데이터 검증과 반복 정제 — DAG 의 단계 3·4 (Buisson Ch.4.3-4.5)

1 정의

정의: DAG 의 단계 3·4

DAG 구축 4 단계 레시피의 후반부 (Buisson, 2021, Ch.4):

3. 반복 (Iterate)
   ├── 미관측 변수의 Proxy 식별
   ├── 추가 원인 탐색 (외부 변수)
   └── 새 변수 추가 시 위 단계 재실행

4. 단순화 (Simplify)
   ├── 무관한 chain 축약
   ├── Slicing/Aggregating 으로 가독성 ↑
   └── Cycle breaking

이 단계는 수렴 (convergence) 까지 반복. 새 변수를 추가해도 분석 결과가 거의 변하지 않으면 멈춤.

직관 — 왜 단계 3·4 가 어려운가

분석가의 자연스러운 함정:

• 너무 일찍 멈춤: 단계 1~2 후 “충분하다” 판단. 잔여 confounding 큼.
• 너무 늦게 멈춤: 끝없는 반복. 작업 완료가 안 됨.
• 단순화 회피: 정확성 추구로 인해 모든 변수 유지. 보고서가 읽히지 않음.

대신 권장:

• 변수 추가의 수익 체감 (decreasing returns) 을 인식
• 단순화는 분석 마지막에 한 번 통째로
• “충분히 좋은” CD 가 “완벽한” CD 보다 가치

→ Buisson 표현: “perfection is the enemy of done.”

2 단계 3-1: 데이터 검증 도구

2.1 도구 선택 매트릭스

변수 유형별 통계 도구

변수 1	변수 2	도구	출력
수치	수치	Pearson 상관	\(r \in [-1, 1]\)
Binary	Binary	Pearson 또는 Cramer’s V	\(r\) 또는 \(V\)
범주 (3+ 수준)	범주 (3+ 수준)	Cramer’s V	\(V \in [0, 1]\)
수치	범주	Group Means + ANOVA	F 통계량, \(\eta^2\)
수치	Binary	Point-biserial 상관 (= Pearson)	\(r\)

해석 임계값: Treatment ↔︎ Outcome 의 연관 강도와 같은 자릿수 이상 → 회귀 포함 후보.

직관 — Buisson 의 dirty trick

“Binary 변수를 0/1 로 처리하고 Pearson 상관 계산. 결과가 Cramer’s V 와 매우 가깝다.”

이 trick 이 왜 작동하는가:

• Binary 변수는 분포가 단순 (두 점)
• Pearson 의 가정 (정규성) 위반이지만 이진의 경우 부분적으로 유효
• Cramer’s V 는 binary-binary 일 때 Pearson 의 절댓값과 거의 동일

→ 분석가가 “통계학자에게는 비밀로 하고” Pearson 으로 binary 처리. 코드 단순화.

Production 분석에서는 정확한 도구 (Cramer’s V) 를 사용하지만, 1차 탐색에서는 Pearson 으로 충분.

2.2 호텔 사례의 상관 행렬 분석

수치 변수 상관

	NRD	Cancel	Children	ADR	PrevCancel	RepGst	Year
NRD	1.00	0.16	-0.03	-0.04	0.15	-0.02	-0.02
Cancel		1.00	0.06	0.13	0.13	-0.09	0.09
Children			1.00	0.34	-0.03	-0.05	0.03
ADR				1.00	-0.07	-0.16	0.19
PrevCancel					1.00	0.25	-0.12
RepGst						1.00	0.02
Year							1.00

Treatment (NRD) ↔︎ Outcome (Cancel): 0.16

임계값 0.1 적용:

• 포함 후보: PrevCancel (0.15, 0.13), ADR (0.13)
• 잠재 후보: Children (0.06), RepGst (-0.09), Year (-0.02, 0.09)

직관 — 행렬 읽기 전략

분석가의 시선 흐름:

1. Treatment 행과 Outcome 행 먼저 — 1순위 후보 식별
2. 변수 간 강한 상관 다음 — 다중공선성·집계 후보 (Children-ADR 의 0.34)
3. Treatment·Outcome 외 변수의 변수: 무시 (지금은) — 단계 3 의 “추가 원인” 탐색에서 다룸

이 흐름이 효율적. 모든 셀을 동등하게 보면 시간 낭비.

