지난번 포스팅의 마지막 부분에서 데이터 사이언티스트에...

지난번 포스팅의 마지막 부분에서 데이터 사이언티스트에게 필요한 역량들에 대해 몇 가지 살펴봤었다. 오늘은 그 역량 중 하나인 경험의 중요성에 대해 얘기하면서 시작한다.
.
.
.
뒤이어지는 내용에서 데이터로부터 인사이트를 얻는 방법에 대한 설명이 나오는데, 담당자가 어떻게 생각을 하고 로직을 짜느냐에 따라 똑같은 데이터로도 얼마든지 유의미한 자료를 만들어낼 수 있겠다는 생각이 들었다. 본문에 나온 용어는 아니지만 이것을 독자인 나만의 문장으로 표현해보자면 ‘데이터의 창조성이 무궁무진하다‘ 정도로 정리해볼 수 있을 듯하다.

경험치가 필요한 첫째 단계는 기획이다. 어떤 종류의 문제를 풀기 위해 어떤 방법을 써야 할지 선택하는 단계다. 기획 단계에서 경험이 부족하면 잘 맞지 않는 방법을 사용하게 된다. 이를 단기간에 극복하는 방법은 지금 해결하려는 문제와 최대한 비슷한 사례를 찾아서 그 해법을 적용해보는 것이다. - P105

데이터를 변형하는 데도 경험치가 필요하다. 새로운 프로젝트에서 보유한 데이터를 있는 그대로 사용하는 경우는 별로 없다. ...(중략)... 새로운 분석을 위해 기존의 데이터들을 조합하거나 데이터를 만들어내는 경우들이 생긴다. 이때 원하는 결과를 얻기 위해 어떻게 데이터를 바꿔야 하는지 결정하는 것은 이제 막 데이터 분석을 시작한 사람에게는 어려운 문제가 될 수 있다. - P106

경험치가 가장 많이 요구되는 단계는 데이터 해석이다. 데이터 분석 결과를 다른 사람들과 공유하고 실제 시장에 도움이 되는 모습으로 옷을 입히는 단계다. 이 단계에서 경험이 부족하면 사람들이 뭘 원하는지 알기가 어렵다. 사람들이 원하는 얘기와 맞닿아 있는 부분을 발견해 지금은 그저 숫자로만 존재하는 분석의 결과물을 의미 있는 표현으로 해석해줘야 한다. 이 해석 단계는 지름길을 찾기가 정말 어렵다. 경험을 쌓는 시간이 꼭 필요하다. - P106

수비는 경험에서 나온다. 경험으로 상대가 어떻게 할지 예측하고 수비하는 것이다. - P107

현실과 데이터를 연결하고 분석한 뒤 다시 데이터를 현실로 연결하는 과정 속에서 스스로 해석해온 경험이 필요하다. 한번이라도 비슷한 분석을 한 경험이 있다면 그 경험을 기반으로 해석의 대략적인 방향을 잡을 수 있다. 그런데 해석을 처음 접하는 사람이라면 갈피를 잡기 힘들다. - P108

인공지능이 모든 분석을 대신해주는 세상이 된다 해도 그 결과의 해석은 인간이 하게 될 것이다. 기계가 의사결정까지 한다고 해도 마찬가지다. 기계의 의사결정을 따르기로 하는 것도 인간이고, 의사결정을 재해석하기로 하는 것도 인간이다. 어떤 경우에도 최종 해석을 하는 역할은 인간이 맡게 된다. 분석이 아무리 간소화되고 쉬운 세상이 된다 해도 결과를 해석하는 경험은 반드시 필요하다. - P108

경험을 늘리기 위해서는 남들이 해놓은 분석 케이스를 많이 보는 것도 중요하지만 꼭 ‘직접‘ 분석을 해봐야 한다. 말로 훈수를 두는 것은 쉽지만 직접 해보면 경험하는 바가 다르다. 데이터 분석을 꼭 한번이라도 직접 해보고 이 과정에서 새로운 해석 가능성들을 찾아보는 시간을 가져야 한다. - P108

해석은 데이터 사이언티스트의 일 가운데 화룡점정이라 해도 과언이 아니다. 데이터 분석 결과 중 의미 있는 일을 가려내는 경험, 사람들이 받아들일 수 있는 얘기로 전달해보는 경험은 많으면 많을수록 좋다. 해가 거듭될수록 데이터 안에서 더 풍성한 얘기를 찾아낼 수 있게 된다. - P108

데이터가 우리를 위해 일하도록 만든다는 건 무슨 뜻일까? 데이터에서 가치를 찾는다는 것이다. 가치는 정의하기 나름이기도 하고 사람마다 가치를 느끼는 지점도 달라서 설명하기 애매한 개념이긴 하지만 대체로 가치가 있는 일들은 다음과 같다. 기업이 데이터로 돈을 벌 수 있게 하는 일, 데이터에서 소비자의 마음을 찾는 일, 데이터가 조직의 의사결정을 돕도록 하는 일 등 데이터로 우리 삶을 나아지게 하는 일들이다. - P112

데이터는 조금 더 합리적인 의사결정을 도와준다. - P112

데이터는 간접적 방법으로도 유동 인구 정보를 줄 수 있다. 공공기관에서 제공하는 사이트, 예를 들어 소상공인시장진홍공단(www.semas.or.kr)에서 제공하는 무료 데이터를 통해서도 카드사나 통신사 등과 협력해 통계 처리한 정보를 볼 수 있다. 특정 통신사와 카드사의 데이터이다 보니 전체 인구를 반영하지는 못하지만, 통계 처리한 데이터가 대표성이 있을 것이라는 가정하에 사용하는 데에는 무리가 없다. - P113

데이터는 당신의 감을 좀 더 정확하게 지지해주고 실패를 줄여줄 것이다. 또 미처 알아차리지 못한 채 숨어있던 소비자의 필요까지도 발견하도록 도와줄 것이다. - P114

데이터를 분석하는 일은 때로 금광에서 금을 찾는 일과 같다. 한없이 파는데도 필요 없어 보이는 흙만 나올 때도 있고, 도무지 뭐가 나올지 알 수 없는 시간을 보낼 때도 있고, 결국 금을 발견했는데 정제가 필요할 때도 있다. 그리고 마침내 순도 높은 금을 조금이라도 발견하면 큰 희열을 느끼게 된다. 그 순도 높은 금이 바로 소비자와 기업에 도움을 줄 수 있는 발견들이다. - P115

금은 금인데 사금처럼 정제를 해야 금을 얻는 경우도 많다. 정말 귀찮고 어려운 일이지만 사금도 금이다. 손이 많이 가는 데이터도 때로는 귀한 가치를 지닌다. - P115

통계를 조금이라도 알고 있어야만 데이터 분석이 가능하다. 데이터가 어떻게 쌓여 있고 어떻게 활용될 수 있는지 숫자의 구조를 이해하지 못하면 분석 후에도 의미 없는 숫자를 만들어낼 확률이 높다. - P116

