[1과목] 02장 데이터의 가치와 미래 - (3)가치창조를 위한 데이터 사이언스와 전략 인사이트

1. 빅데이터 분석과 전략 인사이트

 

🔷빅데이터 열풍과 회의론

 

⚫ 빅데이터 열풍과 회의론

 

① 부정적 학습효과 :

과거의 IT솔루션 영역에서는 공포 마케팅이 잘 통해서 CRM같은 솔루션은 반드시 도입되어야 하는 것으로 강조

▶ 시스템을 구축하였으나 가치창출 할 줄 모름

 

 

② 과대포장 (Hype)

과대포장(하이프)은 빅데이터 기술과 솔루션에 대한 기대가 과장되어 실제 성과와의 괴리를 초래하는 현상

기존의 분석 성공사례를 빅데이터 분성 성공사례로 포장

 

 

 

⚫빅데이터 분석의 핵심은 'Big'이 아닌 '인사이트'

 

① '크기'가 아니라 '인사이트'

: 데이터로부터 어떤 시각과 인사이트(Insight : 통찰)를 얻을 수 있냐는 문제

데이터의 양 < 데이터의 가치

 

② 전략적 인사이트의 중요성

 

 

⚫ 일차원적 분석 vs. 전략 도출을 위한 가치 분석

산업	일차원적 분석 애플리케이선
금융 서비스	신용점수, 산정, 사기 탐지, 가격 책정, 프로그램 테리이딩, 클레임 분석, 고객 수익성 분석
에너지	트레이딩, 공급/수요 예측
병원	가격 책정, 고객 로열티, 수익 관리
정부	사기탐지, 사례관리, 범죄방지, 수익 최적화
소매업	판촉, 매대 관리, 수요 예측, 재고 보충, 가격 및 제조 최적화
제조업	공급사실 최적화, 수요 예측, 재고 보충, 보증서 분석, 맞춤형 상품 개발, 신상품 개발
운송업	일정 관리, 노선 배정, 수익 관리
헬스케어	약품 거래, 예비 진단, 질병 관리
커뮤니케이션	가격 계획 최적화, 고객 보유, 수요 예측, 생산 능력 계획, 네트워크 최적화, 고객 수익성 관리
서비스	콜센터 직원 관리, 서비스-수익 사슬 관리
온라인	웹 매트릭스, 사이트 설계, 고객 추천
모든 사업	성과 관리

 

 

전략 도출을 위한 가치 분석

♦️ 일차원적인 분석은 대부분 업계 내부의 문제에만 포커스, 주로 부서 단위로 관리 되기 때문에 비즈니스 성공에 핵심적인 역할은 기대하기 어려움

♦️ 일차원적 분석을 통해 점점 분석 경험을 늘려가고 작은 성공을 거두면 분석 활용 범위를 더 넓고 전력적으로 변화 시킴으로써 전략적 인사이트를 주는 가치 기반 분석 단계로 나아가야 함

♦️ 전략적 수준에서의 분석은 사업 성과를 견인하는 요소들과 차별화를 이룰 수 있는 기회에 대해 중요한 인사이트

→  이러한 전략적 인사이트 초점 → 해당 사업에 중요한 기회를 발굴, 주요 경영진 지원을 얻어냄 → 강력한 모멘텀을 만들어 냄

 

2. 전략 인사이트 도출을 위해 필요한 역량

 

🔷데이터 사이언스에 대한 이해와 역할

⚫ 데이터 사이언스에 대해 이해

•  데이터로 부터 의미있는 정보를 추출해내는 학문
•  통계학이 정형화된 실험데이터를 분석 대상으로 하는 것에 비해, 데이터 사이언스는 정형또는 비정형을 막론하고 다양한 유형에 데이터를 대상으로 함
• 위키피디아에서는 데이터 사이언스를 '데이터 공학, 수학, 통계학, 컴퓨터 공학, 시각화, 해커의 사고방식, 해당 분야의 전문지식을 종합한 학문'으로 정의
• 과학과 인문학의 교차로

 

 

⚫ 데이터 사이언스에 대해 역할

• 데이터 사이언스는 분석뿐 아니라 이를 효과적으로 구현하고 전달하는 과정 (데이터마이닝과 유사하지만 다름)
• 총체적 접근법 사용. 전략적 통찰을 추구하고 비즈니스 핵심 이슈에 답하고, 사업 성과 견인 '소통'이 중요한 핵심 역량

 

 

 

🔷'데이터 사이언스' 와  '데이터 사이언티스트'

 

✔️데이터 사이언스 구성요소

• Analytics : 수학, 확률 모델, 머신러닝, 분석학, 패턴 인식과 학습, 불확실성 모델링 등
• IT(Data Managerment) : 시그널 프로세싱, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우징, 고성능 컴퓨터
• 비즈니스 분석 : 커뮤니케이션, 프레젠테이션, 스토리텔링, 시각화 등

✔️ 데이터 사이언스에게 요구되는 역량

♦️ 하드 스킬(Hard skill)

• 빅데이터 이론 지식 (수학, 통계학, 가설검정 등), 가트너 제시 역량에 미포함
• 분석 기술 숙련

 

♦️ 소프트 스킬(Soft skill)

• 통찰력 있는 분석 : 창의력 사고, 호기심, 논리적 비판
• 설득력 있는 전달 : 스토리텔링, 시각화
• 다분야 간 협력 : 커뮤니케이션

(●'◡'●)

가트너가 제시한 데이터 사이언티스트 요구 역량

데이터 관리 :  분석 모델링 :  비즈니스 분석 :  소프트 스킬 :

데이터에 대한 이해 분석론에 대한 지식 비즈니스 요소에 초점 커뮤니케이션, 협력, 리더십, 창의력, 규율, 열정

 

 

 

 

 

 

3. 빅데이터 그리고 데이터 사이언스의 미래

🔷가치 패러다임의 변화

디지털화 (Digitalization)

➡️

연결 (Connection)

➡️

에이전시 (Agency)

 

 

♦️ 데이터화(datafication)의 대표적인 예) 사물인터넷

 

 

 

 

 

[참고 도서]

출처 :

이지패스 2024 ADsP 데이터분석 준전문가

2024 이기적 빅데이터분석기사 필기 기본서

2024 최단기 빅데이터 분석기사 필기: 이론편