빅데이터 열풍과 회의론 : 과거의 고객관계관리(CRM) 는 투자대비 효과를 거두지 못했던 부정적 학습효과의 예시 중 하나.
-> 공포마케팅 : 도입만 하면 모든 문제의 해소가 될 것이라는 기대 / 거액을 투자해 솔루션 도입해도 활용 방법을 모르고 가치를 얻어야 할 지 몰랐던 경우 대다수 -> 빅데이터 분석도 기존의 분석과 마찬가지로 데이터에서 가치와 통찰을 바탕으로 단순히 '빅데이터'에 포커스를 두기보다는 분석을 통해 가치를 만들어야 할 필요성이 대두됨
일차원적 분석 vs 전략도출 위한 가치기반 분석 비교
1) 산업별 일차원적 분석 애플리케이션
1-1) 금융서비스(신용점수 산정, 사기 탐지, 가격 책정, 클레임 분석, 고객 수익성 분석)
1-2) 소매업(판촉, 매대 관리, 매대 관리, 수요 예측, 재고 보충, 가격 및 제조 최적화)
1-3) 제조업(공급사슬 최적화, 수요예측, 재고 보충, 보증서 분석, 맞춤 상품 및 신상품 개발)
1-4) 운송업(일정 관리, 노선 배정, 수익 관리) 등
기존의 일차원적 분석의 문제점 : 환경 변화와 같은 예측 불가능한 큰 변화나 급변하는 환경에서의 대처까지는 예측할 수 없음.
전략도출 가치기반 분석 : 전략적 통찰력에 포커스를 둘 때 해당 사업에 중요한 기회 발굴 및 경영진의 지원을 이끌어낼 수 있으며 이를 위해서는 활용 범위를 더 넓고 전략적으로 변화시켜야 하며 전략적 인사이트를 주는 가치기반 분석단계로 나아가야함
데이터 사이언스의 의미와 역할
1) 의미 : 데이터로부터 의미있는 정보를 추출해 이를 효과적으로 구현하고 전달하는 모든 총체적 과정을 포함한 개념
2) 역할 : 비즈니스 성과를 좌우하는 문제에 답을 줘야하며 성과를 견인해야한다. -> 중요 능력으로 소통력 대두
데이터 사이언스의 구성요소와 영역
1) Analytics (분석적 영역) : 수학, 확률모델, 머신러닝, 분석학, 패턴 인식과 학습, 불확실성 모델링 등
2) IT (데이터 처리와 관련된 IT 영역) : 시그널 프로세싱, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우스, 고성능 컴퓨팅 등
3) 비즈니스 분석 (비즈니스 컨설팅 영역) : 커뮤니케이션, 프레젠테이션, 스토리텔링, 시각화 등
-> 스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적 시각, 글쓰기 능력, 대화 능력 또한 갖춰야 함
빅데이터의 시대 : 디지털 환경의 가속화, 이로 인한 빅데이터 생성. 빅데이터 분석은 선거 결과에 결정적인 영향을 미칠수도 있고 기업 측면에서는 비용 절감, 시간 절약, 매출 증대, 고객서비스 향상, 신규 비즈니스 창출, 내부 의사결정 지원에 있어 도움이 된다
빅데이터 패러다임 변화
1) 과거 : Digitalization. 아날로그에서 디지털화를 어떻게 하는지가 과거의 가치 창출 원천
2) 현재 : Connection. 디지털화 된 정보, 대상의 연결 시작. 연결을 더 효과적으로 효율적으로 하는 것이 성공의 원천
3) 미래 : Agency. 복잡한 연결을 얼마나 효과적으로 믿을 수 있게 관리하는가의 이슈
데이터 사이언스의 한계와 인문학
1) 한계 : 분석 과정에서조차 인간의 해석이 개입될 수 밖에 없는 문제, 분석결과 또한 해석자의 시선에 따라 다른 결과와 결론을 내릴 수 있는 문제, 정량적 분석이어도 모든 분석은 가정에 기반한 문제
2) 인문학 : 인문학을 이용해 빅데이터와 데이터 사이언스가 데이터에 묻힌 잠재력을 풀고 기회를 찾고 창조의 밑그림을 그릴 수 있게 도움이 될 것이다.
'통계데이터과학과 및 컴퓨터과학 독서' 카테고리의 다른 글
| Part 02-1-2. 분석 방법론 (0) | 2022.06.25 |
|---|---|
| Part 02-1-1. 데이터 분석 기획의 이해-분석기획 방향성 도출 (0) | 2022.06.25 |
| Part 01-2. 데이터의 가치와 미래 (0) | 2022.06.11 |
| Part 01-1. 데이터의 이해 (0) | 2022.06.05 |
| 08. Docker Container System (0) | 2022.05.24 |