5. Data Communication Group ‹#›
평균연봉이 2014년에
왜 유독 급상승 했을까? 연봉을 많이 받는 만큼
성적도 좋을까?
대박 FA, 먹튀, FA 대어
무슨 말일까?
누가 제일 많이 받고,
많이 받는다면
얼마나 많이 받을까?
한국 프로야구 선수
궁금하다 !
5/38
6. Data Communication Group ‹#›
FA 선수의 비밀
한국야구위원회(이하 KBO)가 정한
일정 자격 요건을 갖춘 선수
모든 구단과 선수계약을 체결할 수 있는 권리를 취득한 선수
9년 동안
프로야구 1군무대에서
꾸준한 활동을 보인 선수!
523 억 5천 만원
2014 FA선수 총 계약금
9 억
2014 FA선수 평균 연봉
평균연봉 1억 돌파의 비밀
6/38
7. Data Communication Group ‹#›
FA 선수의 비밀
1999년 처음 시행, 2000년 시즌부터 FA계약 성사
135번의 FA 자격을 획득한 선수 중
131회 계약 성사 (야수 90명, 투수 41명)
총 2150억 규모
평균 연봉 5.39억
(야수평균:5.77억 / 투수평균:4.55억)
역대 최고금액 롯데 강민호
4년 75억, 연봉 18.75억
2014년
투수 최고금액 롯데 장원삼
4년 60억, 연봉 15억
2014년
FA 선수 기본 정보
평균나이 34.7세
최고령 41세
최저령 28세 - 정수근
전체등록선수 약 2300 명
FA기간미달 약 570 명
FA가능선수 약 1730 명
FA취득선수 135 명
FA확률 7.80%
FA 선수들의 몸값 분석 01
7/38
8. Data Communication Group ‹#›
FA 선수의 비밀
구단 비율 지출액 (억 원)
삼성 20.94% 450.1
LG 14.41% 309.85
롯데 13.62% 292.85
한화 12.38% 266.2
SK 11.45% 246.1
기아 + 해태 10.49% 225.1
두산 6.12% 131.58
NC 5.14% 110.5
넥센 2.56% 55
현대 2.89% 62.1
100.00% 2149.83(억 원)
FA 선수들의 몸값 분석 02
8/38
9. Data Communication Group ‹#›
고액 연봉, 받는 만큼 잘 할까?
FA 선수의 비밀
기간
FA 자격 취득 전 성적
VS
FA 계약기간 성적
FA 자격 후
계약한 131명
투수) 방어율
타자) 타율 + 장타율
(*출루율은 KBO 기록 산재로
수집에 어려움이 있어 제외)
대상 성적
어떤 기준으로 평가할까?
9/38
10. Data Communication Group ‹#›
73%
27%
성적 하락
성적 상승
FA 선수의 비밀
131명의 선수 중
아직 FA후 기록 없는 선수 제외
112명의
성적변화를 계산한 결과
30명 성적상승
26.8 %
82명 성적하락
73.2 %
112명
성적변화 분석
10/38
14. Data Communication Group ‹#›
데이터 속에 당신과 세상의 이야기가
숨겨져 있다.
SNS의
활성화
무한한
인터넷 자료
공공데이터
개방
빅데이터
시대
ㅍ ㅍ ㅍ ㅍ
데이터 스토리텔링의 등장
14/38
15. Data Communication Group ‹#›
Data maketh Story
사람들이
사건이 발생하는 순서대로
따라갈 수 있는 방식으로
묶은 것
Data makes
the Story (퀀틸리언 = 조의 1만 배, 100경)
데이터의
폭발적인 양적 증가,
복잡성, 식별 불가능한 출처
매일 2.5 퀀틸리언 바이트의
엄청난 양의 정보가 쏟아짐
2.5 퀀틸리언
바이트
즉, 흩어져있는 데이터에
관계를 부여하는 것
데이터가 스토리를 만든다01
15/38
16. Data Communication Group ‹#›
신선한 데이터
데이터의 속성과
맥락을 읽는 친화력
다른 사람을 생각하는
배려심과 미적감각
Data maketh Story
01 데이터가 스토리를 만든다
데이터 스토리텔링을 위한 필수 조건
16/38
17. Data Communication Group ‹#›
Raw
데이터
시각화의 역할
02
정보화
infomation
인사이트
상품 / 서비스
활용
수집/분석
가공
상품화
데이터가 기회가 되는 과정
17/38
18. Data Communication Group ‹#›
시각화의 역할
데이터가 기회가 되는 과정
02
정보화
infomation
Raw
데이터
인사이트
상품 / 서비스
콘텐츠 활용
수집/분석
가공
상품화
데이터 시각화 데이터 시각화 데이터 시각화
데이터 스토리텔링의 가치를 높여주는 시각화
18/38
23. Data Communication Group ‹#›
뉴스젤리의 미션
데이터를 통해서
시각적으로 사람들의
궁금증을 해결합니다
z
뉴스젤리의 약속
뉴스젤리는 보는 것 만으로도
누구나 빅데이터를 이해할 수 있고
z
클릭 몇번 만으로도
빅데이터를 사용할 수 있게 하겠습
니다