통계적 감각은 평소에 익혀두지 않으면 한꺼번에 습득하기어려운 역량으로 일의 구석구석에 영향을 미친다. 데이터를 몇 개의 그룹으로 만들 것인지, 이 그룹과 저 그룹을 비교할 때 기준을 어떻게 세울 것인지, 어떤 사례에 어떤 데이터모델을 써야할지 등 데이터 분석 단계마다 필요한 역량이기 때문이다. - P116

초심자라면 데이터로 차트를 만드는 책을 탐독하면서 좀 더 빨리 (통계적) 감각을 기를 수도 있을 것이다. - P116

(데이터를 다루는) 기술보다 더 중요한 것은 코딩한 내용이 가지고 있어야 할 기본적인 ‘논리‘ 혹은 데이터 처리 기술로 얻을 수 있는 결과물의 ‘이해‘라고 생각한다. 코딩 기술 자체는 변할 수 있지만 그 원리는 변하지 않을 것이기 때문이다. - P117

데이터를 어떻게 분석하면 좋을지 스스로 데이터분석 주제를 찾아내는 사람은 프로젝트에서 주도적인 역할을 할 수 있다. 수동적으로 남의 요청에 응답하는 사람과 달리 분석 주제를 잡아내면 데이터에 관한 이해를 바탕으로 독보적인 결과물들을 만들어낼 수 있다. - P119

(데이터 사이언티스트는) 현재 보유하고 있는 데이터의 구조를 알기 때문에 효율적인 데이터 생성 방법을 찾고 데이터 결과물에 관한 이미지까지 구상할 수 있어 데이터를 필요한 곳에 좀 더 빠르게 전달할 수 있다. - P119

프로젝트는 크게 2가지 유형으로 나눠볼 수 있다. 데이터의 분석 결과가 의사결정자나 타 부서 등에 전달되어 ‘인사이트를 사람에게 전달하는 경우‘, 그리고 데이터가 IT서비스에서 움직일 수 있도록 알고리즘 등의 형식으로 ‘데이터를 실제 IT서비스에 반영하는 경우‘다. - P120

‘인사이트‘ 중심의 프로젝트를 진행하는 순서는 일반적으로 다음과 같다.

• 프로젝트 초반: 기획

1. 프로젝트의 목적을 정한다.

2. 유관 부서의 현황과 궁금증을 듣는다.

3. 프로젝트와 관련된 데이터를 최대한 끌어모은다.

• 프로젝트 중반: 분석

4. 목적에 맞는 가설들을 검증한다.

5. 검증한 가설들의 조각을 모아 하나의 얘기를 만든다.

6. 실제 개선할 수 있는 구체적 방향을 제언한다.

• 프로젝트 후반: 실행

7. 유관 부서와 개선 방안을 논의하고 실행을 돕는다.

8. 실행 효과를 데이터로 검증한다.

9. 분석 - 실행 - 분석을 통해 확인한 것들로 다음 실행을 준비한다. - P122

현황 청취에서 무엇보다 중요한 것은 현재 상태에 불편함을느끼는 부분은 없는지 파악하는 것이다. 만족 또는 불만족의 이유를 알면 기회를 잡기가 더 쉬워진다. - P124

그들의 구매 패턴과 우리 제품/서비스가 얼마나 일치하는지 그리고 그들의 구매 패턴에서 우리가 아직 준비하지 못한 것이 있다면 무엇인지 등 연구 문제나 가설을 만들어 분석하고 검증한다. - P126

회사 안에서 관심을 얻지 못한다면 제품이 시장으로 나갈 확률은 줄어든다. 데이터 분석 결과를 토대로 회사 사람들을 설득하는 것이 중요하다. - P127

실행 결과 기존 판매와 어떤 차이가 있었는지, 어떤 고객층이 움직였는지, 효과가 전혀 없었다면 왜 그랬는지 검증할 수있는 방법을 미리 설정해둔다. ...(중략)... 검증 방법을 미리 고민하지 않고 실행하면 나중에 성패의 원인을 파악할 수 없게 된다. - P129

성공과 실패의 시사점은 데이터로 정리해둔다. - P129

프로젝트를 시작할 때는 당면한 문제가 무엇인지 탐색해야 한다. 새로운 제품이나 서비스를 기획하는 단계인지, 특정 고객들에 대한 이해가 필요한 시점인지, 특정 상권 탐구가 필요한지, 이 모든 것들을 조금씩이라도 포함하는 큰 규모의 프로젝트인지 결정한다. - P130

너무 작은 단위의 문제는 실행하기가 어렵고, 너무 큰 프로젝트는 시간과 에너지를 낭비하게 될 가능성이 있다. - P130

데이터 프로젝트는 처음부터 목적과 방향성을 갖고 있어야 한다. - P130

프로젝트 초기에는 커뮤니케이션 역량과 논리적 상상력이 필요하다. 경영 관점에서 정의한 문제가 데이터로 접근 가능한 것인지 데이터 사이언티스트의 머릿속에서 대략적으로라도 그려져야 한다. - P130

일반적으로 데이터는 목적을 가져야만 제대로 활용될 수 있다. 프로젝트의 목적이 뚜렷하지 않고 ‘뭔가 재밌는 것‘, ‘뭔가 새로운 것‘, ‘데이터와 분석할 사람이 있으니 성과를 낼 만한 것‘을 찾는다면 몇 년이 흘러도 손에 잡히는 결과를 얻지 못할 수도 있다. - P131

단순히 ‘새로운 기술이나 도구를 도입하는 것‘이 프로젝트의 목적이 되면 도입으로 만족해야 하는 경우가 많다. 미리 활용처를 생각해두지 않으면 기술 도입이 향후 어떤 성과를 가져오는지 확인하기 어려워지기도 한다. - P132

타인에게 공유받은 문서만으로 멋대로 상상하지 말고, 현장에 직접 가보거나 실제로 일하는 사람들의 얘기를 들어봐야 한다. 그 얘기 가운데 중요한 분석 주제가 나올 수도 있고 때로는 해결을 위한 실마리까지 발견할 수도 있다. - P132

현장에서 일어나는 문제점의 원인을 파악하고 싶다면 어떤 데이터로 그 문제점을 증명하고 어떤 데이터로 해결책을 찾을 수 있을지 상상해야 한다. - P133

데이터 사이언티스트가 직접 유관 부서 사람들의 얘기를 듣고 가설을 세우는 것이 무엇보다 중요하다. "XX가 궁금하니이런저런 숫자들을 만들어주세요"라고 답이 정해진 상태에서 데이터 분석 결과만을 추출하는 것은 빅데이터 전문가가 아니어도 할 수 있는 일이다. - P133

데이터 안에서 더 나은 가치들을 발견하기 위해서는 데이터사이언티스트가 직접 문제를 만들어낼 수 있어야 한다. 실무자들의 소중한 경험을 존중하며 경청하는 단계도 필수적이지만 그저 요청에 대응만 하는 것은 훗날 인공지능이 대체할 수 있는 일이 될 것이다. - P133

