데이터가 아무리 많아도 이것들은 서로 연결돼야만 데이터로서의 가치를 갖는다. 구슬이 서 말이라도 꿰어야만 보배가 되는 것이다. - P30
분산화라는 것은 데이터를 한군데에 모아두지 않고 여러 군데에 흩어져 있는 저가의 컴퓨터에 분산 저장하는 것을 말한다. 그것을 클라우드라고 한다. - P40
클라우드라는 것은 나의 데이터가 복사돼서 나도 모르는 어딘가에 저장된다는 것이다. - P40
병렬화라는 것은 컴퓨터의 뇌에 해당하는 CPU를 100개, 1000개 이상 동시에 일을 시킨다는 것이다. 즉 일을 나눠서 하는 것 - P41
병렬화를 함으로써 빅데이터 분석에 드는 시간을 획기적으로 줄이는 것이다. - P41
빅데이터는 분석이라는 과정을 통해서 인사이트로 바뀌고 인사이트는 액션을 통해서 가치를 창출 - P43
데이터로부터 특정한 인사이트를 도출하는 과정을 분석이라고 하고, 이때 분석을 실행하는 주체가 데이터 사이언티스트다. 이들이 분석에 활용하는 방법을 애널리틱스라고 하는데, 여기에는 요즘 많이 이야기되는 인공지능, 머신러닝, 데이터마이닝 data mining, 통계, 시각화, 최적화 등이 있다. - P44
시각화라는 것은 숫자나 문서 데이터를 다양한 형태의 그림으로 표현해서 직관적으로 이해할 수 있게 해주는 것이다. 사람은 시각적 정보를 가장 잘 이해한다. 여기에 사용되는 도구로는 스팟파이어 spotfire, 태블로 tableau, 클릭뷰 qlikview 등이 있다. - P55
빅데이터는 재료이고, 인공지능은 조리법이다. - P61
빅데이터와 인공지능은 떼려야 뗄 수 없는 관계다. 데이터 입장에서는 인공지능이 자신을 인사이트로 만들어주는 행위이자 절차이고, 인공지능 입장에서 빅데이터는 학습의 재료다. 재료가 없으면 조리 자체가 안 되기 때문에 인공지능을 구현하려면 반드시 확보되어야 하는 것이 빅데이터다. - P61
인공지능은 상황을 인지하고 행동하는 컴퓨터 기기를 말한다. - P62
인공지능의 구현 방식에는 크게 두 가지가 있다. 그번째 방법은 ‘지식 기반 인공지능‘ 또는 ‘기호 기반 인공지능‘이라고도 한다. 아주 단순하게 이야기하면 우리가 아는 모든 지식을 ‘A이면 B다"와 같은 형태의 명제로 만들고, 이 명제들 간의 연역적 추론을 하여 새로운 지식이나 사실을 만들어내는 방식이다. - P62
인공지능의 두 번째 구현 방법이 바로 이 귀납적 추론기반이다. 이것을 ‘머신러닝‘ 또는 ‘기계학습‘이라고 한다. - P64
머신러닝은 인간이 자주 쉽게 수행하는 이 귀납적 추론방법을 컴퓨터에게 시켜서 인공지능을 구현하는 것이다. 즉, 지식 기반과 달리 컴퓨터에게 명제를 주는 대신, 사진같은 데이터를 여러 개 반복적으로 보여줌으로써 컴퓨터가 자연스럽게 의자를 인지하고 개와 고양이를 구분할 수 있게 만드는 것이다. 이 방법이 작동하려면 두 가지가 필요하다. 충분히 많은 데이터와 반복적으로 보여주고 수정하는 아주 빠른 컴퓨터다. 그렇지 않으면 정확도가 낮아진다. - P65
과거에는 첫 번째 연역적 추론의 지식기반 방식이 주류였으나, 오늘날은 귀납적 추론의 머신러닝이 그 자리를 대체했다. - P66
최근에는 코딩 없이 클릭과 드래그로만 분석할 수 있는 소프트웨어들이 등장하여 한 달 정도 교육받으면 ‘문과 출신‘들도 빅데이터 분석을 할 수 있게 되었다. 컴퓨터처럼 빅데이터 분석도 전문가들의 영역에서 일반인들의 영역으로 들어올 것이다. 사실 국내 제조 및 금융 분야 리딩 기업들은 이러한 가능성을 이미 간파하여 적극적으로 직원 재교육을 하는 방향으로 나아가고 있다. - P71
