3장. 가치 창조를 위한 데이터 사이언스와 전략 인사이트

1절 빅데이터 분석과 전략 인사이트

※ 빅데이터 회의론의 원인

• 부정적 학습효과 → 공포 마케팅, 투자대비 효과 미흡
• 부적절한 성공사례 → 빅데이터가 필요없는 분석사례, 기존 CRM의 분석 성과를 빅데이터 분석 성과로 과대포장
• 단순히 빅데이터에 포커스를 두지말고, 분석을 통해 가치를 만드는 것에 집중해야 함

※ 일차원적인 분석 vs 전략도출 위한 가치기반 분석

 

2절 전략 인사이트 도출을 위한 필요 역량

※ 데이터 사이언스의 영역

• 분석적 영역 : 수학, 확률모델, 머신러닝, 분석학, 패턴 인식과 학습, 불확실성 모델링 등
• IT영역 : 시그널프로세싱, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우스, 고성능 컴퓨팅
• 비즈니스 컨설팅 영역 : 커뮤니케이션, 프레젠테이션, 스토리텔링, 시각화

※ 데이터 사이언티스트의 역할

데이터 사이언티스트는 스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적 시각, 글쓰기 능력, 대화능력 등을 갖춰야 한다.

• Hard Skill : 빅데이터에 대한 이론적 지식, 분석 기술에 대한 숙련
• Soft Skill : 통찰력 있는 분석, 설득력 있는 전달, 다분야간 협력

※ 외부 환경적 측면에서 본 인문학 열풍의 이유

	내용	예시
컨버젼스 -> 디버전스	단순세계화에서 복잡한 세계화로 변화	규모의 경제, 세계화, 표준화, 이성화 -> 복잡한 세계, 다양성, 관계, 연결성, 창조성
생산 -> 서비스	비즈니스 중심이 제품생산에서 서비스로 이동	고장나지 않는 제품의 생산 -> 뛰어난 서비스로 응대
생산 -> 시장창조	공급자 중심의 기술경쟁에서 무형자산의 경쟁으로 변화	생산에 관련된 기술 중심, 기술 중심의 대규모 투자 -> 현재 패러다임에 근거한 시장창조 현지 사회와 문화에 관한 지식

 

3절 빅데이터 그리고 데이터 사이언스의 미래

※ 빅데이터 회의론을 넘어 가치 패러다임의 변화

• 과거(Digitalization) : 아날로그 세상을 어떻게 효과적으로 디지털화하는지가 과거의 가치 창출 원천
• 현재(Connection) : 디지털화된 정보와 대상들은 서로 연결시작, 연결을 더 효과적이고 효율적으로 제공하는가가 성공요인
• 미래(Agency) : 복잡한 연결을 얼마나 효과적이고 믿을 수 있게 관리하는가의 이슈

※ 데이터 사이언스의 한계

• 분석과정에서는 가정 등 인간의 해석이 개입되는 단계를 반드시 거친다.
• 분석결과가 의미하는 바는 사람에 따라 전혀 다른 해석과 결론을 내릴 수 있다.
• 아무리 정량적인 분석이라도 모든 분석은 가정에 근거한다는 사실이다.