세상을 읽는 새로운 언어, 빅데이터 (요약 및 질문 3개)

기간 : 20230429 ~ 20230510

 

내용 정리

[빅데이터] -(분석)-> [인사이트] -(실행)-> [가치]

더 많은 데이터가 활용되는 새로운 세상으로 진보할 것인가?
프라이버시 보호를 위해 과거 상태 유지할 것인가?

빅데이터가 인사이트로 변환되는 과정은 식재료가 요리로 바뀌는 과정과 마찬가지
- 손님(의사결정자), 요리사(데이터 사이언티스트), 요리(인사이트), 만족(가치)
- 빅데이터(재료), 인공지능(조리법)
- 일면식도 없는 셰프가 가장 잘하는 요리를 해주면, 우리는 행복할까? (가치를 만드는 주체는?)

과거에는 표본 추출
-> 빅데이터 분석은 전수 조사 가능
-> 개별 고객에 대한 이해(개인화)

고객은 서비스 수혜자이면서 동시에 데이터 제공자 (ex. 네비게이션)

데이터를 시각화하는 도구 활용
- "사람은 시각적 정보를 가장 잘 이해한다"
- 직관적으로 이해할 수 있는 모양의 그래프가 필요

데이터 없이 판단하면 개인 소견이 들어감
- 의사 A 는 수술을 권유, 의사 B 는 약먹고 쉬라고 함
- 누가 맞는가? 같은 의대 전공에 수십 년간 환자를 상대하지 않았는가?
- 각자의 경험이 다름 -> 다른 판단을 하게 됨

0.01퍼센트 이내 극소수의 수학자 및 공학자만 일상에서 연역적 추론을 함
대부분은 귀납적 추론을 함 (경험, 즉 데이터를 통해 명제를 추론)

소비자의 관심은 제품이 아닌 서비스 (제품의 서비스화)
- 우리가 원하는 것은 기계가 아니라 그 기계가 제공하는 서비스 (시원한 바람, 이동 수단 등)

데이터 분석을 통해 인사이트를 얻고 액션을 취함
=> 문제의 원인을 데이터로 찾아 제거하면? 재발하지 않게 됨

소비자에게 물어보기 X, 소비자를 관찰 O
- 그들의 글과 행동을 관찰하므로 정확한 예측이 가능

자동차 vs 말 => 논의의 대상이 아님
- 빅데이터를 취하기 vs 말기도 동일함

정상 데이터에 비해 비정상 데이터가 극도로 부족함
- 정상 데이터로 '정상의 범위' 를 학습 -> 어느 이상 벗어나면 비정상으로 판정

기호주의 방식 : 연역
연결주의 방식 : 귀납 (데이터에서 시작 -> 머신러닝)
- 데이터가 적으면 오류의 위험이 커짐

빅데이터 시대 리더의 역할
- 전문지식과 경험과 감으로 의사 결정 X
- 빅데이터 가치와 분석 메커니즘을 이해 O -> 믿고 지원

데이터 교류
- 전체 조직 입장에서는 빅데이터, 하지만 개별 조직 입장에서는 스몰데이터
- 기업의 보상 체계를 수정하여 극복해야 함
- ex. 특정 부서에서 수집, 관리하는 데이터를 제공한 경우, 해당 데이터로 낸 성과는 나눠줘야 함

 

새로 배운 단어

• 핀 포인트 방식
  • 개개인을 하나의 목표로 삼고 1:1로 접근하여 대응하는 방식
• 암묵적 지식 (tacit knowledge)
  • 학습과 경험을 통해 개인에게 체화되어 있지만 겉으로 드러나지 않는 지식

 

질문

1. 데이터 분석을 통해 인사이트를 얻은 후 문제를 해결한 경험이 있는가? 분석 대상을 어떤 근거로 결정했는가? (케이스 분석, 현업 인터뷰 등) 그리고 어떠한 분석 절차를 통해 사람들을 설득하여 문제를 해결했는가? (시각화, 분류, 예측 등)
2. 특정 분야에서 경력이 쌓이면 본인이 쌓은 전문 지식과 경험, 그리고 감을 바탕으로 의사결정하기 쉽다. 빅데이터 시대에서 리더의 역할은 기존과 동일한가? 다르다고 생각한다면 리더는 무엇을 준비하고 지원해야하는가?
3. 국가나 큰 조직 입장에서는 빅데이터지만, 기업 별 혹은 부서 별로 나누어 보면 각자 필요한 데이터를 수집 및 관리하기 때문에 스몰데이터라고도 볼 수도 있다. 각자의 데이터를 공유하면서 진정한 의미의 빅데이터로 더 많은 가치를 창출하기 위해서, 큰 조직은 어떤 기반을 갖춰야 하는가?