2.3 범주 변수 — Cramer’s V 행렬

호텔의 범주 변수

	NRD	Cancel	DistCh	MktSeg	CustTyp	PrevCan	RepGst	Country	Quarter
NRD	1.00	0.16	0.03	0.28	0.01	0.15	0.02	0.15	0.03
Cancel		1.00	0.15	0.22	0.13	0.13	0.09	0.16	0.07
DistCh			1.00	0.73	0.09	0.14	0.35	0.16	0.07
MktSeg				1.00	0.33	0.17	0.4	0.17	0.07
CustTyp					1.00	0.07	0.11	0.11	0.06

발견:

• DistCh ↔︎ MktSeg = 0.73 — 거의 동일 정보. 하나만 사용
• Quarter 모든 변수와 V < 0.1 — 제거 후보
• CustTyp ↔︎ MarketSeg = 0.33 — 중간 다중공선성

직관 — Quarter 제거의 의미

Quarter 가 다른 변수와 V < 0.1 → 분기별 패턴이 약함.

비즈니스 함의:

• 호텔의 NRD·취소 패턴이 계절성을 거의 보이지 않음
• “여름 휴가철 NRD 정책” 같은 계절 의존 가설 기각
• 계절성을 보고 싶으면 더 작은 단위 (월, 주) 로 변수 만들어야

CD 갱신:

Quarter 제거
[Seasonality] (미관측, 추후 연구) ──→ NRD, Cancel

미관측 노드로 남기면 추후 더 정밀한 시간 변수 (월별 dummy) 로 검증 가능.

2.4 수치-범주 — Group Means + Bootstrap CI

ADR 의 CustomerType 별 평균

df.groupby("CustomerType")["ADR"].mean()

CustomerType	ADR (평균)
Contract	$93
Group	$84
Transient	$110
Transient-Party	$88

Transient 가 다른 그룹보다 ~$20 높음 — 강한 차이.

직관 — Bootstrap 으로 신뢰성 점검

평균 차이가 진짜인지, 표본 잡음인지 점검:

import numpy as np

def bootstrap_ci(values, n_iter=1000, alpha=0.05):
    means = []
    for _ in range(n_iter):
        sample = np.random.choice(values, len(values), replace=True)
        means.append(np.mean(sample))
    lower = np.percentile(means, 100 * alpha / 2)
    upper = np.percentile(means, 100 * (1 - alpha / 2))
    return lower, upper

# Transient
transient_adr = df[df["CustomerType"] == "Transient"]["ADR"]
lo, hi = bootstrap_ci(transient_adr)
print(f"Transient ADR 95% CI: [{lo:.2f}, {hi:.2f}]")

CI 가 다른 그룹의 평균과 겹치지 않으면 → 통계적으로 유의한 차이.

Buisson 의 권장: Bootstrap 은 분석가의 친구. 평균·차이·신뢰구간 모두 한 도구로. (자세한 내용은 Ch.7 — Phase A-BUI7 시리즈에서.)

2.5 검증 후의 CD

1차 검증 결과

Customer Type, Market Segment       Year
Distribution Channel  ↓               ↓
       ↓             ↓               ↓
       │             │               │
       │       PrevCancel ───────────┤
       │       IsRepeatedGuest       │
       │       Children              │
       │       ADR                   │
       │       Country               │
       │             ↓               │
       └────→ NRDeposit ──→ IsCanceled
                       ↗

(Quarter 제거됨)

검증 단계의 가정 (단순 상관 = 인과) 의 한계: “변수 간 상관 자체가 confounded 일 수도 있음.”