프로젝트와 관련된 데이터는 무엇이 있고, 그 데이터를 얻으려면 어떻게 해야 하는지 프로젝트 주제가 정해지자마자 파악해야 한다. 데이터를 모으는 데 시간이 꽤 걸릴 수도 있으니 반드시 포함되거나 미리 요청할 수 있는 데이터들을 어떻게 분석가능한 환경으로 끌고 들어올지 계획해놓아야 한다. 더 필요한 데이터가 생기면 그때 추가로 데이터를 확보해나가면 된다. - P133

SPSS(Statistical Package for the Social Sciences) : 사회과학을 위한 통계 패키지. 광범위한 분류와 자료 수정, 변형 기능이 있어 실험적인 자료나 시계열 자료, 데이터베이스 관리 패키지로 폭넓게 사용되고 있다. - P135

SAS(Statistical Analysis System) : 통계 분석 시스템. 최근에는 기능이 통합 발전되어 전략적 응용시스템 (Strategic Application System)의 약자로 쓰이고 있다. 자료 관리와 효율성이 다른 패키지에 비해 높지만 가격이 비싸고 용량이 커서 개인이 사용하기에는 부담이 있다. - P135

‘빅데이터‘, 일반적인 분석 도구 안에 담기지 않는 용량의 큰 데이터와 그 데이터를 다룰 수 있는 기술 및 언어 (파이선*,
R**, SQL*** 등)를 알고 있다면 분석 범위와 깊이가 달라진다. 마치 삽과 굴삭기의 차이처럼, 데이터의 처리 용량과 속도에서도 차이가 난다. 분석 주제가 무엇인지에 따라 쓸 수 있는 통계 모델이 다르고 사용할 수 있는 기술도 달라진다. - P136

* python : 프로그래밍언어의 하나. 다양한 분야에 활용할 수 있으며 머신러닝, 그래픽, 웹개발 등 여러 업계에서 선호하는 언어로 꾸준히 성장하고 있다. - P136

** R : 빅데이터 통계분석 및 그래프를 위한 언어. 주로 연구 및 산업별 응용프로그램으로 많이 사용되고 있다. - P136

*** SQL(Structured Query Language) : 구조화 질의어. 데이터베이스와 소통하기 위한 언어로 ‘Structured‘가 의미하듯 이미 정해진(구조화된) 질의 언어다. 데이터베이스에서 쓰이는 언어 중 가장 많이 사용되고 있으며, ‘SELECT, FROM, WHERE‘ 구조로 특징지을 수 있는 관계 사상을 기초로 한다. 예를 들어 마케팅 팀 직원의 이름, 주소, 전화번호를 검색한다고 할 때 SELECT는 ‘이름, 주소, 전화번호, FROM은 ‘직원‘, WHERE은 ‘마케팅‘으로 볼 수 있다. - P136

데이터 분석 결과 예상했던 것과 같은 내용도 있고 다른 내용도 있을 것이다. 프로젝트 전체에서 원하는 답을 하나의 데이터 분석을 통해 얻을 수는 없다. 각 가설에 맞는 다양한 분석을 통해 답을 얻었다면 이제 다시 프로젝트 전체의 큰 그림을 봐야 할 때다. 이 그림은 사람들이 공감할 수 있게끔 그려야 한다. 프로젝트 초기에 기획한 방향에 따라 전체적인 구조를 만든다. - P137

하나하나의 데이터 분석을 마친 것은 퍼즐의 조각들을 모으기만 한 상태다. 이제 퍼즐 조각을 맞춰볼 차례다. 각 조각들은 논리적으로 끼워 맞춰져야 하며 앞의 분석과 뒤의 분석이 앞뒤가 안 맞는 내용이라면 왜 그런지도 설명할 수 있어야 한다. - P137

하나의 분석 단위 문장들에 연결 고리를 끼워 넣어 얘기를 만들어낸다. 이 얘기의 방향성에 따라 실제 기업이 만들 수 있는 제품이나 서비스의 색채가 달라진다. - P137

세부 방안을 만드는 것은 실무자들의 몫이다. 하지만 데이터를 해석하고 방향성까지 얘기해줄 수 있다면 데이터 사이언티스트로서 더 많은 가치를 만들 수 있다. - P137

query language, 질의어 :  데이터를 검색하기 위한 언어라고 볼 수 있다. 데이터 분석을 위한 기술 역량을 배울 때 쿼리를 학습한다. - P138

실제로 제품과 서비스가 나오는 과정에도 데이터가 얘기하는 바가 적용되고 있는지, 적용해본 결과 어떤 성공과 실패를 했는지, 실패했다면 그 원인은 무엇인지 다시 분석하는 과정이 있어야 한다. 여기까지 해야 진정으로 ‘데이터가 일하는 회사‘가 된다. - P138

[100자평] 전직 절대자는 아카데미 펫 관리자 07

[전자책] 전직 절대자는 아카데미 펫 관리자 07 ㅣ 전직 절대자는 아카데미 펫 관리자 7
말랑부들 / ARC / 2024년 6월

이 책에 자주 등장하는 단어 중 하나로 케렌시아라는 말이 있다. 인터넷에 검색해보니 이 말은 스페인어로 스트레스와 피로를 풀며 안정을 취할 수 있는 공간이라고 한다. 이를 통해 과연 나만의 케렌시아는 어디인지 잠시나마 생각해볼 수 있었다. 이외에도 의미심장한 문장들을 만날 수 있어 좋았다.

지난번 포스팅의 마지막 부분에서 우리의 뇌에 기억을 ...

지난번 포스팅의 마지막 부분에서 우리의 뇌에 기억을 남기는 데 핵심적인 역할을 하는 ‘해마‘에 대한 얘기를 했었다. 여기서 일일이 다루기는 힘들지만 본문에서는 해마 안에 있는 각종 신경 세포 그리고 이와 연결된 ‘축삭‘이라는 것이 어떻게 작용하여 우리의 기억이 떠올려지는지를 거대한 그림과 함께 설명해주고 있다.

비록 일부 용어들이 다소 생소하게 느껴질 수도 있으나 큰 흐름만 놓고 본다면 결국 인풋과 아웃풋 그리고 그 사이에 있는 세부적인 전달 과정들이 한데 얽혀서 하나의 큰 시스템을 이룬다고 이해하면 될 듯하다.

이 뇌과학이라는 분야는 참 알면 알수록 놀라움을 금할 수 없다. 도대체 과학자들이 어떻게 이런 걸 연구하고 밝혀냈는지 신기할 따름이다. 다른 한편으로는 과학자들의 노력 덕분에 우리 뇌가 어떤 식으로 작동하는지 알 수 있어서 감사한 마음도 든다.