빅데이터는 개인의 취향과 욕망, 기계 장비 속에서 일어나는 일을 비롯해 우리 일상에서 벌어지는 모든 것을 알고 있다. - P74
분석가가 빅데이터를 인사이트로 바꾸고, 현업 의사결정자가 인사이트 기반의 액션을 실행하면 비즈니스 가치를 얻을 수 있다. 그리고 그 과정에서 가장 중요한 것은 결국 최종적인 가치다. 이 가치를 만들기 위해 우리에게 어떤 인사이트가 필요한지, 인사이트를 만들기 위해 어떠한 데이터가 있어야 하는지를 거꾸로 생각하는 것이 기획이다. - P75
무엇인가를 실행하기 전에는 반드시 기획을 해야 한다. 차를 몰고 나가기 전에 어디로 갈 것인지 최종 목적지를 정해야만 하는 것이다. 일단 나가보자고 무작정 떠나게 되면 백발백중 실패한다. - P76
플랫폼이란 생산자와 소비자를 연결시키는 일종의 시장이다. - P76
플랫폼이 성공하려면 소비자 입장에서 많은 정보가 일목요연하게 정리되어 있어서 꼭 가고 싶은 곳이어야 한다. - P76
차 안에서 가능한 서비스가 무엇인지를 고민하는 것, 그것이 지금 운송 서비스업체의 초미의 관심사다. - P80
기술 중심의 기획이다. 제품을 먼저 만들어놓은 다음에 적용 분야를 고민하는 것이다. - P81
사용자 중심의 기획이 있다. 애초의 발상이 사용자의 니즈needs에서부터 시작한다. - P81
리서치라는 것은 소비자들을 대상으로 설문 조사하는 것이다. - P81
기업 입장에서 소비자의 목소리를 듣기 위해서는 이 소셜미디어를 통하지 않을 수 없다. - P82
소비자의 관심은 사실 제품이 아니고 서비스다. 예를 들어, 우리가 에어컨을 구매하면 실외기와 실내기라는 기계가 배달된다. 그러나 우리가 실제로 원하는 것은 기계가 아니라 여름에는 시원한 바람, 겨울에는 따뜻한 바람이다. - P87
인간의 언어는 애매모호하기 때문에 한 사람의 "꽤 좋다"가 다른 사람의 "아주 좋다"보다 더 좋을 수 있기 때문이다. 반면 공식은 정확하며 객관적인 수치를 제공한다. - P98
공정 빅데이터를 가지고 제품의 품질을 예측하고 검사를 대신하는 것은 제조업의 핵심 가치 창출이 된다. 이를 인더스트리 4.0 이라고 하고, 스마트 팩토리라고도 부른다. - P99
문제의 원인을 데이터로부터 찾아 이를 제거하는 액션을 취해야만 우리가 원하는 문제 해결, 즉 가치 창출을 할 수 있다. 아무리 작은 문제라도 이렇게 해서 제거한 문제는 절대로 재발되지 않는다. - P102
해당 그룹의 특성을 알면 알수록 그 그룹에 어떤 마케팅 전략을 가지고 접근해야 하는지를 정확히 알아낼 수 있다. 인사이트가 없으면 절대 구체적 액션은 나올 수 없는 것이다. - P110
마케팅과 너무도 닮은 정치 분야도 그렇다. 선거 때마다 막연하게 ‘대한민국의 국민을 위하여‘라고 할 게 아니라 구체적인 세그먼테이션을 해서 세그먼트별로 정책 제안을 해야 한다. 다 같은 대한민국 국민이라도 처지와 생각이 다르고 원하는 게 모두 다르니 정책도 그에 맞게 펼쳐야 하는 것이다. - P111
사실상 소비자 전체를 위한 캠페인이나 국민 모두를 위한 정책은 시도한다면 백발백중 실패하기 마련이다. 반드시 타기팅targeting을 해야 한다. 세그먼트로 쪼개고, 세그먼트별 성격과 인사이트를 이해하고, 그에 맞는 액션을 취해야 한다. - P111
마케팅의 효율을 결정하는 것은 변환 캠페인에 따라 넘어올 사람을 어떻게 분별해내는가에 달려 있다. - P112
주관적인 방식에는 여러 가지 문제가 있다. 주관적이라는 점 그자체도 문제일 뿐만 아니라, 오류의 원인을 찾는 것도 어려우며 정확도를 체계적으로 향상시킬 방법이 없다는 것도 문제다. - P114
이제 소비자는 물어볼 대상이 아니라 관찰의 대상이다.