예: PrevCancel 과 Personal Char 의 상관이 IsRepeatedGuest 를 통해 매개될 수도. 그러나 우리 분석 대상 (NRD → Cancel) 에 영향 없으면 무시 가능.

→ “흰 거짓말 (white lies)”: 정확하지 않지만 분석에 충분.

3 단계 3-2: Proxy 식별

3.1 미관측 변수의 Proxy

Proxy 정의

Proxy 변수: 미관측 변수의 효과를 부분적으로 캡처하는 관측 변수.

호텔 사례:

[Conscientiousness] (미관측)
        ↓             ↓
[ConfirmEmail]      IsCanceled
   (관측 — proxy)
        ↓
   IsCanceled

• 성실한 사람이 (1) 확인 이메일 요청 ↑, (2) 취소 안 함
• 확인 이메일은 성실성의 행동적 흔적 (proxy)
• 회귀에 ConfirmEmail 포함 → 성실성 일부 통제

직관 — Proxy 가 완벽하지 않은 이유

확인 이메일 요청은 여러 원인이 있다:

• 성실성 (의도 진지)
• 디지털 친숙도 (디지털 채널 익숙)
• 일정 정확성 필요 (직무상)

만약 회귀에 ConfirmEmail 만 넣으면, 성실성 외 다른 효과도 잡힘. 부분 통제.

→ Proxy 는 잔여 confounding 감소 도구. 완전 제거 아님.

다중 proxy 사용 가능 — 같은 미관측 변수에 대한 여러 proxy 를 동시에 회귀에 포함하면 더 깨끗한 통제.

3.2 Proxy 식별의 절차

워크플로

1. 미관측 변수 목록 (CD 의 음영 노드)
2. 각 미관측에 대해 brainstorm:
   • 이 trait/intent 이 강하면 어떤 행동을 더 할까?
   • 어떤 데이터가 그 행동의 흔적?
3. 데이터 검증: 후보 proxy 와 미관측의 (가설적) 효과 점검
4. 회귀 포함: 검증된 proxy 를 회귀에

호텔 사례:

미관측 변수	Proxy 후보	근거
Conscientiousness	ConfirmEmail, EarlyCheckIn, NoLastMinuteChange	성실 행동의 흔적
TripReason (휴가)	Children, StayLength, Q3Q4	휴가 패턴
TripReason (출장)	CorporateCard, MidWeekCheckIn	비즈니스 패턴
Risk Tolerance	ADR (가격 수용), CancellationProtect 거부	위험 수용

3.3 행동 페르소나 (Behavioral Personas)

직관 — Proxy 의 묶음으로 페르소나

여러 proxy 를 묶어 의미 있는 페르소나 생성:

Conscientiousness + IsRepeatedGuest + ConfirmEmail
            ↓
     "Recurring Business Traveler" (binary)
            ↓
       NRDeposit, IsCanceled

이 페르소나가 회귀의 단일 변수로. 비즈니스 의사결정에 직접 매핑.

페르소나의 가치:

• 분석가가 도메인 직관을 데이터로 검증
• 마케팅·운영 팀에게 의미 있는 단위
• 정밀한 미관측 trait 보다 페르소나가 더 안정적

→ Buisson 의 권장: “원시 변수 → 페르소나 → 회귀” 의 3 단계.

4 단계 3-3: 추가 원인 탐색

4.1 외부 변수 (Outer Variables)

정의

Outer Variable: CD 에서 부모 (parent) 가 없는 노드. 다른 변수의 영향을 받지 않는 변수.

호텔 사례에서 outer 변수:

• Year (시간 — 부모 없음, 자명)
• 인구통계 (Country, 등) — 더 깊은 trait 가 있을 수 있지만 보통 outer 처리

새 confounder 가능성:

“Outer 변수 A 가 NRD 만 영향, B 가 Cancel 만 영향. A 와 B 의 공통 원인 C 가 있다면, C 가 NRD 와 Cancel 의 confounder.”

