ADsP) 1-3. 가치 창조를 위한 데이터 사이언스와 전략 인사이트
* 블로그 요약본과 기출문제를 참고해 작성했습니다 =)
: 출제 문제
: 추가 정보
1. 데이터의 이해
1-1. 데이터의 이해
1-2. 데이터의 가치와 미래
1-3. 가치 창조를 위한 데이터 사이언스와 전략 인사이트
- 빅데이터 분석과 전략 인사이트
- 전략 인사이트 도출을 위한 필요 역량
2. 데이터 분석 기획
2-1. 데이터 분석 기획의 이해
2-2. 분석 마스터플랜
3. 데이터 분석
3-1. 데이터 분석 개요
3-2. R 프로그래밍 기초
3-3. 데이터 마트
3-4. 통계분석
3-3. 정형 데이터 마이닝
빅데이터 분석과 전략 인사이트
- 빅데이터 분석도 기존의 분석과 같이, 데이터에서 통찰(가치)을 끌어내 성과를 창출하는 것이 관건
- 데이터는 크기의 이슈가 아니라, 거기에서 어떤 시각과 통찰을 얻을 수 있느냐의 문제가 중요함. 무작정 대용량의 데이터를 찾을 것이 아니라, 비즈니스의 핵심에 대해 보다 객관적이고 종합적인 통찰을 줄 수 있는 데이터를 찾는 것이 중요
- 전략적 통찰력을 가지고 분석하고, 핵심적인 비즈니스 이슈에 집중해 데이터를 분석해 차별적인 전략으로 기업을 운영하여야 함.
- 일차적인 분석만으로는 큰 변화에 제대로 대응하거나 고객 환경의 변화를 파악하고 새로운 기회를 포착하기 어려움
(일차적인 분석: 경영진의 직관적 결정을 뒷받침하기 위한 분석, 업계 내부의 문제에만 중점을 둔 분석)
- 일차원적인 분석을 통해 경험을 쌓고, 분석의 활용 범위를 넓혀가며 전략적인 분석을 시도해야 함
: 데이터의 성격과 얻고자 하는 가치에 적합한 분석을 사용해야 함
- 사업성과를 견인하는 요소들과 차별화를 꾀할 기회에 대해 전략적 인사이트를 주는 가치기반 분석 단계로 나아가야 함
- 복잡한 데이터의 최적화 능력이 반드시 최고의 가치를 창출하는 것은 아님. 전략적 통찰을 포함한 분석을 통해 비즈니스에 필요한 가치를 창출해야 함
전략 인사이트 도출을 위한 필요 역량
# 데이터 사이언스의 의미와 역할
- 데이터 사이언스란 데이터로부터 의미있는 정보를 추출해내는 학문
- 데이터 사이언스는 분석 뿐 아니라 이를 효과적으로 구현하고 전달하는 과정까지를 포함하는 포괄적 개념
- 데이터 사이언스란 컴퓨터공학, 통계학, 수학 등의 학문적 지식은 물론 시각화 및 해커로서의 소양에 이르는 관련분야의 전문지식을 종합한 학문을 말함. 기존의 통계학과 총체적 접근법을 사용한다는 것이 다름
# 데이터 사이언티스트의 요구 역량
- Hard Skill : 빅데이터의 처리 및 분석에 필요한 이론적 지식과 기술적 훈련과 관련된 능력
. 빅데이터에 대한 이론적 지식 : 관련 기법에 대한 이해와 방법론 습득
. 분석 기술에 대한 숙련 : 최적의 분석 설계 및 노하우 축적
ex) Machine Learning, Statistics Modeling, Distributed Computing
- Soft Skill : 데이터 속에 숨겨진 가치를 발견하고 새로운 발전 기회를 만들어 내기 위한 능력
. 통찰력 있는 분석 : 창의적 사고, 호기심, 논리적 비판
. 설득력 있는 전달 : 스토리텔링, 시각화
. 다분야간 협력 : 커뮤니케이션
. 전략적 통찰을 주는 분석은 단순 통계나 데이터 처리와 관련된 지식 외에 인문학적 요소(스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적 시각, 대화능력 등)가 필요함
→ 정량 분석(과학)과 인문학적 통찰에 근거한 합리적 추론을 탁월하게 조합해야 함
ex) Data Visualization
#####
# 비즈니스에 분석을 적용할 때 효과적인 분석 적용 대상에 대한 검토
- 사업적 잠재력과 데이터, 필요한 자원이 이용 가능한가를 고려해 대상을 선택
- 업계 상황보다 더 넓은 시야에서 차별화를 고려
- 무엇이 가능한지 발견하기 위한 실험을 망설이지 말고, 분석기회에 대한 직관을 무시하지 않음
- 조직이 분석을 도입하는 시기라면, 분석의 노력을 한가지 주요한 대상이나 몇 가지 작은 대상에 몰두해야 함
# 데이터 사이언티스트가 효과적인 분석 모델 개발을 위해 고려해야 하는 사항
- 분석 모델이 예측할 수 없는 위험을 살피기 위해 현실세계를 돌아보고 분석을 경험과 통찰력과 함께 활용
- 가정들과 현실의 불일치에 대해 끊임없이 고찰하고 모델의 능력에 대해 항상 의구심을 가짐
- 분석의 객관성에 의문을 제기하고 분석 모델에 포함된 가정고 해석의 개입 등의 한계를 고려함
- 분석모델의 정확성은 대부분 수집된 데이터의 범위 내에서만 유효하므로, 모델 범위 외 요인들을 판단하고자 하는 것은 부적절하며, 지나치게 많은 과거 데이터를 모델에 포함하는 것은 모델의 정확성을 떨어뜨림
# 최근 인문학적 사고의 필요성이 대두하게 된 사회경제적 환경 변화의 특징
- 단순한 세계화 → 복잡한 세계화
- 비즈니스 중심이 제품 생산 → 서비스
- 경제와 산업의 논리가 생산 → 시장창조