---
name: 3-suspect
description: 분석 4단계의 ③ 의심. 결론을 내기 전에 데이터를 의심해야 할 때 사용한다. "이 숫자 믿을 수 있나", "함정 없나", "검증해줘", "이 결론 맞나", "EDA 해줘", "분포 봐줘", "이상치 확인", "왜 이렇게 나왔지", 급증·급감이 보이는데 원인이 불확실한 상황, 리포트를 쓰려는데 수치가 검증되지 않은 상황.
---

# ③ 의심 — 결론 내기 전에 데이터를 의심한다

분석 4단계의 세 번째. **이 단계가 분석가와 계산기의 차이다.** 집계는 코드가 하지만, "이 숫자가 진짜냐"는 여기서 판정한다.

> 한 줄: **자명해 보이는 숫자가 가장 위험하다.**

**산출물**: `eda_report.html` + `traps_check.md`
**앞 단계**: `datapopcorn-analysis:2-collect` (수집·정리)
**다음 단계**: `datapopcorn-analysis:4-report` (한 장 리포트)

---

## 순서

1. **EDA** — `3_eda.py`로 모양을 본다. 봐야 의심할 수 있다.
2. **함정 10개 판정** — 하나씩 자문하고 `traps_check.md`에 기록한다.
3. **걸린 것 처리** — 재집계로 고칠 수 있으면 고치고, 못 고치면 ④의 "한계" 카드로 넘긴다.

### 1. EDA — eda_report.html

| 볼 것 | 왜 |
|---|---|
| 컬럼별 분포 (히스토그램·박스플롯) | 평균 하나로 요약되지 않는 모양을 찾는다 |
| 이상치 (②에서 달아둔 플래그) | 지운 게 아니라 판정해야 할 것 |
| 결측 패턴 | 랜덤 결측인가, 특정 조건에서만 비는가 |
| 기간 커버리지 | 앞뒤가 잘려 있지 않나. 빈 구간 있나 |
| 핵심 지표 × 세그먼트 | 채널·유형·지점별로 쪼갠 첫 그림 |
| 시간축 추세 | 급변점이 어디인가 |

**②에서 넘어온 `preprocessing_report.html`의 "남은 문제" 항목을 먼저 확인한다.**

### 2. 함정 10개 판정

`hypothesis.md`의 핵심 지표와 판정 기준을 열어놓고, 아래 10개를 **결론 내기 전에** 하나씩 자문한다.

기록 형식 (`traps_check.md`):
```markdown
| # | 함정 | 판정 | 근거 / 조치 |
|---|---|---|---|
| 1 | 기준 기간 | 걸림 | 비교 기준이 설 연휴 포함 달 → 2~3월 평균으로 재계산 |
| 2 | 절대 vs 변화율 | 확인함 | 질문이 "어디가 빨리 느나"라 변화율이 맞음 |
| 3 | 표본 크기 | 걸림 | C채널 7건뿐 → 비율 표기 삭제, 건수로만 |
| 4 | 평균의 함정 | 확인함 | 중앙값 병기. 분포 단봉 |
| 5 | 상관 ≠ 인과 | 걸림 | 캠페인 시점과 겹치나 다른 변화도 있었음 → "동시 발생"으로 서술 |
```

**`해당없음` / `확인함(방법)` / `걸림(→ 조치)`** 셋 중 하나로 적는다. 빈 칸을 남기지 않는다.

---

## 공통 함정 5 — 모든 분석

1. **기준 기간** — 비교 기준이 비정상 시점(명절·비수기·이벤트 달·팬데믹 저점) 아닌가? 정상 기간과 다시 비교.
2. **절대 vs 변화율** — "제일 큰 것"과 "제일 빨리 느는 것"은 다르다. 질문에 맞는 지표인가.
3. **표본 크기** — 건수가 적은데(10건 미만) 비율(%)로 단정 안 했나. "전환율 50%"가 2건 중 1건일 수 있다. 가능하면 공식 집계로 교체.
4. **평균의 함정** — 평균 하나가 극단값·세그먼트 차이를 가리지 않나? 중앙값·분포도 같이 본다.
5. **상관 ≠ 인과** — 시점이 겹친다고 원인으로 단정 안 했나. "바꾼 것 말고 다른 변화는 없었나" 한 번 더.