사람의 해마에는 치아이랑, CA3, CA1이 있고, 연결된 상대를 활성화하는(전기 신호를 발신하기 쉽게 하는) 신경 세포만도 약 1600만 개나 있다고 한다. 이들 조합은 무한은 아니라도 충분히 방대하다고 생각된다. - P137

어떤 신경 세포에서 근육으로, 또는 다른 신경 세포로 신호가 전해질 때의 접속부를 ‘시냅스(연접)‘라고 한다. - P138

기억에는 시냅스의 변화가 필요하다 - P138

시냅스에서 아주 짧은 시간에 반복된 신호가 보내지면 전달 효율이 높아지고, 그 상태가 며칠 동안 유지되는 현상 - P138

시냅스의 전달 효율은 유연하게 바뀌며, 변화 후의 상태가 유지된다[가소성(可塑性)]. 이것이 기억을 만드는 메커니즘의 하나 - P138

송신측과 수신측에서 만드는 접속부 전체를 ‘시냅스‘라고 한다. 감각기 -> 뇌, 해마 -> 대뇌 피질, 척수-> 근육 등, 시냅스는 다양한 조합으로 만들어진다. - P138

신경 세포의 축삭은 전기 신호를 전달한다. 전기 신호가 축삭의 말단부에 도달하면, 축삭의 바깥쪽에 있는 칼슘 이온이 세포막에 있는 이온 채널(전달 통로)을 통해 안쪽으로 흘러 들어온다. 축삭의 말단부에는 신경 전달 물질이 들어있는 ‘주머니‘인 시냅스 소포가 있다. 칼슘 이온이 흘러들어오는 것을 계기로 시냅스 소포는 축삭의 말단부의 세포막과 융합해 내용물이 밖으로 방출된다. - P138

송신측에서 신경 전달 물질이 방출되면, 수신측에서는 이온 채널이 그것을 받아들일 관문을 열어 이온이 안으로 흘러들어온다. 먼저 AMPA 수용체를 통해 나트륨 이온이 흘러들어온다. 이어서 NMDA 수용체를 통해 칼슘 이온도 들어온다. 이들에 의해 전기 신호가 발생한다. - P139

수신측 신경 세포에는 표면에서 작용하는 AMPA 수용체 외에도 내부에 ‘재고‘가 있다. NMDA 수용체를 통해 칼슘 이온이 흘러들어오는 것을 계기로 ‘재고‘는 신경세포의 표면에서 사용된다. - P139

AMPA 수용체가 수신측의 표면에서 늘어나면 나트륨 이온의 유입량이 늘어난다. 따라서 신경 전달 물질을 받아들였을 때 신호가 잘 전해진다. 이 효과는 적어도 몇 시간 동안 계속된다. - P139

신경 세포의 가지 돌기에는 시냅스의 수신측이 되는 ‘스파인(spine)‘이라는 조그만 돌기가 무수히 있다. 전기 신호의 ‘소자‘에는 흐르는 전류를 조정하는 것이 있는데, 스파인은 뇌의 기억 회로에서 신호의 흐름을 조정하는 소자로 여겨진다. - P140

"최근에는 몇 개의 커다란 스파인으로부터 신호가 입력되는 것만으로도, 입력을 받은 신경 세포에 충분히 전기 신호를 발생시킬 수 있다고 알려졌다." - P140

스파인은 늘어나거나 줄어들거나, 커지거나 작아지는 등, 시시각각으로 변하고 있다. - P140

"스파인이 커지면 많은 전기가 그곳을 흐르게 된다. 넓은 도로에서 교통이 활발해지는 것과 비슷하다." - P141

스파인은 기억과 학습에 따라 증가하고 커진다. - P141

Rotarod test(로터로드 테스트) : 쥐 등을 회전하는 막대 위에 올려놓고 서서히 회전 속도를 높여, 쥐가 떨어질 때까지의 시간을 측정하는 실험이다. - P141

스파인에 의해 신호의 흐름이 변하는 것이 복잡한 기억과 학습을 가능케 한다고 여겨진다. - P141

해마를 포함한 대뇌 피질과 근육의 움직임 조절 등에 관여하는 선조체(線條體)에 많은 스파인을 가진 신경 세포가 많다는 사실이 알려져 있다. - P140

기억에는 해마 이외의 영역도 필요하다 - P142

기억에는 종류가 있으며, 그 모든 것을 해마가 담당하는 것은 아니라는 점 - P142

해마가 매우 중요한 역할을 하는 ‘일화기억(에피소드 기억)‘에 대해, 해마가 거의 관여하지 않는 ‘의미 기억(semancticmemory)‘이 있다. - P142

의미 기억은 뇌 겉면에 있는 대뇌 피질 안, 특히 측두부에서 두정부에 걸친 영역(측두엽)에 간직된다고 한다. - P143

"의미 기억은 사실 바탕은 일화 기억에서 만들어진다. 예를 들어 오래전에 부모가 아이에게 바나나를 처음으로 먹였다고 하자. 아이는 그것이 무엇인지 모르지만, 먹어보면 맛있고 그리고 그것은 노랗다. 이런 일화(episode)를 여러 차례 반복하는 가운데 ‘바나나는 노랗다‘는 점만 공통 사항으로 골라진 것이다. 의미 기억이라는 것은 모두 그런 것이다." - P143

일화 기억에서 의미 기억은 어떻게 만들어질까. ...(중략)...해마에서 처리할 수 없게 되어, 뇌의 겉면에 있는 대뇌 피질로 기억이 전송된다고 한다. - P143

해마는 시각 영역 등이 있는 대뇌 피질의 측두부(측두엽)를 비롯해 여러 영역에서 정보를 받아 사건을 기록한다. 이때 해마의 신경 세포 활동 패턴은 이른바 뇌의 깊은 잠(논렘수면) 사이에 해마에서 ‘재현‘된다. 그리고 그와 같은 활동 패턴이 차츰 대뇌 피질의 측두엽 등에서 보여지게 된다고 한다. 이것이 해마에서 측두엽 등의 ‘저장고‘로 기억이 전송되는 과정이라는 가설이 세워져 있다. - P142

측두엽 : 대뇌 피질 가운데 옆쪽에 자리한 부위. 측두엽은 주로 청각 처리에 관여하고 있다. 또 음성과 문자의 의미를 이해하는 작용을 담당하는 것으로 생각된다. - P143

후두엽 : 대뇌 피질 가운데 뒤쪽에 자리한 부위. 눈에서 오는 신호를 제어하는 ‘시각 영역‘의 대부분은 후두엽에 있으며, 시각 정보를 최초로 처리한다. - P143

전두엽 : 대뇌 피질 가운데 앞쪽에 자리한 부위, 전두엽에는 몸의 움직임을 관장하는 ‘운동 영역‘이 있어 보행 등의 운동을 조절한다. 또 이성적인 사고와 감정을 조절한다. - P143

두정엽 : 대뇌 피질 가운데 위쪽에 자리한 부위, 두정엽은 감각 정보를 통합한다. 또 두정엽의 일부는 시각 처리에 관여하며 특히 물체의 위치와 방향 등을 파악하는 데 중요한 부위이다. - P143

건망증은 증상이 나타난 시점 이후의 새로운 사건을 기억하지 못하는 ‘전향성 건망증‘과 증상 이전의 과거를 떠올리지 못하는 ‘역행성 건망증‘ 두 가지로 크게 분류되며, 보통은 이 두 가지로 나타난다. - P143

