ADsp를 5일동안 공부해도 충분히 합격할 수 있는지 궁금합니다. 그래서, 많은 사람들이 이 포스팅만 보고도 합격할 수 있도록 정리를 해보고자 글을 씁니다.
✅ CHECK POINT
먼저, 빅데이터 회의론과 우려의 목소리를 들어보셨나요?
과거의 CRM과 같은 경영시스템을 도입하기 위해 하드웨어와 소프트웨어를 도입하고도 성과를 충분히 내지 못했던 기업들이 많았습니다. 이런 기업들의 실패 경험들이 빅데이터 시스템의 도입도 머뭇거리고 있는데요, 기업들의 우려 섞인 목소리의 원인과 이러한 의구심을 불식시키기 위한 전력적 발전 방향을 살펴봅시다.
또, 데이터 사이언스와 데이터 사이언티스트에 대해 들어보셨나요?
빅데이터 시대를 이끌어 나가기 위해서는 데이터 사이언스라는 융합 학문이 필요해요. 기존의 통계학과 컴퓨터공학, 그리고 경영학과 인문학을 아우르는 학문적 소양을 배우고 빅데이터 시대를 이끌어 나갈 데이터 사이언티스트를 양산함으로써 기업과 우리 생활을 변화시킬 수 있는 전략적 가치를 만들 수 있는 것이죠.
3-1) 가치창조를 위한 데이터 사이언스와 전략 인사이트 - 빅데이터 분석과 전략 인사이트
1) 빅데이터 열풍과 회의론
빅데이터의 열풍은 '빨리 끓어 오른 냄비가 빨리 식는다'는 일종의 거품현상을 우려하는 시선도 없지 않다. 그래서, 벌써부터 빅데이터 회의론이 심심찮게 흘러 나오기까지 하여, 자칫 이런 회의론이 갖는 문제는 실제 우리가 빅데이터 분석에서 찾을 수 없는 수많은 가치들을 제대로 발굴해 보기도 전에 그 활용자체를 사전에 차단해 버릴 수 있다.
2) 빅데이터 회의론의 원인 및 진단
1) 투자효과를 거두지 못했던 부정적 학습효과 → 과거의 고객관계관리(CRM)
- 과거 CRM의 부정적 학습효과
→ 공포 마케팅이 잘 통하는 영역 : 도입만 하면 모든 문제를 한번에 해소할 것처럼 강조
→ 막상 거액을 투자하여 하드웨어와 솔루션을 도입해도 어떻게 활용하고 어떻게 가치를 뽑아내야 할지 난감해 함.
2) 빅데이터 성공사례가 기존 분석 프로젝트를 포함해 놓은 것이 많다.
→ 굳이 빅데이터가 필요없는 경우(우수고객, 이탈예측, 구매패턴 분석 등)
→ 국내 빅데이터가 업체들이 CRM 분석 성과를 빅데이터 분석으로 과대포장
빅데이터 분석도 기존의 분석과 마찬가지로, 데이터에서 가치, 즉 통찰을 끌어내 성과를 창출하는 것이 관건이며, 단순히 빅데이터에 포커스를 두지 말고 분석을 통해 가치를 만드는 것에 집중해야 한다.
※ 로직오류 : 의도치 않은, 바라지 않은 결과 유발 / 프로세스 오류 : 작동에 문제가 발생한 오류
※ 왜 싸이월드는 페이스북이 되지 못했나.
싸이월드 : 2004년 경 세계 최대의 소셜 네트워크 서비스(SNS)
싸이월드 퇴보 원인
: OLAP과 같은 분석 인프라가 존재하였으나 중요한 의사결정이 데이터 분석에 기초하지 못했다.
: '웹로그 분석을 통한 일차원적인 분석 → 사업 상황 확인' 을 위한 협소한 문제에 집중되었다.
: 2004년 당시 비즈니스의 핵심 가치와 관련된 어떤 심도있는 분석도 수행되지 않았다.
: 소셜 네트워킹 서비스지만 회원들의 소셜 네트워킹 활동 특성과 관련된 분석을 위한 프레임워크나 평가 지표조차 없었다.
: 트렌드 변화가 사업모델에 미치는 영향을 적시에 알아차리지 못했다.
전략적 분석을 통해 놀라운 성과를 올린 '하라스엔터테인먼트'의 회장 '러브먼'이 언급한 분석 기반 경영이 도입되지 못하는 이유
: 기존 관행을 그냥 따를 뿐 중요한 시도를 하지 않는다.
