## 배경

- 짧아진 디지털 생태계의 기술발전 사이클
- 생성형 AI
- 표준화된 데이터 분석 업무의 필요성
- 도구를 이용한 분석 업무의 표준화

## 우선 대상 기술

### 고려 사항

- Python 기반의 솔루션 우선 선정
- 기술의 성숙도 기준으로 선정
- 기술의 활용성 기준으로 선정

### 기술 목록

- ydata-profiling
- Shiny with python
- Quarto with python

## ydata-profiling

### ydata-profiling 소개

- 데이터 프로파일링을 위한 파이썬 라이브러리
- 데이터셋의 통계적 분석을 위한 EDA(Exploratory Data Analysis)를 위한 라이브러리
- Pandas Profiling 라이브러리의 후속 라이브러리

### Repository

- [ydata-profiling github](https://github.com/ydataai/ydata-profiling)

## Shiny with python

### Shiny with python 소개

- 데이터 분석 결과를 웹으로 공유하는 라이브러리
- Shiny를 사용하면 R로 작성된 분석 결과를 웹으로 공유할 수 있음
- [Dash](https://dash.plotly.com/), [Streamlit](https://streamlit.io/) 등의 파이썬 라이브러리가 있지만,
- R의 Shiny에 비해 기능이 부족함
- R의 Shiny를 Python에서 사용할 수 있도록 하는 라이브러리

### Repository

- [Shiny with python](https://shiny.posit.co/py/)

## Quarto with python

### Quarto with python 소개

- R Markdown은 RStudio에서 개발한 R 기반의 문서 작성 도구
- R Markdown을 Python에서 사용할 수 있도록 하는 라이브러리

### Repository

- [Quarto](https://quarto.org/)
- [Using Python](https://quarto.org/docs/computations/python.html)

## 리서치 R&R

- ydata-profiling
- 박선빈
- Shiny with python
- 소재우
- Quarto with python
- 김현미