묻지 말고 관찰해야 한다. 그들의 글과 행동을 관찰해야 한다. 그것이 훨씬 정확한 예측을 가져온다. 마케팅에서의 소비자 연구, 그 답은 소비자의 입이 아닌 행동에 있다. - P120
빅데이터 활용의 궁극적 목표는 그로부터 가치를 만들어내는 것이다. - P121
중요한 것은 우리가 데이터를 통해 도출한 인사이트는 상관관계만 밝혀진 것이라는 사실이다. 즉 인사이트는 상관관계다. ...(중략)... 인과관계가 있는지 없는지의 여부는 알 수 없다. - P124
동시에 원인으로 작용하는 어떤 숨은 요인이 있을 수도 있다. 이런 것을 잠재 요인이라고 한다. - P125
결국 분석은 그 데이터가 포함하고 있는 인사이트만을 뽑아낼 수 있다. - P128
데이터로부터 인사이트를 얻는 애널리틱스, 특히 데이터마이닝은 금광에서 금을 캐는 것에 비유되기도 한다. 만약 금광 안의 금 매장량이 100톤이라고 한다면 어떤 방법을 써도 그곳에서 200톤의 금이 나오는 것은 불가능한 일이다. 100톤을 다 캐내면 끝이다. 데이터도 그와 마찬가지다. 데이터도 그 데이터가 포함하고 있는 잠재적인 인사이트 양이 어느 정도인가에 따라 최대로 잘했을 때 그만큼의 인사이트가 도출되는 것이다. - P128
아무리 훌륭한 인사이트를 데이터로부터 도출해도 그것을 기반으로 액션을 실행해야 가치가 나오는 법이다. - P129
인사이트를 실행하는 데는 최고경영자의 데이터 기반 의사결정에 대한 지지가 필수 - P130
기업이나 한국은행 같은 중요한 기관에서 관련 자료를 체계적으로 분석하는 것, 이것이야말로 인사이트를 얻는 최고의 길이라고 생각한다. 인사이트를 보고 어떤 액션을 취하느냐 하는 것은 각자의 관점과 역할에 따라 달라진다. 한국은행, 우리나라 정부와 기업, 개인이 다 다르다. 그러나 중요한 것은 이러한 분석을 꾸준히 수행해서 지속적으로 인사이트를 도출하고 적절한 실행을 한다면 리스크를 최소화할 수 있다는 점이다. - P145
컨퍼런스콜이란 CEO와 재무를 담당하는 CFO가 투자자들과 전화로 연결해서 각종 질문을 받는 자리를 뜻한다. - P147
실적이 좋았어도 주가가 떨어지는 경우는 컨퍼런스콜에서 해당 기업의 전망이 밝지 않았던 경우다. 기업의 주가는 기업의 미래 가치다. 지금 당장 수익이 높아도 향후 6개월이나 1년 후에 수익이 감소한다고 시장이 판단하면 주가는 곧바로 떨어지게 된다. 컨퍼런스콜에서 CEO와 CFO가 말한 내용과 방식이 중요한 이유다. - P147
애널리스트들이 어떤 질문을 던지느냐 또한 CEO의 답변 못지않게 중요하다. 그 질문을 통해 일반인들이 잘 모르는 기업의 내밀한 사정을 알 수 있기 때문이다. - P148
질문의 정서가 중요한 인사이트다. - P148
안 좋은 상황을 인정하기 싫어서 어려운 말과 복잡한 표현으로 적당히 피하려는 것은 아닐까 - P149
빅데이터를 활용하는 것은 사람의 일을 대체한다기보다도 사람이 신경 쓸 수 없는 부분, 일일이 다 분석할 만한 가치가 없다고 생각되는 작은 일들을 데이터 분석으로 대신하는 것이다. - P150
|