: 경영진의 의사결정이 정확성이나 공정한 분석을 필요로 하지 않으며, 오히려 정반대로 직관적 결정을 귀한 재능으로 칭송받는 경향이 있다.
: 분석적 실험을 갈망하거나 능숙하게 해내는 사람이 거의 없어, 적절한 방법조차 제대로 익히지 못한 사람들에게 분석 업무가 주어진다.
: 사람들은 아이디어 자체보다는 아이디어를 낸 사람이 누구인지 관심을 두는 경향이 있다.
전략적 분석은 치열한 시장에서 기업 생존을 좌우할 정도로 중요할 수 있다.
3) 빅데이터 분석, 'Big'이 핵심 아니다.
가. 빅데이터에 대한 관심 증대
: 데이터 기반의 통찰의 중요성에 대한 공감대 상승과 동시에 긍정적 효과를 기대한다.
나. 빅데이터 프로젝트에 거는 기대
: 기존 프로세스의 자동화를 우선 시행한 후 점차적으로 거시적이고, 전략적인 가치를 이끌어 낼 수 있을 것으로 기대한다.
다. 빅데이터 분석의 가치
: 데이터는 크기의 이슈가 아니라, 거기에서 어떤 시각과 통찰을 얻을 수 있느냐의 문제가 중요하다. 무작정 '빅'한 데이터를 찾을 것이 아니라, 비즈니스의 핵심에 대해 보다 객관적이고 종합적인 통찰을 줄 수 있는 데이터를 찾는 것이 그 무엇보다 중요하다.
: 전략과 비즈니스의 핵심 가치에 집중하고 이와 관련된 분석 평가지표를 개발하고 이를 통해 효과적으로 시장과 고객변화에 대응할 수 있을 때 빅데이터 분석은 가치를 줄 수 있다.
※ 조슈아 보거 박사는 "직관에 기초한 의사결정보다 데이터에 기초한 의사결정이 그만큼 중요하다"고 말했으며 이는 데이터 자체의 중요성을 강조한 것이다.
4) 전략적 통찰이 없는 분석의 함정
단순히 분석을 많이 사용하는 것이 곧바로 경쟁우위를 가져다 주지는 않는다.
분석이 경쟁의 본질을 제대로 바라보지 못할 때에는 쓸모없는 분석 결과들만 잔뜩 쏟아내게 된다. 이를 예방하기 위해서는 전략적인 통찰력을 가지고 분석하고 핵심적인 비즈니스 이슈에 집중하여 데이터를 분석하고 차별적인 전략으로 기업을 운영해야 한다.
※
| 아메리칸 항공 | 사우스웨스트 항공 |
| 수익관리, 가격 최적화의 분석접근법 적용 → 3년만에 14억 달러 수익 |
단순 최적화 모델을 통해 가격 책정과 운영 |
| 비행 경로와 승무원들의 일정을 최적화 → 12기종, 250개 목적지, 매일 3400회 비행 |
한가지 기종의 비행기로 단순화 |
| ↓ | ↓ |
| 타 경쟁사들이 비슷한 분석 역량과 수익관리 능력을 갖춤으로써 경쟁우위 하락 → 수익 절감 |
단순 최적화 모델로 좌석 가격 책정 및 운영 결과 경쟁우위 상승 → 36년 연속 흑자, 미국 항공사들의 시장가치를 합친 것 보다 높은 시장가치 확보 |
→ 위의 결과를 통해 분석을 보다 전략적으로 사용하기 위해 노력하지 않으면, 차별화가 어려움을 판단할 수 있으며 비즈니스 모델을 뒷받침하는 분석의 한계를 아메리칸항공이 나타내고 있다.
✅ 출제 포인트
: 분석 애플리케이션이 어느 산업에서 활용되는 애플리케이션인지에 대해 자주 시험문제가 출제되므로 꼭 숙지하고 넘어가세요!
🧡 기출
14. 아래는 특정산업의 일차원적 분석 사례를 나열한 것이다. 다음 중 특정산업으로 적절한 것은?
<보기>
- 트레이딩, 공급, 수요예측
1) 소매업
2) 에너지
3) 운송업
4) 금융 서비스
답 확인
2) 에너지 : 트레이딩, 공급/수요 예측
금융서비스에는 "신용점수 산정, 사기탐지, 가격 책정, 프로그램트레이딩, 클레임분석, 고객 수익성 분석" 등이 있다.