직관 — 추가 원인의 가치

Year 의 부모가 없으니 그쪽은 끝. 그러나 다른 outer 변수 (예: Country) 의 부모는 있을 수 있다:

• Country 의 원인: 호텔 마케팅 지역 전략, 항공 노선, 국경 정책
• 이 원인들 중 어떤 것이 NRD 또는 Cancel 의 직접 원인일 수 있음 → 추가 confounder

→ CD 를 “외부로” 확장하면서 새 confounder 발굴.

그러나 수익 체감: 외부로 갈수록 분석 대상과 연관 약해짐. 1~2 단계 외부 정도면 충분.

4.2 반복의 종료 조건

언제 멈출까

수렴 기준:

• 새 변수 추가 시 NRD 의 추정 OR 변화 < 5%
• 새 후보 변수의 Treatment·Outcome 상관 < 임계값
• 도메인 직관으로 더 떠올릴 변수 없음

이 중 하나가 충족되면 단계 3 종료.

직관 — 진정한 수렴 vs 분석가의 피로

분석가가 “수렴” 으로 착각하지만 실제로는 분석가의 피로 인 경우가 많다.

• 새 변수 brainstorm 에 노력 들기 어려움
• “충분하다” 핑계로 일찍 종료
• 잔여 confounding 큼

해결:

1. 분석가가 동료에게 “5분 brainstorm” 요청
2. 도메인 전문가 인터뷰 (변수 후보 추가)
3. 다른 회사·연구의 사례 참조

→ 외부 시각이 분석가의 사각지대를 보완.

5 단계 4: 단순화

5.1 단순화의 5 가지 도구

도구 매트릭스

도구	언제	효과
Chain Collapsing	매개 변수가 분석 대상이 아닐 때	CD 단순, 회귀 변수 ↓
Chain Expanding	진단 필요 (매개 효과 분리)	CD 정밀, 회귀 변수 ↑
Slicing	변수의 sub-component 가 다른 효과	정밀, 새 변수
Aggregating	같은 역할 변수 묶음	가독성 ↑
Cycle Breaking	Cycle 발생	시간 인덱싱 또는 약한 화살표 제거

각 도구의 적용은 E-BUI3-2, E-BUI3-3 에서 자세히.

5.2 호텔 사례의 단순화

분석에 무관한 변수 제거

검증 후 CD 에 남은 변수:

{IsRepeatedGuest, Children, Year, Country, ADR,
 CustomerType, MarketSegment, DistCh, PrevCancel}

이 중:

• IsRepeatedGuest, Children, Year: NRD 와 Cancel 양쪽으로 가는 화살표가 약함. PrevCancel 과 ADR 이 같은 정보 흡수. 제거 가능.
• Country, ADR: 강한 confounder. 유지.
• CustomerType vs MarketSegment vs DistCh: 강하게 상관. 하나만 (예: MarketSegment) 유지.
• PrevCancel: 핵심 confounder. 유지.

단순화된 CD:

[Personal Characteristics]    [Trip Reason]   [Cancel Reason]
       ↓                              ↓               ↓
       │                              │               │
   ┌──────────────────────────────────────────────────┐
   │   Country, ADR, MarketSegment, PrevCancel        │
   │              ↓                                    │
   │       NRDeposit ──→ IsCanceled                    │
   │                  ↗                                │
   └──────────────────────────────────────────────────┘

이게 최종 분석 CD. 회귀에 5 변수 (Country, ADR, MarketSegment, PrevCancel, NRD) 사용.

5.3 보고용 vs 분석용 CD

직관 — 두 종류의 CD

분석가가 두 CD 를 유지:

1. 분석용 CD (정밀): 모든 변수 포함, 미관측 노드까지. 분석가의 작업 도구.
2. 보고용 CD (단순): 핵심 confounder 만. 비즈니스 파트너에게.

