[DAsP] Part 1. 데이터 이해 | 3장 - 가치 창조를 위한 데이터 사이언스와 전략 인사이트

1절 - 빅데이터 분석과 전략 인사이트

 

1. 빅데이터 회의론의 원인 및 진단

 1) 투자효과를 거두지 못했던 부정적 학습효과

 2) 빅데이터 성공사례가 기존 분석 프로젝트 사례에 포함

= 빅데이터에 포커스를 두는 것이 아닌, 분석을 통해 가치를 만드는 것에 집중해야 함

 

2. 빅데이터 분석의 핵심

 1) 관심의 증가

 2) 기존 프로세스의 자동화를 우선으로, 점차적으로 거지적이고 전략적인 가치를 이끌어 낼 수 있음 

 3) 'Big'이 아닌, 데이터 분석을 통해 어떤 시각과 통찰을 얻을 수 있느냐가 중요

 4) 전략과 비즈니스의 핵심 가치에 집중, 분석 평가지표를 개발하여 시장과 고객 변화에 대응할 수 있을 때, 비로소 빅데이터 분석은 가치를 가짐

 

3. 전략적 통찰

 1) 핵심적인 비즈니스 이슈에 집중하여 데이터를 분석하고 차별적인 전략으로 기업을 운영

 

4. 일차원적인 분석 vs 전략도출을 위한 가치기반 분석

산업	일차원적 분석 어플리케이션
금융 서비스	신용점수 산정, 사기 탐지, 가격 책정, 프로그램트레이딩, 클레임 분석, 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
모든사업	성과관리

 1) 일차원적인 분석의 문제점

  - 환경 변화와 같은 예기치 못한 변화에 대한 대응이 어려워 새로운 기회를 포착하기 힘듦

 2) 전략도출 가치기반 분석

  - 전략적인 통찰력 창출에 포커스를 뒀을 때, 분석은 해당 사업에 중요한 기회를 발굴하고, 주요 경영진의 지원을 얻을 수 있음

  - 일차원적인 분석을 통한 경험을 쌓아, 분석의 활용 범위를 더 넓고 전략적으로 변화시킬 수 있도록 발전

  - 사업 성과를 견인하는 요소들과 차별화를 꾀할 기회에 대해 전략적 인사이트를 주는 가치기반 분석단계로 전진

 

2절 - 전략 인사이트 도출을 위한 필요 역량

 

1. 데이터 사이언스의 의미와 역할, 역량

 1) 의미

  - 데이터 공학, 수학, 통계학, 컴퓨터공학, 시각화, 해커의 사고방식, 해당 분야의 전문지식을 종합한 학문

  - 다양한 유형의 데이터를 대상으로 분석 뿐만 아니라 이를 효과적으로 구현하고 전달하는 과정까지 포함

 2) 역할

  - 비즈니스의 성과를 좌우하는 핵심 이슈에 답을 하고, 사업의 성과를 견인 (+소통력)

 3) 영역

IT 컨설팅		IT (데이터 처리와 관련된 IT 영역)	- 시그널 프로세싱, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우스, 고성능 컴퓨팅 등
		비즈니스 분석 (비즈니스 컨설팅 영역)	- 커뮤니케이션, 프레젠테이션, 스토리텔링, 시각화 등	전략 컨설턴트
		Analytics (분석적 영역)	- 수학, 확률모델, 머신러닝, 분석학, 패턴 인식과 학습, 불확실성 모델링 등

 4) 역량

  - 복잡한 대용량 데이터를 구조화, 불완전한 데이터를 연결

  - 사소한 관계에서도 강력한 호기심을 가져, 문제의 이면을 파고들고, 질문을 찾아 검증 가능한 가설을 세우는 능력

  - 스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적 시각, 글쓰기 능력, 대화능력

  - Hard Skill

   -> 빅데이터에 대한 이론적 지식 : 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, Visualization

   -> 다분야간 협력 : 커뮤니케이션

  - 통찰력있는 분석

   -> 직관과 전략, 경영 프레임워크 경험의 혼합

   -> 전체 업계의 방향과 고객이 중요시 하는 요소 이해

   -> 넓은 시야

  - 인문학의 열풍

외부환경의 변화	내용
컨버전스 -> 디버전스	단순세계화에서 복잡세계화로의 변화
생산 -> 서비스	비즈니스 중심이 제품 생산에서 서비스로 이동
생산 -> 시장창조	공급자 중심의 기술 경쟁에서 무형 자산의 경쟁으로 변화

 

3절 - 빅데이터 그리고 데이터 사이언스의 미래

 

1. 빅데이터 패러다임 변화

Digitalization	Connection	Agency
과거	현재	미래
- 아날로그 세상을 어떻게 효과적으로 디지털화하는 지가 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

2. 데이터 사이언스의 한계

 1) 사람의 주관적인 해석이 개입되는 단계 불가피

 2) 분석 결과가 의미하는 바는 사람에 따라 다른 해석을 충분히 야기

 3) 정량적인 분석도 가정에 근거한다는 사실

= 인문학을 통한 데이터의 잠재력, 새로운 기회, 창조의 밑그림 도출

 

 

 

출처: 윤종식, 『데이터 분석 (준)전문가 가이드』, (주)데이터에듀(2020)