## 검증 함정 5 — 한 단계 깊게

6. **단위 정의** — 집계 단위가 사람들이 실제 쓰는 단위인가? (조직도상 부서 vs 실제 일하는 팀, 계정 vs 사람, 행정구역 vs 브랜드) 단위를 잘못 잡으면 방향까지 뒤집힌다.
7. **지표 대리 오류** — 측정한 것이 알고 싶은 것의 **대리지표**일 뿐 아닌가? (클릭 ≠ 구매, 검색 ≠ 방문, 문의 ≠ 수요) 시차도 있다.
8. **소스 편향** — 소스 자체가 한 방향으로 쏠려 있지 않나? (리뷰·블로그의 긍정 편향, 특정 채널만 남는 셀프선택, 매체별 장르 쏠림) 불만·부재는 편향된 소스에서 찾을 수 없다.
9. **데이터 범위·상한** — API·추출본의 **기간·건수 상한**을 먼저 확인했나? (건수 상한만 주는 API로는 시계열을 만들 수 없다)
10. **구조 보정** — 절대 분포를 분모 보정 없이 해석 안 했나? (연령·지역·규모·계절) 모집단 구조가 이미 그런 모양일 수 있다.

## 트렌드·지역 분석이면 추가

검색량·SNS·지명·계절 트렌드를 다룬다면 **`references/trend-traps.md`**의 전용 함정 6개(동음이의어·언급량≠목적지·저볼륨 노이즈·상시vs신규·매체편향·팬데믹 기준연도)를 **추가로** 통과시킨다. 실제 사례와 검증법도 그 파일에 있다.

---

## 인과를 주장할 수 있는 조건

대부분의 분석은 인과를 말할 수 없다. 말할 수 있는 유일한 경우:

```
개입 이전 baseline이 평평하다 (추세 없음)
        +
급변 시점이 개입 시점과 정확히 일치한다
        +
같은 시점의 다른 변화가 없다
```

세 개가 다 맞으면 강한 귀인이 가능하다. 하나라도 빠지면 **"동시 발생"**까지만 쓴다.

---

## 강제 규칙

1. **`traps_check.md`에 10줄 판정 기록** — 머릿속으로 통과시키지 않는다. 파일이 이 단계의 완료 증명이다.
2. **빈 판정 금지** — 해당없음/확인함/걸림 중 하나를 반드시 적는다.
3. **걸린 항목은 사라지지 않는다** — 재집계로 고치거나, ④의 "한계" 카드로 넘긴다. 조용히 지우지 않는다.
4. **인과 단정 금지** — 위 3조건을 다 만족하지 않으면 "동시 발생"으로 서술.
5. **판정 기준은 `hypothesis.md`의 것을 쓴다** — 여기서 새로 만들지 않는다.
6. **검증 안 된 수치는 ④로 넘기지 않는다** — 넘기면 헤드라인·KPI에 올라간다.
7. **자명한 발견은 발견이 아니다** — "여름에 아이스커피가 더 팔린다"는 인사이트가 아니다.

---

## 흔한 실패

| 증상 | 원인 | 고치는 법 |
|---|---|---|
| 함정 판정 기록이 없음 | 체크리스트를 대화로만 훑음 | `traps_check.md` 표 10줄 |
| 걸린 함정이 리포트에 안 감 | 재집계로 못 고쳐서 그냥 뺌 | "한계" 카드로 이관 |
| 급증 원인을 단정 | 시점 일치만 보고 인과 결론 | 3조건 확인 → 안 되면 "동시 발생" |
| 세그먼트 비율이 과장됨 | 소표본에 % 표기 | 10건 미만은 건수로만 |
| EDA를 건너뜀 | 바로 집계로 감 | 모양을 봐야 의심할 수 있다 |

## 참고 파일

- `references/trend-traps.md` — 트렌드·지역 전용 함정 6개 + 검증 사례집(묵호·영월·따릉이)

## 연관 스킬

- 앞 단계: `2-collect` · 다음 단계: `4-report`
- 전체를 순서대로 굴리려면: `data-analysis-pipeline`
