ADsP 시험준비 1과목 데이터의 이해(3)

728x90

01. 빅 데이터 분석과 전략 인사이트

1. 왜 싸이월드는 페이스북이 되지 못하였는가?

구글이나 페이스북 같은 성공적인 인터넷 기업은 대부분 데이터분석과 함께 시작되며 그 결과가 의사결정에 결정적인 정보를 제공한다.
반면 싸이월드는 직관에 의거하여 의사결정을 수행하였다. 즉 데이터 분석을 활용하여 전략적 통찰을 얻고, 효과적인 의사결정을 수행하지 않았기 때문이다.

2. 빅 데이터 분석, “Big”이 핵심이 아니다.

데이터가 많다고 해서 항상 더 많은 가치를 창출하는 것은 아니다. 다만 데이터는 음성, 텍스트, 영상 등으로 다양하게 발전하고 있다. 이렇게 새롭고 다양한 유형의 데이터를 효율적으로 활용하면 더 많은 핵심 가치를 얻을 수 있을 것으로 기대된다. 즉 빅 데이터의 핵심은 양이 아니라 유형의 다양성과 관련이 있다.

3. 전략적 통찰이 없는 분석의 함정

분석이 경쟁의 본질을 제대로 바라보지 못할 때 아무 의미 없는 분석결과만 내 놓을 수 있다. 대부분의 성과가 우수한 기업들도 가치 분석적 통찰력을 갖추었냐는 물음에 갖추었다고 대답하는 경우가 매우 적다. 그 만큼 기업의 핵심가치와 관련하여 전략적 통찰력을 가져다 주는 데이터 분석을 내재화하는 것은 매우 어렵다.

4. 일차적인 분석 vs 전략 도출 위한 가치 기반

일차원적인 분석을 통해서도 상당한 효과를 얻을 수 있다. 일차원적인 분석 경험을 쌓고 분석의 활용 범위를 더 넓고 전략적으로 변화시켜야할 것이다.
전략적 인사이트를 주는 가치 기반 분석을 위해서는 우선 사업과 이에 영향을 미치는 트렌드에 대한 큰 그림을 그릴 수 있어야한다. 또한 다양한 변수를 고려하고 어떤 변화가 어디에서 나타날 지도 에측을 해야할 것이다. 큰 그림에서 폭 넓게 사업을 바라보지 못한다면, 비즈니스의 성과와 경쟁력의 핵심인 전략적 이슈를 다루기는 어렵다.

02. 전략 인사이트 도출을 위한 필요 역량

1. 데이터 사이언스 의미와 역할

데이터 사이언스는 다양한 유형의 데이터를 대상으로 수행된다.
데이터 사이언스는 전략적 통찰력을 추구하며 비즈니스의 문제에 대하여 답을 할 수 있다.

2. 데이터 사이언스의 3대 구성 요소

IT
분석
비즈니스 컨설팅
데이터 사이언스는 데이터 처리와 관련 IT영역들, 분석적 영역들, 비즈니스 컨설팅 영역들을 포괄한다.

3. 데이터 사이언티스트의 요구역량

(Hard Skill)

빅 데이터에 대한 이론적인 지식으로 관련된 기업에 대한 이해와 방법론을 습득하는 것을 의미한다.
최적의 분석 설계를 수행하는 분석 기술도 Hard Skill이라 할 수 있다.

(Soft Skill)

창의적 사고와 호기심 그리고 논리적 비판과 같은 통찰력 있는 분석 능력이 필요하다.
스토리텔링이나 시각화를 통해 설득력 있는 전달이 필요하다.
효과적인 의사소통을 통해 다 분야간에 협력이 필요하다.
호기심 : 데이터 사이언티스트의 중요한 특징이다. 호기심은 문제를 이해하고, 질문을 찾고, 검증이 가능한 가설을 세우는 능력을 의미한다.