5) 일차원적인 분석 vs 전략도출 위한 가치기반 분석
가. 산업별 분석 애플리케이션
| 산업 | 일차원적 분석 애플리케이션 |
| 금융 서비스 | 신용점수 산정, 사기탐지, 가격 책정, 프로그램트레이딩, 클레임분석, 고객 수익성 분석 |
| 소매업 | 판촉, 매대 관리, 수요 예측, 재고 보충, 가격 및 제조 최적화 |
| 제조업 | 공급사슬 최적화, 수요예측, 재고 보충, 보증서 분석, 맞춤형 상품 개발, 신상품 개발 |
| 운송업 | 일정 관리, 노선 배정, 수익 관리 |
| 헬스케어 | 약품 거래, 예비 진단, 질병 관리 |
| 병원 | 가격 책정, 고객 로열티, 수익 관리 |
| 에너지 | 트레이딩, 공급/수요 예측 |
| 커뮤니케이션 | 가격 계획 최적화, 고객 보유, 수요 예측, 생산능력 계획, 네트워크 최적화, 고객 수익성 관리 |
| 서비스 | 콜센터 직원관리, 서비스-수익 사슬 관리 |
| 정부 | 사기 탐지, 사례 관리, 범죄 방지, 수익 최적화 |
| 온라인 | 웹 매트릭스, 사이트 설계, 고객 추천 |
| 모든 사업 | 성과관리 |
나. 일차적인 분석의 문제점
: 일차적인 분석을 통해서도 해당 부서나 업무영역에서는 상당한 효과를 얻을 수 있지만, 일차적인 분석만으로는 환경변화와 같은 큰 변화에 제대로 대응하거나 고객 환경의 변화를 파악하고 새로운 기회를 포착하기 어렵다. 특히, 급변하는 환경에서는 분석을 일차적 차원에서 점증적, 전술적으로 사용하면 성과는 미미할 수 있다.
다. 전략도출 가치기반 분석
: 전략적인 통찰력 창출에 포커스를 뒀을 때, 분석은 해당 사업에 중요한 기회를 발굴하고, 주요 경영진의 지원을 얻어낼 수 있으며, 이를 통해 강력한 모멘텀을 만들어 낼 수 있다.
: 최고가 되기 위해서는 일차원적인 분석을 통해 점점 분석 경험을 쌓아야하고 작은 성공을 거두면 분석의 활용범위를 더 넓고 전략적으로 변화시켜야 한다.
: 사업성과를 견인하는 요소들과 차별화를 꾀할 기회에 대해 전략적 인사이트르 주는 가치기반 분석단계로 나아가야 한다.
✅ 출제 포인트
: 일차적인 분석과 전략도출 가치기반과 관련하여 잘못된 설명을 묻는 문항이 출제되고 있으니 숙지하고 넘어가주세요!
🧡 기출
15. 분석을 사용하여 전략적 통찰력을 얻기 위한 방법으로 부적절한 것을 2개 고르시오.
1) 분석은 경영의 본질을 제대로 바라볼 수 있도록 큰 그림을 그린다.
2) 경영진은 자신의 직관적 결정을 뒷받침하기 위해 분석을 사용한다.
3) 사업 상황을 확인하기 위해 사업 내부의 문제들에 집중하여 분석을 이용한다.
4) 비즈니스의 핵심가치와 관련된 분석 프레임워크와 평가지표를 개발한다.
답 확인
2,3
- 전략적인 통찰력 창출에 포커스를 뒀을 때, 분석은 해당 사업에 중요한 기회를 발굴하고, 주요 경영진의 지원을 얻어낼 수 있으며, 이를 통해 강력한 모멘텀을 만들어 낼 수 있다.
- 최고가 되기 위해서는 일차원적인 분석을 통해 점점 분석 경험을 쌓아야하고 작은 성공을 거두면 분석의 활용범위를 더 넓고 전략적으로 변화시켜야 한다.
- 사업성과를 견인하는 요소들과 차별화를 꾀할 기회에 대해 전략적 인사이트르 주는 가치기반 분석단계로 나아가야 한다.
