.

  • 경제활동인구: 만 15세 이상 중 실제로 수입이 있는 일을 한 사람(취업자) + 일을 하지 않았으나 구직활동을 한 사람(실업자).

  • 비경제활동인구(예: 전업주부, 학생, 은퇴자)는 실업률 계산에서 제외됨.

✅ Plan (계획)

• 실업률을 어떻게 측정할 것인가?

  • 통계청의 고용조사 데이터를 활용.

  • 성별, 연령대별, 산업별 실업률도 분석.

✅ Data (데이터 수집)

• 한국의 실업률 관련 데이터 수집:

  • 통계청, 노동부, 한국은행 등의 공공데이터 활용.

  • 지역별, 성별, 연령별 실업률 데이터를 확보.

✅ Analysis (분석)

• 실업률 변화를 분석.

• 특정 산업(IT, 제조업 등)의 실업률 비교.

• 청년 실업률과 중장년 실업률 차이 분석.

• 계절적 변동 패턴 확인 (예: 졸업 시즌 이후 실업률 상승).

✅ Conclusion (결론 도출)

• 실업률 상승 원인 분석.

• 정부 정책(예: 청년 고용 지원책)의 효과 평가.

• 기업의 고용 트렌드 변화 파악.

---

(2) 지구상의 나무 개수 추정

✅ Problem (문제 정의)

• 지구상에는 나무가 몇 그루 있는가?

• "나무"의 정의는?

  • 사람 가슴 높이에서 잰 나무줄기 지름이 일정 이상이고 딱딱한 줄기를 가진 식물.

  • 지름이 일정 이상: 대부분의 국가에서는 10cm 이상을 기준으로 함.

✅ Plan (계획)

• 나무 개수를 어떻게 측정할 것인가?

  • 모든 나무를 직접 측정하는 것은 불가능.

  • 위성사진 + 지리적 데이터(GIS) + 표본조사를 활용.

  • 기후와 지형별로 샘플 지역을 설정해 단위면적당 나무 밀도를 측정.

✅ Data (데이터 수집)

• 약 43만 개의 tree density 측정 데이터 확보.

• 위성사진 및 GIS 데이터를 활용해 각 지역별 나무 밀도 예측.

✅ Analysis (분석)

• 통계 모델(음이항 회귀분석)을 사용해 지구 전체의 나무 개수 추정.

  • 변수: 강수량, 기후, 지형, 토양, 인간 활동 등.

  • 특정 지역의 나무 밀도를 바탕으로 유사 지역의 데이터를 예측.

✅ Conclusion (결론 도출)

• 지구상의 나무 개수: 약 3조 400억 그루 (오차범위: ±1,000억).

• 연간 150억 그루의 나무가 사라짐.

• 인류 문명이 시작한 이후 전체 나무의 46%가 감소.

---

6. 결론: PPDAC 활용의 중요성

PPDAC 절차를 따르면 데이터를 기반으로 문제를 명확히 정의하고 해결 방법을 체계적으로 분석할 수 있다.

✅ PPDAC 적용이 중요한 이유

• 명확한 문제 정의 → 애매한 개념(실업률, 나무, 성차별 등)의 정의 필요.

• 체계적인 계획 수립 → 어떤 데이터를 수집할지, 측정 방법을 정해야 함.

• 데이터 기반 분석 → 감이 아니라 객관적인 수치를 바탕으로 의사결정.

• 정확한 결론 도출 → 잘못된 해석(예: 심슨의 역설)을 방지하고 진짜 원인을 파악.

💡 데이터 분석은 감이 아닌, 체계적이고 논리적인 접근이 필수!