분석용 (15 노드, 25 화살표) ← 분석가 사용
       ↓ 단순화
보고용 (5 노드, 6 화살표) ← 회의·문서

비즈니스 파트너가 “왜 이 변수만 통제했나” 질문 시:

• 보고용 CD 보여주고 핵심 설명
• 분석용 CD 는 부록으로 첨부 (요청 시)

→ CD 의 layered 표현. 청중에 따라 깊이 조절.

6 응용 — 다른 비즈니스 사례의 단계 3·4

6.1 이커머스 — 추천 효과의 단순화

풀 분석에서 단순 보고까지

분석 질문: “추천이 구매를 높이는가?”

분석용 CD (단계 1~3 후):

• Past Actions (구매 빈도, 카트 추가)
• Intentions (검색 의도, 가격 비교)
• Cognition (브랜드 인지)
• Personal (인구통계)
• Business (디바이스, 시간대, 페이지)
• Time (계절)

→ 약 15~20 변수.

단순화 (단계 4):

• 디바이스·시간대·페이지 → “Browse Context” 묶음
• 인구통계 → “Demographic Index”
• 검색 의도 (proxy: 검색 키워드 수) → 1 변수

보고용: 5 변수 + Treatment + Outcome.

6.2 SaaS — Onboarding 효과의 단순화

단순화 결과

분석 질문: “튜토리얼이 retention 을 높이는가?”

검증 후 핵심 변수:

• Past SaaS Experience (Past Actions)
• Job Role (Personal — proxy for intent)
• Signup Channel (Business)
• Cohort Month (Time)

단순화: 4 변수 + Treatment + Outcome. 모든 confounder 가 동시에 covariate.

→ “튜토리얼 효과 = Job Role·Signup Channel·Cohort 통제 후 retention 차이.”

이 한 문장이 보고용 결론.

7 코드 예시 — Python 으로 단계 3·4 시연

7.1 반복적 변수 추가의 효과 추적

import numpy as np
import pandas as pd
import statsmodels.api as sm

# 가상 호텔 데이터
np.random.seed(42)
n = 5000

# 미관측 trait
trait = np.random.normal(0, 1, n)

# 관측 변수 — trait 과 상관
country = (trait * 0.3 + np.random.normal(0, 1, n)).clip(-3, 3)
adr = trait * 0.5 + np.random.lognormal(4.5, 0.3, n) * 0.2
prev_cancel = (trait * 0.4 + np.random.uniform(-1, 1, n) > 0).astype(int)
market_seg = (trait + np.random.normal(0, 1, n) > 0.5).astype(int)

# Treatment (NRD) — trait 과 prev_cancel 영향
nrd_logit = -3 + 1 * trait + 1.5 * prev_cancel
nrd_prob = 1 / (1 + np.exp(-nrd_logit))
nrd = (np.random.uniform(0, 1, n) < nrd_prob).astype(int)

# Outcome — trait 과 prev_cancel 영향, NRD 진짜 효과는 0
cancel_logit = -1 + 0.8 * trait + 0.5 * prev_cancel
cancel_prob = 1 / (1 + np.exp(-cancel_logit))
cancel = (np.random.uniform(0, 1, n) < cancel_prob).astype(int)

df = pd.DataFrame({
    "NRD": nrd, "Cancel": cancel,
    "PrevCancel": prev_cancel, "MarketSeg": market_seg,
    "Country": country, "ADR": adr,
})

# 변수를 단계적으로 추가하며 NRD OR 추적
print("=== 변수 추가에 따른 NRD OR 변화 ===")
sequence = ["NRD", "+ PrevCancel", "+ MarketSeg", "+ Country", "+ ADR"]
features = []
for step, label in enumerate(sequence):
    if step == 0:
        features = []
    else:
        features.append(["PrevCancel", "MarketSeg", "Country", "ADR"][step-1])

    cols = ["NRD"] + features
    X = sm.add_constant(df[cols])
    m = sm.Logit(df["Cancel"], X).fit(disp=False)
    or_nrd = np.exp(m.params["NRD"])
    print(f"  Step {step}: {label:20s}  OR(NRD) = {or_nrd:.2f}")

직관 — 수렴 추적

예상 결과:

Step	모형	OR(NRD)
0	NRD 만	~5
1	+ PrevCancel	~3.5
2	+ MarketSeg	~2.8
3	+ Country	~2.4
4	+ ADR	~2.2

각 단계마다 OR 이 줄어듦. 수렴 추세가 보이면 멈춤.

