내 첫 데이터 분석 프로젝트

Source: Dev.to

오늘 저는 의료 데이터셋을 활용한 첫 데이터 분석 프로젝트를 직접 진행했습니다.
먼저 데이터셋을 입수한 뒤 다음과 같은 과정을 거쳤습니다.

1. 데이터를 이해했습니다. 의료 데이터라서 환자 이름, 환자 수, 질병, 복용 약물, 혈액형 등 다양한 정보가 포함되어 있었습니다.

2. 데이터를 Power Query에 업로드해 정제했습니다.

   • 성별 컬럼에 male, female, m 세 가지 값이 있었는데, m을 male로 바꾸었습니다.
   • 혈액형 컬럼에 O-와 O‑ve 같이 일관되지 않은 표기가 있었으므로 O‑ve를 O-로, 다른 혈액형도 동일하게 정리했습니다.
   • 질병명은 대소문자가 뒤섞여 있었으니 각 단어의 첫 글자를 대문자로 바꿔 일관성을 맞췄습니다.
   • 청구 금액에 6452O처럼 알파벳 O가 들어간 오류가 있어 64520으로 수정했습니다.
   • 입원 유형에 emergency와 emer 두 가지 표기가 있었으니 emer를 emergency로 통일했습니다.
   • 연령 구간(조건부 열)을 추가했습니다. 조건은 : 30세 미만 → young, 60세 미만 → middle, 그 외 → senior.
     이렇게 데이터가 정리·준비되었습니다.

3. 피벗 테이블을 활용해 분석을 진행했고, 주요 결과는 다음과 같습니다.

   1. 입원 유형 분석
      • 선택적(elective), 응급(emergency), 긴급(urgent) 입원 환자 수를 비교했습니다. 응급 입원 환자가 가장 많았으며, 세 경우 모두 평균 청구 금액을 살펴보니 응급 입원 환자의 평균 청구 금액이 가장 높았습니다.
   2. 연령 구간 분석
      • 연령 구간별 환자 수를 확인한 결과, 중년(middle) 환자가 가장 많이 입원했습니다. 하지만 연령 구간별 평균 청구 금액을 보면, 노년(senior) 환자의 평균 청구 금액이 가장 높아 노인 치료 비용이 상대적으로 높다는 것을 알 수 있었습니다. (엑셀 시트에서 필터로 확인 가능)
   3. 보험 제공자 분석
      • Aetna, Blue Cross, Cigna, Medicare, United Healthcare 등 5개 보험사의 가입자 수를 조사했습니다. 가장 많은 환자가 Medicare에 가입했으며, Cigna 가입 환자의 평균 청구 금액이 가장 높았습니다. 또한 보험별로 질병 및 연령 구간에 따라 필터링했습니다.
   4. 약물 분석
      • 5가지 약물을 복용하는 환자 수를 살펴보니 Penicillin을 복용하는 환자가 가장 많았습니다. 하지만 Lipitor를 복용한 환자의 평균 청구 금액이 가장 높았습니다. 질병별 필터링 결과는 엑셀 시트에서 확인할 수 있습니다.
   5. 혈액형 분석
      • 혈액형별 환자 수를 분석한 결과, AB‑ negative(AB‑) 혈액형 환자가 가장 많았습니다. 혈액형별로 질병에 따라 필터링도 수행했습니다.
   6. 성별 분석
      • 남성과 여성 환자 수를 비교했을 때, 여성 환자가 병원에 입원한 비율이 더 높았습니다. 특정 질병별 남·녀 입원 환자 수는 질병 필터로, 연령대별 남·녀 비율은 연령 필터로 확인했습니다.
   7. 검사 결과 분석
      • 치료 후 검사 결과를 기준으로 환자 수를 살펴보니 대부분의 환자가 ‘비정상(abnormal)’ 결과를 보였습니다. 약물별로 필터링해 특정 질병 환자의 치료 후 상태도 확인했습니다.

이렇게 첫 번째 엑셀 프로젝트를 마무리했습니다.