3-2) 가치창조를 위한 데이터 사이언스와 전략 인사이트 - 전략 인사이트 도출을 위한 필요 역량
1) 데이터 사이언스의 의미와 역할
데이터 사이언스란 데이터 공학, 수학, 통계학, 컴퓨터공학, 시각화, 해커의 사고방식, 해당 분야의 전문지식을 종합한 학문이다. 데이터로부터 의미있는 정보를 추출해내는 학문으로 정형 또는 비정형을 막론하고 인터넷, 휴대전화, 감시용 카메라 등에서 생성되는 숫자와 문자, 영상 정보 등 다양한 유형의 데이터를 대상으로 분석뿐 아니라 이를 효과적으로 구현하고 전달하는 과정까지를 포함한 포괄적 개념이다.
데이터 사이언티스트는 비즈니스의 성과를 좌우하는 핵심이슈에 답을 하고, 사업의 성과를 견인해 나갈 수 있어야 한다. 이는 데이터 사이언스의 중요한 역량 중 하나인 소통력이 필요한 이유이다.
✅ 출제 포인트
: 데이터 사이언스에 대해 묻는 문제가 출제될 수 있으니 꼭 숙지하고 넘어가세요!
🧡 기출
16. 데이터 사이언스와 데이터 사이언티스트에 대한 설명으로 부적절한 것은?
1) 통계학과 데이터 사이언스는 "데이터를 다룬다"는 점에서 유사하지만 통계학은 더욱 확장된 유형의 데이터를 근간으로 한다.
2) 데이터 사이언티스트가 갖춰야 할 역할으로 많은 전문가들은 호기심을 언급한다.
3) 더 높은 가치 창출과 차별화를 가져오는 것은 전략적 통찰력과 관련된 소프트 스킬이다.
4) 뛰어난 데이터 사이언티스트는 정량적 분석이라는 과학과 인문학적 통찰을 근거로 합리적 추론을 한다.
답 확인
1) 통계학과 데이터 사이언스는 "데이터를 다룬다"는 점에서 유사하지만 (O)
통계학은 더욱 확장된 유형의 데이터를 근간으로 한다.(X)
데이터 사이언스가 더욱 확장된 유형의 데이터를 근간으로 한다.
2) 데이터 사이언스의 구성요소
가. 데이터 사이언스의 영역
- 분석적 영역(Analytics) : 수학, 확률모델, 머신러닝, 분석학, 패턴 인식과 학습, 불확실성 모델링 등
- 데이터 처리와 관련된 IT 영역(IT) : 시그널 프로세싱, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우스, 고성능 컴퓨팅
- 비즈니스 컨설팅 영역(비즈니스 분석) : 커뮤니케이션, 프레젠테이션, 스토리텔링, 시각화 등
나. 데이터 사이언스티스트의 역할
: 데이터 사이언티스트는 데이터 홍수 속에서 헤엄을 치고, 데이터 소스를 찾고, 복잡한 대용량 데이터를 구조화, 불완전한 데이터를 서로 연결해야 한다.
: 데이터 사이언티스트가 갖춰야 할 역량 중 한 가지는 '강력한 호기심' 이다. 호기심이란 문제의 이면을 파고들고, 질문들을 찾고, 검증 가능한 가설을 세우는 능력을 의미한다.
: 데이터 사이언티스트는 스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적 시각, 글쓰기 능력, 대화능력 등을 갖춰야 한다.
✅ 출제 포인트
: 데이터 사이언스의 구성요소와 그 내용에 대한 객관식 문제가 출제될 가능성이 있으니 확실히 정리해봐요!
🧡 기출
17. 데이터 사이언스와 통계학이 다른 점을 나열하였다. 다음 중 가장 부적절한 것은?
1) 데이터 사이언스는 통계학과 달리 총체적 접근법을 사용한다.
2) 정형 및 비정형을 포함한 다양한 유형의 데이터를 분석대상으로 한다.
3) 분석뿐만 아니라 이를 효고하적으로 구현하고 전달하는 과정까지 포함한다.
4) 기존 통계학에 데이터마이닝을 접목한 새로운 융합 학문이다.
답 확인
4) 단순히 통계학 + 데이터마이닝을 접목한 것이 아니라, 그 외의 다양한 영역이 포함되어 있다.
IT + 비즈니스적 영역 + 분석적 영역 등 다양한 영역이 포함되어 있다.