"드라마의 주제가 되는 ‘기억 상실‘은 자기 자신과 관련된 기억에 대한 선택적 역행성 건망증으로, 심인성 건망증의 일종이다." - P143

"의미 기억 가운데 동물이나 탈것, 인물이라는 특정 범주만을 모르게 되는 경우도 있다. 예를 들어 ‘코끼리‘라는 단어를 모를 뿐만 아니라 ‘코끼리‘가 무엇인지 모르는 것이다." 이 신기한 현상은 헤르페스 바이러스가 중추 신경에 침입한 ‘헤르페스 뇌염‘ 등에서 볼 수 있다고 한다. - P143

뇌 안, 특히 측두엽에는 네트워크로서 의미 기억이 저장되어 있는데, 어떤 영역에서는 ‘생물‘, 다른 영역에서는 ‘무생물‘ 이라는 형태로 영역별로 대충 네트워크가 나누어져 있다. 뇌염이 어떤 영역을 침범했는가에 따라 모르게 되는 범주가 다르다고 생각된다. - P143

기억은 저장되는 시간으로도 분류된다. 신경과학 분야에서는 시간에 따라 기억을 수십 초 이내라고 여겨지는 ‘즉시 기억‘, 그리고 ‘근시 기억, 거의 영구적이라고 생각되는 ‘원격 기억‘의 3가지로 분류한다(단기 기억과 장기 기억 2가지로 분류하는 경우도 있다). 특히 근시 기억에 대해서는 명확한 시간 정의는 없다고 한다. - P144

해마가 담당하는 것은 대개 근시 기억이다. "쥐도 1~2주일 정도, 어떤 일화 기억을 해마에 저장하고 있다. 인간은 훨씬 길게, 1개월, 2개월 정도, 해마를 사용해 일화 기억(에피소드 기억)을 저장하고 있다." - P144

원격 기억에는 여러 종류가 있다. 그리고 ‘몸이 느낀다‘고 표현되는 자전거를 타는 법이나 운동 방법 등도 일단 기억하면 좀처럼 잊지 않는다. 이것들을 ‘절차 기억‘이라고 하며, 이 기억에는 대뇌 뒤쪽에 있는 소뇌와 선조체가 관여한다. - P145

장기 기억 혹은 원격 기억은 대뇌 피질에 저장된다. "쥐의 경우, 1개월, 2개월 저장되는 장기 기억에는 대뇌 피질에서 해마와 비슷한 세포의 연계(connectivity)가 사용된다고 생각된다. 이것은 아마도 매우 기초적인 메커니즘으로, 뇌 안에서는 기억에 모두 연계가 사용되는 것으로 생각된다." - P145

일화 기억(에피소드 기억) : 개인의 경험과 사건에 근거한 기억. 해마가 없으면 새로운 사건을 기억할 수 없다. - P144

의미 기억 : 언어의 의미와 수식, 연호 등 이른바 지식이라고 하는 기억. - P144

절차 기억 : 특정 운동의 기술과 자전거를 타는 법 등, 몸을 움직이는 방식에 관한 기억. 이런 종류의 기억은 해마가 없더라도 기억될 수 있다. - P144

이전에는 어른의 뇌에서는 신경 세포는 새롭게 만들어지지 않는다고 생각되었지만, 사실 해마 등에서는 평생 동안 신경 세포가 만들어진다. 해마에서 새롭게 만들어진 신경 세포는 해마의 신경 세포에 결합되어 장기 기억의 형성에 관여하고 있음이 밝혀졌다. - P145

신경 세포의 탄생이 활발한 쥐일수록, 일화 기억이 대뇌 피질로 옮겨져 해마의 활동과는 무관해질 때까지의 시간이 짧아진 것이다. 반대로 신경 세포의 탄생이 억제된 쥐는 그 시간이 길어진다. - P145

해마의 새로운 신경 세포는 치아이랑(치상회)에서 만들어진다. 치아이랑 안에는 자신과 다른 종류의 세포를 만들어 내는 능력을 지닌 ‘줄기 세포‘에 가까운 ‘타입 1 세포‘ 가 있다. 이 세포는 돌기를 잃고 신경 세포 직전 단계에 해당하는 ‘타입 2 세포‘로 변해 분열을 되풀이한다. 1-2주일 정도에서 신경 세포가 생기고, 생긴 다음 2~3주 동안의 성숙 과정에서 다른 신경세포로부터의 신호를 받게 된다. 그리고 생긴 지 4~8주 후에는 성숙한 신경 세포가 된다. - P145

특정 신경 세포만을 골라 흥분시키는, 광유전학 기술(optogenetics) - P146

기억은 육체의 현상이 아니라 이른바 마음의 현상입니다. - P146

수정란 단계에서 다른 생물종의 유전자(DNA)를 삽입하는 기술이 유전자 이식(transgenic)이다. 특히, 특정 유전자가 작용하지 않게 하는 경우를 ‘녹아웃(knockout) 법‘이라 한다. - P146

‘기억 흔적 이론(engram theory)‘이라는 가설이 100년 전부터 있었습니다. 그에 따르면, 어떤 일을 기억했다는 것은 다음과 같은 것입니다. ‘해마에 국한하지 않고 뇌의 어딘가에서 어떤 세포군이 먼저 활성화한다. 그 결과, 그 세포군 안에서 지금까지 없었던 화학 변화가 일어난다. 그 변화가 바로 사라지는 것이 아니라, 잠시 동안 유지된다.‘ 이것은 기억의 저장에 해당합니다. - P147

물리적 혹은 화학적인 변화가 세포군에 ‘흔적‘으로 남는다 - P147

최초 기억을 만들 때 세포군이 활성화하지만(전기 신호를 발생시켜 전달하는), 그 세포군은 기억을 만든 다음에도 계속 활성화해 있는 것은 아닙니다. 그렇지만, 기억의 내용과 관련된 무엇인가의 자극이 외부에서 주어지면, 그 자극을 이용해 기억을 만들었을 때 활성화한 세포군이 다시 한 번 활성화합니다. 그것이 기억의 상기라는 가설이 바로 ‘기억 흔적 이론‘입니다. - P147

기억을 떠올릴 때는 기억과 관련된 자극이 조금 들어오면, 그 자극이 마중물이 되어 그 기억 세포 전체가 활성화합니다. 약간의 자극(trigger)만을 주어 기억이 떠오르게 하는 것입니다. - P148

지난번 포스팅의 마지막 부분에서 저자는 심리학자인 캐...