z
23/38
24. Data Communication Group ‹#›
정보제공자 입장에서 텍스트로
전달하기 힘든 대량의 정보를
시각적으로 보기 좋게 표현하는 방법
매체에서 주로 목적을 두는
인포그래픽
정량적 데이터를
시각적으로 보기좋게
사용자관점에서 주어진 정보를 해석하고,
‘의미있는 정보’들을 임팩트있게 전달
관계, 흐름, 구조, 시나리오 등
매우 다양한 상황을 입체적으로
그려낼 수 있도록 기획
데이터를 해석하고
입체적으로 보여주기
뉴스젤리 데이터 스토리텔링
01
24/38
25. Data Communication Group ‹#›
비주얼
스토리텔링
기획
빅 데이터
수집 분석
(소설 / 공공데이터
데이터 기반
시각화
(디자인 / 웹 개발)
뉴스젤리 프로세스
01
25/38
26. Data Communication Group ‹#›
트위터 데이터 수집
버즈량 분석으로
일별 인기 키워드 선정
트윗 텍스트마이닝
시각화 템플릿 자동화
제작과정
콘텐츠 소개 / 뜨거운젤리
02
26/38
http://newsjel.ly/issue/hotjelly_mar_4th/
27. Data Communication Group ‹#›
콘텐츠 소개 / 인터렉티브 인포그래픽 01
03
우리가 그 시절 사랑했던 게임들, 하나의 추억이자
문화로 자리잡은 게임의 역사에 대해 반추
게임 히스토리 데이터 수집
1990년대부터 현재까지의 게임들을 장르에 따라 구분하고
시계열로도 구분하여 게임의 역사를 알기 쉽게 표현.
실제 게임을 하는 것처럼 진행되는 인터렉티브 작업으로,
게임들에 별점을 매길 수 있는 평가 시스템도 도입.
지루하지 않게 정보를 얻을 수 있는 작업.
z
z
Game is not over
우리들의 게임은 끝나지 않았다.
27/38
http://interactive.newsjel.ly/game
28. Data Communication Group ‹#›
콘텐츠 소개 / 인터렉티브 인포그래픽 02
03
카트 속 다른 세상
- 소득수준에 따른 먹거리 빈부레포트
•대한민국 상위1%와 하위9.1%절대
빈곤층 식탁의 차이는 어떨지 보여주는
인터렉티브 인포그래픽.
•단순 식료품 구입의 차이부터 지출 비
용, 먹거리에 따라 확연히 다른 건강 상
태까지 알 수 있음
28/38
http://interactive.newsjel.ly/seoulnews
29. Data Communication Group ‹#›
콘텐츠 소개 / 빅데이터 인포그래픽 01
04
올 한해 SNS에서 가장 많이 언급된 재벌 혹은 부자는 누구일까?또 그들에 대해 어떤 언급이 주를 이뤘을까?
재벌들에 관한 SNS분석을 바탕으로 관심도와 핵심 이슈들을 모니터링
29/38
http://newsjel.ly/issue/famous_rich/
31. Data Communication Group ‹#›
콘텐츠 소개 / 빅데이터 인포그래픽 02
04
세월호 침몰 사고 이후 가족과 아이를 지키기위해
부당하거나 합리적이지 못한 정책 / 방향에
적극적으로 목소리를 내기 시작한 엄마들.
앵그리맘의 발생원인, 현살에 대한 빅데이터
분석 및 시각화.
z
Angry Mom 앵그리 맘
31/38
http://newsjel.ly/issue/different_mom/
32. Data Communication Group ‹#›
콘텐츠 소개 / 빅데이터 인포그래픽 02
04
32/38
http://newsjel.ly/issue/different_mom/
33. Data Communication Group ‹#›
콘텐츠 소개 / 빅데이터 인포그래픽 03
04
34/38
http://newsjel.ly/issue/drink/
• 남녀가 생각하는 '술'은 어떻게 다를까?
• 여자에게 맥주와 소주는 안주를 더 맛있게 먹기 위한 수단
• 남자들은 맥주는 여자친구와, 소주는 친구들과 마신다는 결과
• 핫플레이스는 홍대와 여행지인 제주도!
남녀가 생각하는 ‘술'
34. Data Communication Group ‹#›
콘텐츠 소개 / 빅데이터 인포그래픽 04
04
취업신조어
- 사원을 위한 회사는 없다.
•자기계발서 열풍으로 본 대한민국 20대 청춘들의
위치, 상황에 대해 말해주는 인포그래픽
•자기계발서 텍스트, 잡플래닛 기업리뷰 평가 데이
터 분석 및 시각화
35/38
http://newsjel.ly/issue/research_worker/
35. Data Communication Group ‹#›
콘텐츠 소개 / 빅데이터 인포그래픽 04
04
36/38
http://newsjel.ly/issue/research_worker/
36. Data Communication Group ‹#›
최상의 재료
적절한 레시피
타겟의 특성
기계적으로 생산된 데이터를
우리의 삶에 맞게 의미있게 만드는 작업
뉴스젤리에게 데이터 스토리텔링이란?
37/38