3) 데이터 사이언티스트의 요구 역량
Hard Skill
1) 빅데이터에 대한 이론적 지식 : 관련 기법에 대한 이해와 방법론 습득
2) 분석 기술에 대한 숙련 : 최적의 분석 설계 및 노하우 축적
Soft Skill
3) 통찰력 있는 분석 : 창의적 사고, 호기심, 논리적 비판
4) 설득력 있는 전달 : 스토리텔링, 비주얼라이제이션
5) 다분야 간 협력 : 커뮤니케이션
✅ 출제 포인트
: 데이터 사이언티스트에 요구되는 Hard Skill과 Soft Skill의 내용에 대해 해당하거나 해당하지 않는 것들을 고르는 문제가 자주 출제되니 이해하고 넘어갑시다!
🧡 기출
18. 다음 중 데이터 사이언티스트(data scientist)에게 요구되는 소프트 역량(soft skill)이 아닌 것은?
1) 이론적 지식
2) 창의적 사고
3) 커뮤니케이션 기술
4) 비쥬얼라이제이션을 활용한 설득력
답 확인
1) 은 Hard Skill 에 해당한다.
4) 데이터 사이언스 : 과학과 인문의 교차로
분석기술보다 더 중요한 것은 소프트 스킬로 전략적 통찰을 주는 분석은 단순 통계나 데이터 처리와 관련된 지식 외에도 스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적 시각, 대화능력 등 인문학적 요소가 필요하다.
5) 전략적 통찰력과 인문학의 부활
통찰력 있는 분석
: 직관과 전략, 경영 프레임워크 경험의 혼합을 통해 통찰력있는 분석을 수행할 수 있어야 한다.
: 본인 회사 뿐 아니라 전체 업계의 방향과 고객이 무엇을 중시하는지에 대한 이해가 필요하다.
: 좁은 시각으로 나무만 보는 것이 아니라 넓은 시각으로 숲을 볼 수 있어야 한다.
인문학의 열풍
| 외부 환경적 측면에서 본 인문학 열풍의 이유 | ||
| 외부환경의 변화 | 내용 | 예시 |
| 컨버전스 ↓ 서비스 |
단순세계화에서 복잡한 세계화로의 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 |
3-3) 가치창조를 위한 데이터 사이언스와 전략 인사이트 - 빅데이터 그리고 데이터 사이언스의 미래
1) 빅데이터의 시대
디지털 환경의 진전과 더불어 실로 엄청난 '빅'데이터가 생성되고 있다. (2011년 전 세계에서 생성되는 디지털 정보량은 1.8 제타바이트)
빅데이터 분석은 선거결과에 결정적인 영향을 미칠 수도 있다. 기업의 측면에서는 비용 절감, 시간 절약, 매출 증대, 고객서비스 향상, 신규 비즈니스 창출, 내부 의사결정 지원 등에 있어 상당한 가치를 발휘하고 있다.
2) 빅데이터 회의론을 넘어 가치 패러다임의 변화
| 과거 | 현재 | 미래 |
| Digitalization | Connection | Agency |
| - 아날로그 세상을 어떻게 효과적으로 디지털화하는지가 과거의 가치 창출 원천 | - 디지털화된 정보와 대상들은 서로 연결 시작 - 연결을 더 효과적이고 효율적으로 제공하는가가 성공 요인 |
- 복잡한 연결을 얼마나 효과적이고 믿을 수 있게 관리하는가의 이슈 |
+ 서비타이제이션(Servitization) : 제품과 서비스의 결합, 서비스의 상품화, 그리고 기존 서비스와 신규 서비스의 결합 현상을 포괄하는 개념
3) 데이터 사이언스의 한계와 인문학
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.
데이터 사이언스와 인문학
: 인문학을 이용하여 빅데이터와 데이터 사이언스가 데이터에 묻혀 있는 잠재력을 풀어내고, 새로운 기회를 찾고, 누구도 보지 못한 창조의 밑그림을 그릴 수 있는 힘을 발휘하게 될 것이다.
※ 미래사회의 특성과 빅데이터의 역할
→ 불확실성-통찰력
→ 리스크-대응력
→ 스마트-경쟁력
→ 융합-창조력
'컴퓨터 공부 > ELSE' 카테고리의 다른 글
| [ADsp] 5일만에 데이터분석 준전문가 자격증 따기 - 1과목 2장. 데이터의 가치와 미래 (0) | 2024.05.08 |
|---|---|
| [ADsp] 5일만에 데이터분석 준전문가 자격증 따기 - 1과목 1장. 데이터의 이해 (0) | 2024.04.28 |