지난번 포스팅의 마지막 부분에서 저자는 심리학자인 캐롤 드웩 교수가 쓴《마인드셋》이라는 책에 나온 핵심 키워드인 ‘고정 마인드셋‘과 ‘성장 마인드셋‘ 이라는 것을 비교하면서 부자가 되기 위한 마음가짐으로 ‘성장 마인드셋‘이 중요하다고 말했었다. 오늘은 이 ‘성장 마인드셋‘에 대한 얘기를 추가로 이어가면서 시작한다.
.
.
.
이어지는 글에선 갑자기 인공위성이 우주 궤도에 진입하는 과정에 대한 얘기가 나온다. 재테크 관련 서적에서 갑자기 왜 우주 얘기가 나오나 의아해 할 수도 있는데, 저자는 100% 자본소득 궤도에 진입해야 부자로 갈 수 있다는 점을 비유적으로 설명하고자 인공위성을 쏘아올리는 과정을 예시로 든 것이었다. 여기서 독자인 내가 느낀 가장 중요한 포인트는 처음 발사할 때 에너지가 굉장히 강력해야 한다는 것이었다. 이 에너지가 강력하지 않으면 인공위성을 우주 궤도에 띄우는 일이든 100% 자본소득 궤도에 올라 부자가 되는 일이든 요원해지기 때문이다. 분야를 막론하고 초반에 아주 강력하게 밀어붙이지 않으면 최고의 위치로 가는 것이 어렵다는 것을 느끼게 된다.

어쩌면 이 책에서 말하는 1억 원 모으기라는 것도 결국은 사회생활 초반에 강력하게 밀어붙여서 달성해야 이후에 좀 더 강력한 힘을 발휘할 수 있다는 생각이 들었다. 특정한 목표 기간을 정해놓지 않고 그저 시간이 흘러가는대로 세월아 네월아 하면서 돈을 모으는 것은 결과적으로 해당 금액을 모을 수 있을지는 몰라도 어떤 강력한 힘을 발생시키기에는 역부족일 수밖에 없을 듯하다.
.
.
.
뒤이어지는 내용에서 개인적으로 인상적으로 느껴졌던 부분은 저자가 ‘경제를 보는 10개의 창문‘ 이라고 명명하는 10가지 경제지표였다. 세부적인 각각의 지표는 밑줄친 부분을 참조하면 되는데, 여기서 중요한 것은 단지 이 지표들을 눈으로만 훑고 지나치는 것이 아니라 이 지표들을 매일 직접 손으로 적어보면서 전반적인 경제 상황이 어떻게 변화하는지를 몸소 느껴보라는 저자의 말이었다. 이를 통해 단순한 수치의 변화만이 아니라 어떤 지표들끼리의 상관관계 같은 것들을 파악해볼 수 있으며 궁극적으로는 그렇게 되는 이유까지도 자연스럽게 공부할 수 있게 된다는 저자의 얘기가 인상적이었다. 또한 이런 식으로 호기심을 가지고 찾아본 내용들은 기억에 오래도록 남아 평생의 지식으로 활용할 수 있다는 점도 긍정적인 효과 중 하나라고 말할 수 있을 것이다.

성장 마인드셋은 재능은 성장할 수 있다고 믿고 끝없이 새로운 것을 학습하고 배우려는 마음가짐인데, ...(중략)... 이러한 마음가짐으로 뭐든 임하면 결과물에서 엄청나게 큰 차이가 난다 - P194

성장 마인드셋을 가진 사람은 현재의 직장생활이 어느 정도 성공적이라도 이에 만족하지 않고 끝없이 학습과 도전을 반복하다 보니, 이직과 전직을 시도하는 경우가 많다. 하지만 이직과 전직이 모두 좋은 결과를 낳지는 않는다. 자수성가형 부자 대부분은 이직과 전직을 경험했다는 공통점이 있지만, 이들 모두가 항상 성공한 건 아니었다. 특히 이직보다 전직이 그러하다. - P194

이직이란 직장인들에게는 자신의 커리어를 인정받으며 좀 더 좋은 조건, 그러니까 나의 몸값을 조금이라도 더 인정해 주는 좋은 직장으로 옮기는 일이므로 일반적이므로 전직보다는 자신의 성장에 도움이 된다. 어떤 경우에는 소득이 높아지지 않음에도 내가 하고 싶은 일을 하기 위해서, 나의 커리어 발전에 도움이 되기 위해서 이직하기도 한다. - P195

무엇이 되었든 자신이 하고 있는 일이 매우 단순하고 특별한 일이 아니라고 하더라도 그 일을 하는 모든 사람 중 자신이 최고가 되겠다는 자세로 일에 임해야 함을 강조한다. 그런 자세를 가져야 더 배우고 발전하고 성장해서 부자가 될 수 있는 기회를 잡게 될 것이다. - P195

공전이란 한 천체가 다른 천체의 둘레를 주기적으로 도는 일을 말하는데, 놀랍게도 특별한 에너지 없이도 끝없이 도는 것을 반복한다. - P197

인공위성이 공전하는 것을 보고 자본소득이 생각났다. 자본소득 창출이 바로 에너지 없이도 계속되는 공전과 닮아 있기 때문이다. 자본소득이란 근로소득 없이도 그 재산으로 이익을 영구적으로 얻는 것을 말한다. 그래서 진정한 부자란 바로 근로소득 없이도 자본소득만으로 생활이 가능한 사람을 말한다. - P197

누리호는 발사 2분 안에 음속을 돌파해야 하고 또 3분 안에 1단 로켓이 분리되어야 하며, 4분 안에 페어링이 분리되어야 한다. 만일 이 시간을 지키지 못한다면 엄청나게 무거운 인공위성을 무중력의 궤도에 올려놓는 일은 실패하게 된다. 일단 어떻게든 반드시 지면으로 끌어당기는 엄청난 중력을 이겨내고 1,000km 밖 우주 상공까지 인공위성을 올려놓으면 이제서야 저절로 공전한다. - P198

인공위성은 발사 후 수분 내에 음속을 돌파해야 한다 ...(중략)... 이 무거운 쇳덩어리를 지구 밖으로 밀어 올리려면 가장 중요한 것이 발사초반 속도다. 그래서 인공위성에서 그 에너지원이 되는 1단 로켓의 크기가 가장 크다. 1단 로켓은 2단 로켓, 3단 로켓에 비해 무겁고 많은 엔진으로 구성되어 있는데, 그 이유는 짧은 시간 안에 큰 힘을 내야 하기 때문이다. - P198

자수성가형 부자의 성장도 초반이 굉장히 중요하다. 즉 누리호 발사 직후부터 2분간은 자수성가형 부자의 사회 초년생 시절과 같다. 자수성가형 부자는 공통적으로 이 시기에 절제와 절약에 바탕을 둔 강력한 자본 축적을 했다. 물론 소비를 절제하고 절약한 사람, 돈을 열심히 모은 사람 모두가 부자가 되지는 않는다. 하지만 부자가 된 사람의 대부분은 사회 초년생 시기에 저축에 큰 힘을 쏟았다. - P198

초반에 강력한 저축으로 자본을 모아가는 일이 늦어질수록 결혼이나 내 집 마련의 기반을 만드는 일도 늦어진다는 사실을 명심해야 한다. - P200

부자는 일을 대하는 태도가 남다르다. 그들은 회사에서 자신이 맡은 업무의 중요도와 상관없이 회사에서 꼭 필요한 직원이 되기 위해 노력한다. 즉 자신의 업무에서 전문성을 갖출 수 있도록 노력한다는 것이다. 그리고 자신의 업무에서 "정말 일 잘한다"라는 말을 듣는 것뿐만 아니라, 경제적으로 좀 더 나은 대우를 해주는 곳으로 이직을 꾸준히 시도한다. - P200

