일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- 구글애널리틱스
- 데이터 분석
- 티스토리
- ㅂㅂ
- 기사스크랩
- 벚꽃개화시기
- 영화 올드 줄거리
- 코딩
- 독서
- 알파줄거리
- 데이터문해력
- 감사인사
- 니다
- Python
- 얼음여왕
- 수명예측 인공지능
- 구글애널리틱스4
- 명상
- 프로그래머스
- GA
- 채용공고
- 미라클 모닝
- 6시 기상
- 코오롱베네트
- Google Analytics
- GA4
- 벚꽃
Archives
- Today
- Total
Data Analyst KIM
[D+17] 미라클 모닝(06:10~) 본문
반응형
1. 명상
https://youtu.be/G5ON8BsvrS4?si=MjLM94y09EUbFXns
2. 감사 인사
- 이웃 할머니 집에서 불이났지만 소방관들이 빠르게 진압을 해주신 것에 감사합니다.
- 빠르게 판단하여 강아지를 데리고 나올 수 있음에 감사합니다.
- 어머니와 함께 탁구를 치면서 취미 생활을 가질 수 있음게 감사합니다.
3. 기사 스크랩
내 생각
신한카드의 많은 고객과 가맹점 데이터를 이용하여 3사의 기술을 토대로 생성형 AI 기술 등을 산업별로 특화하는 서비스를 만드는 것을 보며, 데이터의 확보의 중요성을 느꼈다. 얼마나 양질의 데이터를 가지고 있느냐에 따라서 미래의 생존이 달려있다. 다른 금융권 역시 이를 위해서 데이터를 확보하고 있고 협력을 하려고 하고 있을 것이다. 고객 맞춤형 서비스, AI 어시스턴트 시스템 등을 구축하는데 용이할 것이다.
4. SQL 문제 풀기
사이트 : 프로그래머스
문제 : 오프라인/온라인 판매 데이터 통합하기
(SELECT DATE_FORMAT(SALES_DATE, "%Y-%m-%d") AS SALES_DATE, PRODUCT_ID, USER_ID, SALES_AMOUNT
FROM ONLINE_SALE
WHERE SALES_DATE LIKE '2022-03%'
UNION
SELECT DATE_FORMAT(SALES_DATE, "%Y-%m-%d") AS SALES_DATE, PRODUCT_ID, NULL AS USER_ID, SALES_AMOUNT
FROM OFFLINE_SALE
WHERE SALES_DATE LIKE '2022-03%')
ORDER BY SALES_DATE, PRODUCT_ID, USER_ID
반응형
'일상 > 미라클 모닝' 카테고리의 다른 글
[D+19] 미라클 모닝(07:00~) (0) | 2024.02.02 |
---|---|
[D+18] 미라클 모닝(07:00~) (0) | 2024.02.01 |
[D+16] 미라클 모닝(06:00~) (0) | 2024.01.29 |
[D+15] 미라클 모닝 루틴(주말) (0) | 2024.01.27 |
[D+14] 미라클 모닝(06:00~) (0) | 2024.01.26 |