<R로 하는 빅데이터 분석> 개정판이 나왔네요. 개정판이 1년도 안되어 나온것은 그만큼 빠르게 변하는 상황을 반영한것일수도 있고, 저자가 1판을 내고, 아쉬웠던 부분을 보강한 것일수도 있습니다. 그만큼 저자분이 이 책에 대해 애정을 보이신 상황일겁니다. 그렇다고 1판과 개정판과 사이에 엄청난 차이가 있는 것은 아닙니다. 데이터구조, 날짜와 시간,문자열 등을 보완했고, 부록부분을 충원시켰습니다. 좀더 완벽해지기 위한 조치겠네요. 이 책은 데이터를 한번이라도 처리해보신 분은 알겠지만 전처리가 일의 80%는 되겠죠. 나비같은 거죠. 애벌레에서 10년가까이 있다가 나비로 잠시사는 그 인생말입니다. 그리고 나머지는 7%분석과 13%시각화입니다. 지난한 전처리과정을 설명하고 분석은 기술통계량을 살짝 두루고 시각화로 ggplot2를 다루게 됩니다.

저자는 서울대 물리학과는 나와서 동대학교 인지과학박사 김권현입니다. R패키지 mirt의 공헌자라고 합니다. 한국인으로 R패키지에 참여한 사람들이 많지 않은데요. dplyr 패키지와 moonbook패키지 정도가 한국인이 만든 걸로 유명하다고 저도 들었습니다. 이 분이 내신 책중에 <기초 통계학의 숨은원리>라고 있습니다. 이렇게 역량있는 분의 통계학 강의는 한번 들어보고 싶어집니다.

이 책은 빅데이터를 처리하는 과정입니다. 언어는 R이고요. 통계학에서는 유료통계프로그램인 SPSS보다 이제는 공개플로그램R을 좀더 많이 사용하지 않을까합니다. 통계에 특화된 언어죠. 파이썬으로도 처리할 수있지만, 파이썬은 랭귀지언어지만, R은 언어라기보다는 프로그램입니다. 언어의 탈을 쓴 통계도구입니다. 그렇다고 파이썬이 하는걸 대부분 처리할 수있는것으로 압니다. 다만 속도면에서 아쉽다는 이야기를 듣지만, 진정한 빅데이터를 다루기전에는 할수있는 소리가 아니죠. 빅데이터를 가르치는 진실한 분들은 아세요. 빅데이터를 다루려면 결과를 보는 연산을 돌리면 최소 10분이상이라도 걸려야 하지않을까요. 그러므로 R을 사용하셔도 파이썬에 비해 큰 무리는 없습니다. 그리고 그 부분은 다른 영역이고 데이터분석에 있어서는 R은 빅데이터처럼 큰 연산에도 큰 문제는 없는 것으로 압니다. 데이터분석에는 R이 최적화되어 있습니다.

이 책은 생짜초보를 위주로 쓴 책은 아닙니다. 그래서 R프로그램설치와 R-STUDIO설치법에 대한 내용은 건너뜁니다. R프로그램은 패키지로 기능을 수행하도록해두었습니다. psych, magrittr, dplyr,ggplot2,stringr 등 다양한 패키지를 소개하고 사용법과 적용법을 설명을 합니다. dplyr은 전처리에 있어서 groupby, select, filter 함수를 사용할수있게 하는 필수 패키지라 여러번 반복해서 사용법을 익혀야 합니다.

그리고 날짜처리와 팩터형의 이해 등은 짧지만 중요한 것들을 액기스만 연속적으로 다루어집니다. 그리고 문자열 패턴을 사용하기 위해서는 정규표현식을 사용해야 합니다. 사용자들끼리 필요한 약속이라고 할수있습니다. 책에서는 제어문과 함수에 대해서는 비중이 크기 않습니다.

<R로 하는 빅 데이터분석>이 좋은 책이고 필요한 부분을 담아 있는 것은 사실이지만 이 책을 통해 다른 책으로 나가는 동인을 수있는 점도 장점입니다. 설마 R한권으로 그 모든 프로그램을 다 파악할 수도 없습니다. 당연히 자신이 하고자하는 방향에 따라, 데이터크로링, 분석을 위한 통계작업, 시각화도 정말 다양한 무궁무진해 보일 정도로 다양한 시각화방법이 존재합니다. 살짝 아쉬운 점은 설명이 안다고 여기고 넘어가는 설명이 보이기도 합니다만, 인터넷검색을 통해 극복가능할 겁니다. 끝으로 이 책은 시작이고, 씨앗일겁니다. 아직 저도 초보티가 팍팍나고 있기에 행렬부분을 좀더 보강을해야 합니다만. ㅠㅠ 데이터분석을 좀더 성숙하게 하는 데 큰 도움이 되었습니다.