부자는 이보다 더 좋은 직장을 찾기가 어려울 정도로 좋은 대우를 받으면서 직장생활을 하더라도, 그 안에서도 더 좋은 대우를 받기 위해 최고로 성장하겠다는 목표가 있다. 물론 꼭 연봉만으로 성공을 평가할 수는 없지만, 분명한 사실은 연봉을 올리는 것만큼 직장인에게 중요한 일이 없다. - P200

부자는 평범한 직장생활에 안주하기보다는 이직, 경험, 훈련, 학습, 도전을 꾸준히 추진하며 본인의 몸값을 높이는 데 집중한다. - P201

분명히 알아두어야 할 점은 경험이란 ‘소비의 역사‘가 아니라 ‘극복의 역사‘라는 점이다. 따라서 도전과 실패의 역사는 경험이 될 수 있지만 어디 가서 돈 쓰고 다닌 일은 절대 경험이 될 수 없다. - P201

부자들이 사회 초년생 때부터 실시한 강력한 자본 축적은 주거비를 낮추고 내 집 마련의 시기를 앞당긴다. 즉 부자들은 주거의 안정화를 제1의 목표로 삼고 내 집 마련을 위해 행동한다. - P201

열정을 가지고 열심히 정보를 찾아보는 사람에게 기회가 주어진다 - P201

최근 N잡은 단순히 자신의 시간과 돈을 바꾸는 시간제 N잡도 있지만, 기본적인 생계는 직장생활로 유지하되 추후 창업을 위한 자본과 경험을 축적하는 시기로 활용하는 성장형 N잡이 꽤 많다. - P202

실제로 자수성가형 부자들은 직장생활을 하면서도 추가적인 수입을 창출하는 수익 모델을 만들거나, 은퇴 이후에도 지속가능한 사업의 토대를 위해 자신의 강점을 바탕으로 한 비즈니스 모델을 만들었다. 그런 의미의 N잡이 바로 성장형 N잡이다. - P202

60세 전까지는 나의 적성에 맞는지와 관계없이 의무감으로 하는 생계형 경제활동에 가까운 일을 하고, 60세 이후에는소득이 낮아지더라도 진짜로 내가 원하고 좋아하고 잘할 수 있는 일을 하려는 움직임이 매우 바람직한 방향이라고 생각한다. 만일 내가 정말 하고 싶고 좋아하는 일이 아니라면 결코 지속적으로 할 수 없기 때문이다. - P202

100% 자본소득만으로 완벽하게 생활이 가능하지 않는 한은퇴 이후에도 자연스럽게 사회활동이 연장되어야 한다. 만일 그 일이 소득 확보면에서 훌륭하다면 금상첨화겠지만 꼭 그렇지 않더라도 60세에 1차 은퇴한 이후 자신의 사회활동이 연장되어야만 소득이 창출되는 새로운 세컨드 잡까지 발전할 수 있는 밑거름이 될 수 있기 때문이다. - P203

자수성가형 부자들은 자신이 좋아하는 일을 비즈니스 단계로 발전시킨 사람들이다. 그러니까 인공위성의 본체가 궤도에 안착하는 과정은 마치 은퇴 이후 100% 자본소득으로 살거나 설사 100% 자본소득으로만 살 수 없어도 오래도록 할 수 있는 은퇴 이후의 사회활동과 비슷한 과정이다. - P203

내가 좋아하는 일이란 ‘테니스를 배우고 싶다‘ ‘색소폰을 배우고 싶다‘와 같은 일이 아니다. 내가 다른 사람의 필요를 해결해 주는 일을 말하는 것이다. 명심해야 할 점은 나의 필요를 해결하는 일이 아니라는 사실이다. 다른 사람의 필요를 해결해 주는 일은 소득이 생기고 나의 필요를 해결해 주는 일은 소비가 된다. - P203

다른 사람들의 필요를 해결해주는 일 중에서 내가 잘하고 좋아하는 일이 무엇인지 찾는 게 가장 중요하다. - P203

건물주라고 생각처럼 손 하나 까닥하지 않고 임대소득을 벌어들이는 것은 아니다. 건물 관리에는 건물을 유지, 보수하는 데 많은 노력과 시간이 필요하고 공실의 위험을 막기 위한 노력도 해야 하기 때문에 상당한 시간과 에너지가 들어간다. - P204

은퇴 이후에 자신이 정말로 좋아하는 일을 하면서 지낼 수 있는지가 중요하다. 소득이 낮아지더라도 은퇴 이후에도 꾸준히 할 수 있냐는 말이다. - P204

자수성가형 부자들은 은퇴 이후에 돈이 되는 일에 억지로 자신을 맞추는 게 아니라 일찍부터 자신에게 맞는 비즈니스 모델을 만든 뒤, 좋아하는 그 일을 돈이 되게 했다. - P204

높은 소득을 창출하지 않아도 즐겁게 노후에도 일할 수 있는 사회활동이라면 그것 또한 자본소득일 수 있다. - P205

중요한 것은 인생에서 각 시기에 놓치면 안 되는 중요한 것들을 반드시 실천해야 한다는 것이다. 부자들은 단계별로 꼭 놓치지 말아야 하는 것을 행동에 옮긴다. - P205

자수성가형 부자들은 자본소득으로 살아갈 수 있는 단계까지 성장을 이루어 낸 사람들이다. - P206

현실적이고 안전한 방법으로 자산을 불리려면 투자 성공보다 소득 증가에 더 집중해야 한다. - P207

부자들은 이직, 훈련, 학습, 경험, 도전으로 소득 성장을 위한 노력을 최우선의 목표로 삼는다. - P207

N잡으로 당장의 소득을 올리는 노력도 중요하지만 자신의 커리어를 성장, 발전시키려는 노력이 함께 따르지 않으면 안 된다. - P208

결혼에 긍정적이라면, 아니 결혼을 꿈꾸고 있다면 더 이상 꿈만 꾸기보다 ...(중략)... 만남의 접점을 늘리는 행동을 반복하는 노력이 결혼 성공 비결이 될 수 있다. 행동하지 않으면 바라는 일은 절대 일어나지 않는다. - P211

부자는 원하는 게 있으면 생각만으로 그치지 않고 원하는 것을 얻기 위한 행동을 꾸준히 반복한다는 사실을 명심하며, 어차피 결혼할 생각이 있다면 자수성가형 부자가 되는 길을 동행할 배우자를 찾기 위해서 적극적인 행동을 꾸준히 취하기 바란다. - P212

자수성가형 부자들은 부모님과의 관계를 중요시한다. - P212

부모님께서 엄청나게 큰 재산을 물려주시지 않더라도 작은 도움이라도 주시는 게 부자로 나아가는 데 분명 도움이 될 수도 있다. 이것이 부모님과의 관계가 중요한 이유다. - P213

부모님은 자녀가 출산했을 때 육아나 집안일을 도와주시면서 경제적으로는 환산하기 힘들 만큼 자녀들이 기댈 큰 언덕이 되어주시기도 한다. - P214