남은 OR 2.2 가 진짜 NRD 효과인지, 잔여 confounding 인지 결정 못함. → 미관측 trait 가 통제 안 됨.

해결: RCT 또는 IV.

→ 이 코드가 분석가의 수렴 진단 도구. 변수 추가가 OR 을 거의 바꾸지 않으면 단계 3 종료.

7.2 Proxy 식별 시뮬레이션

# 미관측 trait 의 proxy 후보 식별
np.random.seed(42)
n = 5000

trait = np.random.normal(0, 1, n)

# 여러 후보 변수 (일부는 trait 과 상관)
proxy1 = trait * 0.7 + np.random.normal(0, 0.5, n)  # 강한 proxy
proxy2 = trait * 0.3 + np.random.normal(0, 0.7, n)  # 약한 proxy
proxy3 = np.random.normal(0, 1, n)  # 무관 (trait 과 독립)
outcome = trait * 1.0 + np.random.normal(0, 0.5, n)

df_proxy = pd.DataFrame({
    "trait": trait,
    "proxy1": proxy1,
    "proxy2": proxy2,
    "proxy3": proxy3,
    "outcome": outcome,
})

# Outcome 과 후보 상관
print("\n=== Proxy 후보 점검 ===")
for col in ["proxy1", "proxy2", "proxy3"]:
    r = df_proxy[col].corr(df_proxy["outcome"])
    print(f"  corr({col}, outcome) = {r:.3f}")

직관 — Proxy 강도 평가

예상 결과:

• proxy1 ↔︎ outcome: ~0.7 (강한 proxy)
• proxy2 ↔︎ outcome: ~0.3 (약한 proxy)
• proxy3 ↔︎ outcome: ~0.0 (무관)

proxy1 가 trait 의 효과를 가장 잘 캡처. 회귀에 포함 시 잔여 confounding ↓.

비즈니스 함의: 미관측 변수 (성실성) 의 강한 proxy (확인 이메일 요청) 가 회귀에 포함되면 잔여 편향 크게 감소.

7.3 단순화된 CD 시각화

import networkx as nx
import matplotlib.pyplot as plt

# 분석용 CD (전체)
G_full = nx.DiGraph()
G_full.add_edges_from([
    ("[Trait]", "PrevCancel"),
    ("[Trait]", "MarketSeg"),
    ("[Trait]", "Country"),
    ("[TripReason]", "NRD"),
    ("[TripReason]", "Cancel"),
    ("PrevCancel", "NRD"),
    ("PrevCancel", "Cancel"),
    ("MarketSeg", "NRD"),
    ("MarketSeg", "Cancel"),
    ("Country", "NRD"),
    ("Country", "Cancel"),
    ("ADR", "NRD"),
    ("ADR", "Cancel"),
    ("Year", "NRD"),
    ("Year", "Cancel"),
    ("NRD", "Cancel"),
])

# 보고용 CD (단순)
G_simple = nx.DiGraph()
G_simple.add_edges_from([
    ("Personal Char", "NRD"),
    ("Personal Char", "Cancel"),
    ("PrevCancel", "NRD"),
    ("PrevCancel", "Cancel"),
    ("ADR", "NRD"),
    ("ADR", "Cancel"),
    ("NRD", "Cancel"),
])

fig, axes = plt.subplots(1, 2, figsize=(16, 6))

