[ADsP 미어캣 온라인 스터디 11기] Day 2 데이터의 이해 (30 ~ 70p)

02 데이터의 가치와 미래

가치 산정의 어려움

데이터 활용 방식	누가, 언제, 어떻게, 어디서 활용하는지 알 수 없음
가치 창출 방식	기존에 없던 가치 창출
분석 기술 발전	오늘의 가치없는 데이터가 내일은 가치 있을 수 있음

 

빅데이터 활용 기본 테크닉

연관 규칙 학습	상관관계, 장바구니 분석
유형분석	범주, 어떤 집단에 속하는가?
유전 알고리즘	최적화가 필요한 문제
기계학습 = 머신러닝	규칙을 찾은 뒤 예측
회귀분석	독립변수 -> 종속변수
감정분석
소셜 네트워크 분석	오피니언 리더

 

위기 요인 통제 방안

사생활 침해	개인정보 사용자의 책임
책임 원칙 훼손	결과 기반 책임 원칙 고수
데이터 오용	알고리즘 접근 허용

 

 

03 데이터 사이언스와 전략 인사이트

빅데이터 분석의 핵심은 'Big'이 아닌 '인사이트'

걸림돌은 '비용'이 아닌 '분석적 방법과 성과에 대한 이해 부족'

 

일차원적 분석 VS 전략 도출을 위한 가치기반 분석

1) 일차원적 분석(산업별)

금융	신용점수 산점, 사기 탐지, 가격책정 등
에너지	트레이딩, 공급/수요 예측
병원	가격 책정, 고객 로열티, 수익 관리
정부	사기탐지, 사례관리, 범죄방지, 수익 최적화

 

2) 전략 도출을 위한 가치기반분석

빅데이터의 일차적 분석을 통해서도 해당 부서나 업무 영역에서는 상당한 효과를 얻을 수 있다. 하지만 이러한 일차원적인 분석은 대부분 업계 내부의 문제에만 포커스를 두고 있으며, 주로 부서 단위로 관리되기 때문에 비즈니스 성공에 학심적인 역할을 기대하기는 어렵다.

 

데이터 사이언스 구성요소

Analytics	수학, 확률 모델, 머신러닝, 분석학, 패턴 인식과 학습, 불확실성 모델링 등
IT	시그널 프로세싱, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우징, 고성능 컴퓨팅 등
비즈니스 분석	커뮤니케이션, 프레젠테이션, 스토리텔링, 시각화 등

 

데이터 사이언티스트에게 요구되는 역량

하드 스킬	빅데이터에 대한 이론적 지식
	분석 기술에 대한 숙련
소프트 스킬	통찰력 있는 분석	창의적 사고, 호기심, 논리적 비판
	설득력 있는 전달	스토리텔링, 시각화
	다분야 간 협력	커뮤니케이션
가트너가 제시한 역량	데이터관리, 분석모델링, 비지니스분석, 소프트스킬

 

외부환경에서 본 인문학의 열풍

외부 환경	변화
컨버전스 -> 디비전스	단순 세계화 -> 복잡 세계화
생산 -> 서비스	제품 생산 -> 서비스
생산 -> 시장 창조	기술경쟁 -> 무형 자산의 경쟁

 

가치 패러다임의 변화

Digitalization(과거) -> Connection(현재) -> Agency(미래)
디지털화	아날로그 -> 디지털화
연결	디지털화된 정보와 대상들이 서로 연결되어 얼마나 효과적이고 효율적으로 제공되는가
에이전시	사물인터넷(IoT)의 성숙과 함께 연결이 증가하고 복잡해짐 관리에 대한 이슈, 데이터 사이언스의 역량에 따라 좌우