[ADsP] 1과목 요약 정리 : 1-3 가치 창조를 위한 데이터 사이언스와 전략 인사이트

'ADsP 데이터 분석 준전문가 (데이터에듀)' 교재를 참고하여 간략히 정리하였습니다.

01 빅데이터 분석과 전략 인사이트

빅데이터 회의론 원인

• 부정적 학습 효과
  • 과거의 고객관계관리(CRM): 공포 마케팅, 투자대비 효과 미흡
• 부정적인 성공 사례
  • 빅데이터가 필요없는 분석사례
  • 기존 CRM 분석 성과

싸이월드 퇴보 원인

• OLAP 같은 분석 인프라로 존재했으나 중요한 의사결정 데이터 분석 활용 못함
• 웹로그 분석을 통한 일차원적 분석만 집중
• 소셜 네트워킹 활동 특성과 관련된 분석을 위한 프레임 워크나 평가지표도 없었음
• 트렌드 변화가 사업모델에 미치는 영향에 대한 전략적 통찰을 가지지 못함

전략적 통찰이 없는 분석의 함정

• 단순히 일차원적 분석의 반복은 해당 부서의 업무 영역에서는 효과적이지만, 기업의 환경 변화와 고객 변화에 전략적으로 대처하기 힘듦
• 전략적 통찰력의 창출에 초점을 맞춰 분석을 활용하면 사업의 중요한 기회를 발굴할 수 있음
• 최고가 되기 위해서는 일차원적 분석을 통해 분석 경험을 늘리고, 작은 성공을 통해 분석의 활용 범위를 넓혀 사업성과를 견인할 수 있는 전략적 인사이트를 주는 가치 기반 분석 단계로 발전해야 함

02 데이터 사이언스와 사이언티스트

• 데이터 사이언스
  • 데이터로부터 의미있는 정보를 추출해내는 학문
  • 분석 + 이를 효과적으로 구현하고 전달하는 과정 포괄
  • 정형 또는 비정형을 막론하고 인터넷, 휴대전화, 감시용 카메라 등에서 생성되는 숫자와 문자, 영상 정보 등 다양한 유형의 데이터를 다생으로 함
  • 데이터 공학, 수학, 통계학, 컴퓨터공학, 시각화, 해커의 사고방식, 해당 분야의 전문 지식 종합
  • 영역
    1. 분석 분야: 수학, 확률모델, 머신러닝, 분석학, 패턴인식과 학습, 불확실성 모델링 등
    2. IT 분야: 시그널 프로세싱, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우스, 고성능 컴퓨팅
    3. 비즈니스 분석 분야: 커뮤니케이션, 프리젠테이션, 스토리텔링, 시각화 등
• 데이터 사이언티스트
  • 데이터 홍수속에서 헤엄치고, 데이터 소스를 찾고, 복잡한 대용량 데이터를 구조화, 불완전한 데이터를 서로 연결해야 함
  • 강력한 호기심: 문제의 이면을 파고들고, 질문들을 찾고, 검증 가능한 가설을 세우는 능력
  1. 하드 스킬: 빅데이터에 대한 이론적 지식과 분석 기술에 대한 숙련 기술
  2. 소프트 스킬: 창의적 사고, 호기심, 논리적 비판을 통한 통찰력 있는 분석, 설득력 있는 전달력, 다 분야간 협력을 위한 커뮤니케이션 능력
• 외부 환경적 측면의 인문학 열풍
  1. 단순 세계화에서 복잡한 세계로 변화: 컨버전스 → 디버전스
  2. 비즈니스 중심이 제품 생산에서 서비스로 이동: 고장 나지 않는 제품 → 뛰어난 서비스 응대
  3. 경제와 산업의 논리가 생산에서 시장 창조로 변화: 공급자 중심의 기술 경쟁 → 무형자산의 경쟁
• 인문학적 사고의 특성과 역할
  1. 과거
     • 정보: 무슨 일이 일어났는가? (리포팅)
     • 통찰력: 어떻게, 왜 일어났는가? (모델링, 실험설계)
  2. 현재
     • 정보: 무슨 일이 일어나고 있는가? (경고)
     • 통찰력: 차선 행동은 무엇인가? (권고)
  3. 미래
     • 정보: 무슨 일이 일어날 것인가? (추측)
     • 통찰력: 최악 또는 최선의 상황은 무엇인가? (예측, 최적화, 시뮬레이션)

03 빅데이터 그리고 데이터 사이언스의 미래

• 가치 패러다임 변화
  • 디지털화
    • 과거 PC와 워드프로세스, 이미징 기술의 발달로 문서를 디지털화 함으로써 가치를 형상화하고 표준화
  • 연결
    • 현재 인터넷과 모바일 기술의 발전으로 다양한 디지털 정보를 필요한 사람에게 연결해서 효과적이고 효율적으로 정보를 연결 및 제공
  • 에이전시
    • 미래 개인의 기기, 사물에 이르는 방대한 정보를 하이퍼 연결을 통해 필요한 정보를 효과적으로 제공하고 관리할 수 있는 시대로 발전
• 데이터 사이언스의 한계와 인문학
  • 분석은 가정에서 시작해 인간의 해석이 개입되는 단계를 거침
  • 분석 결과를 해석하는 인간의 소양과 인문학적 소양을 통해 보다 발전적인 미래가치 도출