[ADP_과목 1. 데이터 이해_제 3장 가치 창조를 위한 데이터 사이언스와 전략 인사이트]

* 다음 내용은 [데이터 분석 전문가 가이드] (2019년 개정판)을 읽고 정리한 내용입니다.

 

제 1절 빅데이터 분석과 전략 인사이트

1. 빅데이터 열풍과 회의론

• IT 솔루션은 공포 마케팅이 잘 통하는 영역으로, 예전부터 해오던 분석의 이름만 바꾸는 수사적 사기로 보인다.
  • 공포 마케팅: 모든 문제를 한번에 해소할 것처럼 강조하다가 합류하지 못하면 위험에 처할지도 모른다는 공포 분위기를 조성

 

 

2. 왜 싸이월드는 페이스북이 되지 못했나?

• 데이터 분석 기반 경영 문화의 부재
• 분석 기반 경영이 도입되지 못하는 이유
  • 기존 관행을 그냥 따른다
  • 경영진의 직관적 결정을 귀한 재능으로 칭송
  • 분석적 실험을 능숙하게 해내는 사람이 거의 없고 적절한 방법조차 제대로 익히지 못한 사람들에게 분석 업무가 주어짐
  • 아이디어를 낸 사람이 누구인지에 관심을 둠

 

 

3. 빅데이터 분석, 'Big'이 핵심 아니다

• 데이터 분석 기반의 통찰의 중요성에 대한 공감대를 키운 것
• 데이터의 양보다는 유형의 다양성이 더 많은 가치와 연결
• 새로운 비정형 데이터를 정형 데이터와 결합하여, 고객과 비즈니스 운영 상황을 보다 종합적이고 완벽하게 조망
• 전략과 비즈니스의 핵심 가치에 집중, 분석 평가지표를 개발하고 효과적으로 시장과 고객 변화에 대응할 수 있어야 빅데이터 분석은 가치를 줄 수 있다.
• 분석적 방법과 성과에 대한 이해 부족이 걸림돌

 

 

4. 전략적 통찰이 없는 분석의 함정

분석 지향성 중요도 조사에서,

성과 낮은 기업	보유 역량	성과 높은 기업
23%	상당한 의사결정 지원/분석 역량	65%
8%	폭넓은 가치 분석적 통찰력	36%
33%	산업 평균 이상의 분석 역량	77%
23%	전체 조직에서 분석을 활용	40%

 

• 분석에 대한 태도와 응용부분은 성과 높낮이가 다른 기업들의 차이가 큰 부분
• 성과가 우수한 기업들도 가치 분석적 통찰력 갖췄다고 대답한 비율이 매우 낮다.
  • 기업 핵심 가치와 관련해 전략적 통찰력 가져다주는 데이터 분석 내재화는 어려운 일
    
    • ex) 아메리칸 항공은 일찍부터 분석 역량을 비즈니스에 활용해 경쟁 우위를 확보한 회사임에도
           아래의 이유들로 인해 실패
      • 복잡한 최적화, 비즈니스에 마이너스
      • 다른 항공사들 역시 분석적 접근법 사용
      • 분석이 쓸모없는 비즈니스 모델을 뒷받침하는데 활용되었음
    • 따라서, 데이터 분석의 포커스를 경쟁의 본질에 두어야한다.

 

 

5. 일차적인 분석 vs. 전략 도출 위한 기치 기반 분석

• 빅데이터는 가치 창출이 가능해야 하고, 그 시점이 빠를수록 좋다
• 일차적인 분석
  • 경쟁에서 뒤쳐지지 않고, 변화하는 고객의 기대를 따라잡기 위해 무엇을 해야 할지 알려준다
  • 부서 단위, 업계단위로 분석을 한정하면 성공 가능성이 좁아진다
  • 이를 통해 점점 분석 경험이 늘어나고 작은 성공을 이루면, 활용 범위를 넓고 전략적으로 변화해야 한다
• 일차적인 분석 사례_산업과 분석 애플리케이션의 나열 
  • 금융 서비스
    • 신용점수 산정
    • 사기 탐지
    • 가격 책정
    • 프로그램 트레이딩
    • 클레임 분석
    • 고객 수익성 분석
  • 헬스케어
    • 약품 거래
    • 예비 진단
    • 질병 관리
  • 병원
    • 가격 책정
    • 고객 로열티
    • 수익관리
  • 에너지
    • 트레이딩
    • 공급
    • 수요 예측
  • 정부
    • 사기 탐지
    • 사례관리
    • 범죄 방지
    • 수익 최적화

• 전략 도출 위한 기치 기반 분석
  • 사업성과를 견인하는 요소, 차별화를 이룰 수 있는 기회에 중요 통찰
  • 환경변화에 적절한 대응과 새로운 기회를 포착하는 등 강력한 모멘텀 만들 수 있다

 

---

 

제 2절 전략 인사이트 도출을 위한 필요 역량

1. 데이터 사이언스의 의미와 역할

• 데이터로부터 의미 있는 정보를 추출해내는 학문
• 다양한 유형의 데이터를 대상으로 분석하고 효과적으로 구현하고 전달하는 과정
• 데이터 공학, 수학, 통계학, 컴퓨터공학, 시각화, 해커의 사고방식, 해당 분야의 전문 지식
• 기존 통계학과 차이점
  • 총체적 접근법
• 전략적 통찰을 추구하고, 비즈니스 핵심 이슈에 답을 하고, 사업의 성과를 견인함
  • 소통력
• 비즈니스의 성과를 좌우하는 핵심 요소를 정확하게 겨냥

 

 

