ADSP 1과목 2장_3 2023.10.09 끄적끄적

<데이터의 가치와 미래>

사진출처 > 이지패스 ADsP 데이터분석 준 전문가(위키북스)

 

<데이터 분석과 전략 인사이트>

빅데이터 회의론의 원인

부정적 학습효과 : 막대한 비용을 지불하여 빅데이터 시스템을 구축했어도 어떻게 가치를 창출하는지를 몰랐다.

과대 포장 : 기존의 분석 성공 사례를 빅데이터 성공사례로 포장한 것이 많다. 빅데이터의 궁극적인 목표는 알지 못했던 가치를 도출하는 것

 

데이터는 크기가 아니라, 데이터로부터 어떤 시각과 인사이트(insight : 통찰)를 얻을 수 있느냐의 문제

비즈니스의 핵심가치에 집중하고 이와 관련된 분석 평가 지표를 개발하고 이를 통해 효과적으로 시장과 고객의 변화에 대응할 수 있을 때 빅데이터 분석은 가치가 있다.

 

데이터로부터 가치를 뽑아내는 것이 빅데이터의 핵심 : 데이터의 양 < 데이터의 가치

 

전략적인 안사이트를 가지고 핵심적인 비즈니스에 집중하여 데이터를 분석하고 차별적인 전략으로 기업을 운영해야 한다.

 

일차원적 분석 vs. 전략 도출을 위한 가치 기반 분석

일차원적 분석(산업별)

금융 서비스 : 신용점수 산정, 사기 탐지, 가격 책정, 프로그램 트레이디, 클레임 분석, 고객 수익성 분석

에너지 : 트레이딩, 공급/수요 예측

병원 : 가격 책정, 고객 로열티, 수익 관리

정부 : 사기탐지, 사례관리, 범죄방지, 수익 최적화

 

전략 도출을 위한 가치 기반 분석)

일차원적인 분석을 통해 점점 분석 경험을 늘려가고 작은 성공을 거두면 분석의 활용 범위를 더 넓고 전략적으로 변화시킴으로써 전략적 인사이트를 주는 가치 기반 분석 단계로 나아가야 한다. 

전략적 수준에서의 분석은 사업 성과를 견인하는 요소들과 차별화를 이룰 수 있는 기회에 대해 중요한 인사이트를 줄 것이다. 

 

데이터 사이언스는 데이터로부터 의미있는 정보를 추출해내는 학문

데이터 사이언스는 정형 또는 비정형을 막론하고 다양한 유형의 데이터를 대상으로 한다.

데이터 사이언스와 데이터 마이닝은 비슷하지만, 데이터 마이닝은 주로 분서게 포커스를 두지만, 데이터 사이언스는 분석뿐 아니라 이를 효과적으로 구현하고 전달하는 과정, 궁극적으로는 전략적 인사이트 도출을 위한 일련의 행위까지 모두 포괄하는 광의의 개념

 

데이터 사이언스는 전략적 통찰을 추구하고 비즈니스 핵심 이슈에 답하고, 사업의 성과를 견인해 나갈 수 있다.

데이터 사이언티스트에게 '소통'이 중요한 핵심 역량이 된다.

 

훌륭한 데이터 사이언티스트는 비즈니스의 성과를 좌우하는 핵심요소를 정확하게 겨냥할 수 있으며, 이때 데이터사이언스가 엄청난 위력을 발휘할 수 있다.

 

데이터 사이언스 구성 요소

Analytics : '수학, 확률 모델, 모신러닝, 분석학, 패턴 인식과 학습, 불확실성 모델링 등

 IT(Data Management) : 시그널 프로세싱, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우징, 고성능 컴퓨팅 등

비즈니스 분석 : 커뮤니케이션, 프레젠테이션, 스토리텔링, 시각화

 

 데이터 사이언티스트에게 요구되는 역량

하드 스킬 :  빅데이터에 대한 이론적 지식, 분석 기술에 대한 숙련

소프트 스킬 : 통찰력 있는 분석, 설득력 있는 전달, 다분야 간 협력

 

가트너가 제시한 데이터 사이언티스트 요구 역량

 - 데이터 관리 : 데이터에 대한 이해

 - 분석 모델링 : 분석론에 대한 지식

 - 비즈니스 분석 : 비즈니스 요소에 초점

 - 소프트 스킬 : 커뮤니케이션, 협력, 리더십, 창의려, 규율, 열정

 

데이터 사이언티스트는 정량분석이라는 과학과 인문학적 통찰에 근거한 합리적 추론을 탁월하게 조합할 수 있어야 한다. 데이터 사이언티스트는 단순히 정보를 활용하는 정도의 수준을 넘어 사업 성과를 좌우하는 핵심적인 문제에 대답할 수 있는 수준의 인사이트를 제시해야 한다.

 

가치 패러다임)

패러다임 : 어떤 한 시대 사람들의 견해나 사고를 근본적으로 규정하고 있는 프레임으로서의 인식의 체계, 또는 사물에 대한 이론적인 틀이나 체계를 의미하는 개념

패러다임은 시간의 흐름에 따라 다음 세대의 패러다임에 자리를 물려주고 떠나는 속성을 가짐 > 패러다임 시프트

 

가치 패러다임의 변화 : 디지털화(Digitalization) → 연결(Connection) → 에이전(Agency)

 

에이전시 : IOT의 성숙과 함께 연결이 증가하고 복잡해진다. 복합한 연결을 얼마나 효과적이고 믿을 만하게 관리하는가가 이슈이다. 데이터 사이언스의 역량에 따라 좌우된다.

데이터화(Datafication)의 대표적인 예가 바로 사물인터넷이다.

 

정량적 데이터 분석이라도 모든 분석은 가정에 근거하며, 가정이 변하지 않는 동안에도 실제 외부 요인은 계속해서 변화

 

핵심 문제 해답 풀이)

1. 데이터 분석에 기초한 가치 창출에 대한설명

단순한 분석 기법으로도 통찰력이 있다면 기업의 발전에 도움이 되는 가치를 찾을 수 있다.

분석 모형의 최적화 능력과 통찰력이 발휘될 때 최고 수준의 가치를 창출할 수 있다.

뛰어난 토찰력이 있다면 복잡한 분석 능력 없이도 충분히 활용가치를 찾을 수 없다.

현재를 정확하게 해석할 수 있는 데이터 분석은 기업의 의사결정을 돕는 도구일 뿐이지 절대적인 기준이 될 수 없다.

 

2. 데이터 사이언스에 대한 설명

분석 결과를 전달할 수 있는 스토리텔링 + 커뮤니케이션, 창의력이 추가적으로 요구된다.

기존 '통계학'과는 총체적 접근법을 사용한다는 점에서 다르다.

분석 영역, IT영역, 비즈니스 컨설팅 영역에서의 능력이 요구된다

하드 스킬과 소프트 스킬 중 무엇이 더 중요하다고 말할 수 없다.

 

3. 데이터 사이언티스트의 요구 역량

분석 기술에 대한 능력 및 숙련도, 분석 결과에 대한 설득력 있는 전달, 다분야 간 협력을 위한 커뮤니케이션

 

4. 데이터 사이언티스트의 중요한 핵심 요소로는 강력한 호기심을 들 수 있다. 

시간의 흐름데 따라 단순 세계화에서 복잡 세계화로 변화하였다.

과학적 분석 과정에서는 가정과 인간의 해석의 개입이 필수적이다.

비정형 데이터들이 현대에 들어서 분석 난위도가 낮아졌다.

 

5. 데이터화(Datafication)와 밀접한 관련이 있는 기술은 무엇 : IoT