4. 데이터 사이언스: 과학과 인문의 교차로

데이터 사이언티스트는 분석 능력, 분석 설계능력과 같은 과학적 이론 뿐만 아니라 스토리텔링, 의사소통, 창의력, 직관력, 글쓰기 능력 등과 같은 인문학적인 능력들도 필요하다고 강조된다.

5. 전략적 통찰력과 인문학의 부활

단순 세계화에서 복잡한 세계화로의 변화로, 다양성과 각 사회의 정체성과 그 맥락, 관계, 연결성, 창조성 등이 키워드로 대두되고 있다.
비즈니스의 중심이 제품 생산에서 ‘서비스’로 이동하고 있다.
경제와 산업의 논리가 생산에서 ‘시장 창조’로 바뀌었다.

6. 데이터 사이언티스트에 요구되는 인문학적 사고의 특성과 역할

.	과거	현재	미래
Imformation	무슨 일이 일어 났는지?(리포팅)	무슨 일이 일어나고 있는가?(경고)	무슨 일이 일어날 것인가?(추출)
Insight	어떻게, 왜 일어났는가?(모델링)	차선 행동은 무엇인가?(권고)	최악, 최선의 상황은? (예측, 최적화)

7. 데이터 분석 모델링에서 인문학적 통찰력의 적용 사례

(인간을 바라보는 유형별 세 가지 관점)

인간을 타고난 성향의 관점에서 바라보는 것 : 인간은 변하지 않는다.
인간을 행동적 관점에서 바라보는 것 : 인간의 행동을 통해 판단한다.(신용 리스크)
인간을 상황적 관점에서 바라보는 것 : 같은 실수를 되풀이 할 것이다.

03. 빅 데이터 그리고 데이터 사이언스의 미래

1. 빅 데이터 시대

전 세계적으로 생성된 디지털 정보량이 1.8제타바이트나 된다.(대한민국 모든 사람이 18만년동안 쉬지않고 1분에 3개의 글을 게시하는 것과 동일)

2. 빅 데잉터 회의론을 넘어: 가치 패러다임의 변화

우리를 둘러싼 내외부 환경들이 급변하고 있다. 빠르게 변화할 때 그 대세와 흐름을 잘 파악해야한다. 많은 신기술, 신상품, 서비스들은 이러한 가치 패러다임의 작동원리를 잘 파악하고 적용할 때 성공할 수 있다. 가치 패러다임의 변화는 크게 3단계로 구분할 수 있다.
(가치 패러다임의 단계별 변화)

디지털화 : 아날로그 세상을 효과적으로 디지털화 하는 것(1단계, 빌 게이츠가 대표주자)
연결 : 디지털화 된 정보와 대상들이 연결되기 시작하였다. 얼마나 효과적이고 효율적으로 연결을 하느냐가 중요하다. 사물인터넷의 성숙으로인해 연결이 더 증가하고 극도로 복잡해질 것이다. (2단계, 사물인터넷처럼 인터넷과 기기, 사람의 연결)
에이전시 : 복잡한 연결을 얼마나 효과적으로 믿을 수 있게 ‘관리’해 주는가?(3단계, 향 후)

3. 데이터 사이언스의 한계와 인문학

아무리 정량적인 분석일지라도 모든 분석은 ‘가정에 근거’한다는 사실을 명심해야한다.
데이터 사이언티스트는 인문학자들처럼 모델의 능력에 대하여 항상 ‘의구심’을 가져야한다.
또한 가정들과 현실의 불일치에 대하여 끊임없이 고찰해야한다.
마지막으로 분석모델이 예측할 수 없는 위험을 살피기 위해 현실세계를 쳐다봐야 한다.

포스팅을 마치며

데이터의 이해 1과목의 마지막 포스팅이네요. 크게 어려운 내용은 없고, 과학잡지를 읽듯이 편하게 읽으시면 좋을 것 같습니다. 감사합니다.