# Full
pos_full = nx.spring_layout(G_full, seed=42)
nx.draw(G_full, pos_full, ax=axes[0], with_labels=True,
        node_color="lightblue", node_size=2000, font_size=8, arrows=True)
axes[0].set_title(f"분석용 CD ({G_full.number_of_nodes()} 노드)")

# Simple
pos_simple = nx.spring_layout(G_simple, seed=42)
nx.draw(G_simple, pos_simple, ax=axes[1], with_labels=True,
        node_color="lightgreen", node_size=2500, font_size=10, arrows=True)
axes[1].set_title(f"보고용 CD ({G_simple.number_of_nodes()} 노드)")

plt.tight_layout()
plt.savefig("cd_full_vs_simple.png", dpi=80)
plt.show()

직관 — 두 CD 의 의사소통 효과

분석용: 11 노드, 16 화살표 — 분석가의 사고 도구 보고용: 5 노드, 7 화살표 — 비즈니스 의사결정 도구

같은 분석이지만 청중에 따라 다른 표현. CD 가 layered 표현이라는 의미.

→ 분석 보고서에는 보고용 CD 가 본문, 분석용 CD 가 부록. 청중이 선택해서 깊이 조절.

8 5 단계 종합 — DAG 구축의 전체 레시피

DAG 구축 레시피 요약

1. 측정하려는 관계로 시작
   Cause of Interest ──→ Effect of Interest

2. 후보 변수 식별
   - 행동 과학·비즈니스 지식 활용
   - 6 카테고리 brainstorm
   - 데이터부터 보지 않음 (WYSIATI 함정 회피)

3. 데이터로 관측 변수 검증
   - Pearson 상관 (수치)
   - Cramer's V (범주)
   - Group means + Bootstrap CI (혼합)
   - VIF (다중공선성)

4. 반복적 확장
   - Proxy 식별 (미관측의 행동 흔적)
   - 추가 원인 탐색 (외부 변수)
   - 수렴까지 반복

5. 단순화
   - Chain 축약·확장
   - Slicing·Aggregating
   - Cycle breaking
   - 분석용 vs 보고용 CD 분리

목표: 현재 가진 데이터로 가장 좋은 인과 추정. 완벽한 CD 가 아닌, 사용 가능한 CD.

직관 — 누적적·전이적 작업

“이 절차는 매우 누적적이고 전이 가능하다. 한 분석에서 한 번 해두면, 그 비즈니스의 인과 관계 지식이 다음 분석에 재사용된다.”

— Buisson

첫 분석: 6주 소요 (모든 변수 brainstorm + 검증 + 단순화) 두 번째 비슷한 분석: 1주 (기존 CD 재활용 + 새 변수 보강) 신규 팀원 온보딩: 2일 (CD 와 변수 목록 받으면 시작 가능)

→ DAG 가 조직의 자산. 한 사람의 분석이 아니라 팀의 인과 추론 framework 가 됨.

9 관련 주제

9.1 Ch.4 의 형제 글 (Ch.4 완결)

• E-BUI4-0 DAG 0부터 짓기 overview — 4 단계 레시피 전체
• E-BUI4-1 비즈니스 문제와 후보 변수 식별 — 단계 1
• E-BUI4-2 변수 6 범주 분류 — 단계 1·2 깊이

9.2 후속 챕터

• E-BUI5-0 Deconfounding overview — Ch.5: DCC 와 Backdoor Criterion 으로 confounder 통제

9.3 이전 챕터

• E-BUI3-0 인과 다이어그램 도입 overview — CD 의 기본 구조
• E-BUI3-2 체인과 포크 구조 — Mediator·Confounder
• E-BUI3-3 충돌 변수와 경로 — Collider·Path

9.4 Hernan 정통 cross-link

• Causal_Inference/07 교란 — Confounding 의 학술적 정의
• Causal_Inference/04 관찰 연구와 식별 조건 — Confounder 통제의 식별성

9.5 카테고리 진입점

• Experimentation 학습 로드맵 — 11 Phase × 7 교재 매핑