경험 기반 구체화
TV 데이터를 직접 분석한 경험은 없지만, 학교 시계열 데이터 수업에서 시청률·이상 징후 분석 케이스를 다뤘습니다. 시계열 데이터에서 트렌드를 파악할 때는 이동 평균이나 추세 분해를 써서 단기 노이즈와 장기 추세를 분리하는 것이 기본이라고 배웠습니다. 이상 징후 탐지에서는 Z-score나 IQR 기반 이상값 탐지를 먼저 적용한 뒤, 통계적 이상값이 실제로 비즈니스 이상인지 맥락으로 검증하는 단계가 중요합니다. 예를 들어 특정 시간대 시청률 급등은 단순 이상값이 아니라 주요 이벤트 방영의 결과일 수 있어서, 원인 구분을 하지 않으면 잘못된 경보가 반복됩니다. 보고 단계에서는 트렌드 변화의 맥락과 함께 어떤 이상 징후가 왜 주목할 만한지를 설명하는 것이 수치 나열보다 중요합니다.