[ADP] 1장 데이터의 이해 - 가치 창조를 위한 데이터사이언스와 전략 인사이트

빅데이터 분석과 전략 인사이트

경영자 측에서의 문제점

• 빅데이터의 회의론으로 투자효과를 거두지 못했던 부정적 학습효과로 인해 빅데이터 분석에 대한 투자를 의심의 눈초리로 바라보는 것
• 데이터 분석 기반 경영 문화의 부재
• 기존 관행을 따를 뿐 중요한 시도를 하지 않음
• 정확성이나 공정한 분석을 필요로 하지 않을 때, 오히려 정반대로 직관적 결정을 귀한 재능으로 칭송할 때
• 아이디어 자체보다는 아이디어를 낸 사람이 누구인지에 관심을 두는 경향

 빅데이터에서 빅이라고 말할 수 있는 것은 양이 아니라 다양성과 관련이 있으며, 분석적 방법과 성과에 대한 이해부족이 위와 같은 결과를 초래한다.

 

전략 인사이트 도출을 위한 필요 역량

데이터 사이언스: IT, Analytics, Business Analysis 분야에서 일을 하며, 데이터 처리와 관련된 IT, 수학, 확률 모델, 머신러닝 등의 분석력, 비즈니스 컨설팅의 일로 프레젠테이션, 스토리텔링, 시각화 등을 수행한다.

출처: https://ebadak.news/2020/05/23/progression-of-a-data-scientist/

 따라서 데이터 사이언스는 데이터공학, 수학, 통계학, 컴퓨터공학, 시각화 등 해당 분야의 전문 지식을 종합한 학문이며, 통계와 다른 점은 총체적 접근법을 사용한다. 마케팅 사업부의 눈에 비치는 데이터 분석 및 IT 부서는 비즈니스 구상에 관해 설명한 내용과 전혀 관련 없는 결과만 전달하기 때문에, 데이터 분석에서 더 나아가 데이터 사이언스(도메인 지식과 비즈니스 지식 결합)으로 가야함.

 

데이터 사이언티스트의 스킬 구분

Hard Skill

• 빅데이터와 컴퓨터, 수학에 대한 이론적 지식
• 분석 기술에 대한 숙련

Soft Skill

• 통찰력 있는 분석
• 설득력 있는 전달
• 다분야간 협력

뛰어난 분석적인 리더들은 의사결정에서 예술과 과학을 결합한다

 

전략적 통찰력과 인문학의 부활

도메인과 비즈니스에 대한 통찰력을 얻기 위해 인문학이 필요한데, 빅데이터 열풍과 인문학의 열풍이 거의 같은 시점에 불기 시작했으며, 둘 전부 사회/경제적 배경을 공유하고 있다.

1. 단순한 세계에서 복잡한 세계로의 변화
2. 비즈니스의 중심이 제품생산에서 서비스로 이동
3. 경제와 산업의 논리가 생산에서 시장창조로 바뀜

 

 솔직히 여기까지 책을 읽어도 책의 요지가 뭔지 파악이 안된다,,, 공부를 한다는 느낌도 안든다. 단지 그냥 흐름이 그렇다 느낌이 그렇다 일 뿐이다. 다른 독자들은 그냥 시험을 위한 책을 사길 바란다.