2. 데이터 사이언스의 구성 요소

• IT영역 + 분석 영역 + 비즈니스 컨설팅 영역
• 호기심을 가진 전문가
  • 문제의 이면을 파고들고 질문들을 찾는다
  • 검증 가능한 가설을 세우는 능력과 통계적 지식을 종합적으로 활용하여, 깔끔한 패턴과 통찰력이 있는 해결책을 찾는다
  • 결과와 정보를 시각적으로 보여주는 등 효과적인 커뮤티케이션을 통해 비즈니스가 어떠한 방향으로 나아갈 것인지 제시한다
• Hard Skill
  • 빅데이터에 대한 이론적 지시: 관련 기법에 대한 이해와 방법론 습득
    
  • 분석 기술에 대한 숙련: 최적의 분석 설계 및 노하우 축적
• Soft Skill
  • 통찰력 있는 분석: 창의적 사고, 호기심, 논리적 비판
    
  • 설득력 있는 전달: 스토리텔링, 비주얼라이제이션
    
  • 다분야간 협력: 커뮤니케이션

 

 

3. 데이터 사이언스: 과학과 인문의 교차로

• 진정한 차별화: 사고방식, 비즈니스 이슈에 대한 감각, 고객들에 대한 공감능력

 

 

4. 전략적 통찰력과 인문학의 부활

1. 사회경제적 환경의 변화
2. 복잡한 세계화로의 변화
   • 과거
     
     • 컨버전스의 동역학
     • 규모의 경제
     • 글로벌 효율성
     • 표준화 이성화
   • 현재
     • 디버전스의 동역학
     • 다양성, 각 사회의 정체성, 맥락, 관계, 연결성, 창조성 등이 키워드
     • 신흥국이 생산기지이자 시장
3. 비즈니스의 중심으로 서비스로 이동
   • 과거
     
     • 제품생산 비즈니스는 효용경제, 고품질 제품을 만드는 것이 핵심
   • 현재
     
     • 체험경제, 뛰어난 고객 서비스를 제공
     • 고객과의 관계 및 커뮤니케이션
4. 경제와 산업의 논리가 생산에서 시장창조로 변화
   • 과거
     • 생산, 대규모 투자로 고품질 제품
     • 공급자 중심의 짧은 역사적 문화적 기반을 가지며 암묵적 지식과는 낮은 연관성
   • 현재
     • 새로운 현지화 패러다임 근거한 시장 창조
     • 현지 사회 문화와 관련된 암묵적이고 함축적 지식 무형 자산이 중요

 

 

5. 데이터 사이언티스트에 요구되는 인문학적 사고의 특성과 역할

• 예술: 익숙한 것들을 일순간 낯설게 만들어 다시 들춰낸다
• 인문학: 왜 우리는 여태 이런 식으로 생각했나, 왜 우리는 세상이 그런 것인 줄만 알았나?

	과거	현재	미래
정보	무슨 일이 일어났는가? 리포팅(보고서 작성 등)	무슨 일이 일어나고 있는가? 경고	무슨 일이 일어날 것인가? 추출
통찰력	어떻게, 왜 일어났는가? 모델링, 실험 설계	차선 행동은 무엇인가? 권고	최악 / 최선 상황은 무엇인가? 예측 최적화, 시뮬레이션

 

 

6. 데이터 분석 모델링에서 인문학적 통찰력의 적용 사례

• 금융업: 신용리스크 모델은 핵심 업무영역으로 규제의 대상되어 최고 수준의 엄밀성
• 지금의 신용리스크 모델은 인간은 어떤 관점에서 바라보고 있을까?
  • 타고난 성향의 관점
    • 변하지 않는 존재
  • 행동적 관점
    • 한 사람의 행동을 지속적으로 관찰해 판단 > 현재 관점
  • 상황적 관점
    • 주어진 상황이나 맥락에 따라 전혀 다른 행동과 결과가 나옴
    • 해당 상황 간의 적합성에 의해 결정, 리더십의 유효성을 바라봄
    • ex) 보험: 걱정과 공포에 기초한 상품

 

---

 

제 3절 빅데이터 그리고 데이터 사이언스의 미래

1. 빅데이터의 시대

• 기업들에게 비용절감, 시간 절약, 매출증대, 고객서비스 향상
• 신규 비즈니스 창출, 내부 의사결정지원 등 상당한 가치를 발휘

 

 

2. 빅데이터 회의론을 넘어: 가치 패러다임의 변화

• 세상이 빠르게 변할수록, 변화의 물결의 무늬를 잘 읽어야 예측하지 못했던 전환이나 위기에 빨리 적응할 수 있다.
• 가치 패러다임
  : 특정 기간 지배적으로 작용하며 경제와 산업의 근저에 존재하는 다양한 가치 원천, 부의 원천
  
  1. 디지털화
     
     • 아날로그의 세상을 효과적으로 디지털화 하는것
       
     • 빌게이츠, 오피스 프로그램
       
  2. 연결
     
     • 얼마나 효과적이고 효율적으로 제공
       
     • 야후, 구글, 네이버의 검색서비스 발전 과정
       
  3. 에이전시
     
     • 복작합 연결을 얼마나 효과이고 믿을 만하게 관리해주는가
       
     • 구글글래스와 갤럭시기어 등

 

 

3. 데이터 사이언스의 한계와 인문학

• 통계
  
  • 종종 다른 용도로 쓰인다.
• 분석
  
  • 인간의 해석이 개입되는 단계가 존재
  • 대다수 모델은 수집된 데이터 범위 내에서만 정확
  • 지나치게 긍정적인 가정들과 모델에 대한 과신은 혼란으로 이끔