부모님과 함께 살 경우, 새로운 자취방을 구하는 비용과 식생활비를 줄일 수 있다. 이 금액은 사람마다 다르겠지만 대략 월 70~80만 원 정도인데, 이 금액이 몇 년 동안 지출된다고 생각하면 부모님께 몇천만 원의 경제적 지원을 받는 것과 같다. - P214

대부분의 직장인이 ‘우리 부모님은 경제적으로 지원해 주실 능력이 안 됩니다‘라고 말하지만, 부모님은 여러분이 생각하지도 못한 방법으로 결정적일 때 여러분의 엄마 찬스, 아빠 찬스가 되어주실수 있다. - P214

부모님과 소통이 원활할수록 경제적 안정을 얻고 부자가 될 기회를 키우는 데 도움이 된다는 사실을 반드시 기억해야만 한다. 어쨌든 부모님은 자녀가 경제적으로 안정되기를 가장 바라시는 분들이기 때문이다. - P214

소득이 높든 낮든 언제나 처한 상황에서 절제하며 자신의 소득에 걸맞은 저축으로 돈을 모으는 습관은 ...(중략)... 자수성가형 부자가 되기 위해 가져야 할 필수 덕목이다. 절제의 결과물은 바로 저축이다. 여러분의 소득이 아무리 높아지더라도 그만큼 절제가 뒤따르지 않는다면 아무런 소용이 없다. - P215

자수성가형 부자는 ...(중략)... 걸맞지 않은 과소비를 하지 않고 비범한 저축을 한다. 전반적으로 아무리 소득이 높아도 절제가 몸에 배어 있지 않다면 자산은 절대 성장할 수 없다는 사실을 명심해야 한다. - P216

"난 사람의 얼굴만 봤을 뿐 정작 시대의 모습을 보지는 못했소. 시시각각 변하는 파도만 본 격이지. 그보다는 바람을 봐야 하는데……파도를 만드는 건 바람인데 말이오."
이 말은 나무보다 숲을 볼 수 있어야 한다는 말과 비슷하다. - P217

개별 자산 종목에 대한 공부보다 경제 환경이 어떻게 변하고 또 그것이 어떤 식으로 세상을 바꾸는지에 대해 아는 것이 중요하다. 예를 들자면 사람들은 경제 공부라고 하면 주식, 아파트 같은 특정 자산의 가격에 집중하는 성향이 있다. 이렇게 종목에만 집중하다 보면 그 종목의 가격을 장기적으로 움직이는 큰 바람의 방향을 놓칠 수 있다는 말이다. - P217

인생은 중요한 결정 2~3번에 크게 좌우되는데, 부자는 이 중요한 결정을 잘한 사람이다. 즉 부자는 숲을 볼 수 있는 안목, 파도를 만드는 바람을 보는 안목을 가지고 있다. 이러한 안목은 부자가 세상을 보는 공부, 언제나 시대의 흐름을 읽는 공부를 했기에 가질 수 있게 된 것이며, 이는 부자가 아닌 사람과의 차이다. - P218

종목 분석 이전에 더 중요한 것은 그 종목을 둘러싼 환경의 변화 분석이다. 따라서 종목에 매몰되면 안 된다. 긴 시간 동안 시장 환경이 어떻게 바뀌는지를 보는 보다 큰 시각,
그러니까 거시적인 경제 공부가 필요하다. - P219

경제 흐름을 읽으려면 무엇을 중점적으로 확인해야 할까? 정답은 10가지 경제지표다. 즉 금리, 환율, 주가를 매일 기록하면서 경제를 움직이는 바람의 방향이 어떻게 변하는지 보는 힘을 키우는 게 중요하다. 나무를 보는 것도 중요하지만 10개의 창문으로 숲을 보는 경제 공부를 시작해 보기를 바란다. - P219

금리

• 한국 국고채 3년물 금리(한국 기준금리 선행)

• 한국 국고채 10년물 금리(한국 기대 인플레이션)

• 미국 국고채 2년물 금리(미국 기준금리 선행)

• 미국 국고채 10년물 금리(미국 기대 인플레이션)

환율

• 원달러 환율(원화 대비 달러 강세)

• 달러 인덱스(세계 통화 대비 달러 강세)

• 주요국 환율(유로·위안·엔 환율)

주가

• 코스피지수(한국 주가지수)

• S&P500지수(미국 주가지수)

• 나스닥지수(미국 기술주지수) - P220

중요한 점은 눈으로만 보는 게 아니라 직접 손으로 적어야 한다는 점이다. 만일 매일 이것을 반복한다면 여러분은 자연히 최근 원달러 환율뿐만 아니라 최근의 경제 흐름이 영상으로 보이기 시작할 것이다. 어제 적은 숫자 밑에 오늘 숫자를 적고 또 다시 그 밑에 내일의 숫자를 적다 보면 누가 시키지 않아도 이 지표들의 움직임을 외우게 될 것이다. - P221

공부를 매일 하다 보면 어느 순간 궁금한 것들이 생긴다. 예를 들면 원달러 환율과 주가가 반대로 움직이는 이유, 금리와 주가가 반비례하는 이유, 또는 장기금리와 단기금리가 같이 움직이는 이유 등이다. ...(중략)... 궁금증을 해소해 나가다 보면 평생 절대로 까먹지 않는 진짜 지식이 될 수 있을 것이다. - P221

저자는 데이터 사이언티스트로서 여기저기 강연을 다니다...

저자는 데이터 사이언티스트로서 여기저기 강연을 다니다보니 코딩이나 통계 분석 관련 프로그램에 대한 질문을 많이 받는다고 한다. 다양한 질문들 가운데 특별히 어떤 툴(tool)을 사용하는 게 좋을지에 대한 질문이 종종 있다고 하는데, 이에 대해 저자는 어떤 프로그램이나 툴을 사용하든 관계없이 자신이 하려는 데이터분석의 결과물을 잘 만들어 낼 수 있는 것이 훨씬 더 중요하다고 말한다. 독자인 나는 저자의 답변을 보면서 우문현답愚問賢答 이라는 사자성어가 문득 생각났다. 질문자들의 질문에서 주객이 전도되어 있는 느낌을 받았기 때문이다.

시중에 나와있는 코딩이나 통계분석 프로그램이 한두개가 아니다보니 이것을 학습하는 사람입장에서는 도대체 어떤 것을 배워야 할지 잘 판단이 안될 수 있겠지만, 결국 이런 프로그램들의 궁극적인 목적은 데이터 분석을 잘 해내서 바람직한 의사결정을 하는데 도움이 되기 위함 그 이상도 그 이하도 아니기에 저자의 말처럼 항상 궁극적인 결과물이 무엇인지를 생각하고 그에 맞게 움직이는 것이 가장 바람직하다고 할 수 있겠다.

또한 저자는 이러한 궁극적인 목적의 중요성을 강조하고자 코딩 프로그램을 학습하는 것을 요리하는 방법에 비유해서 설명했는데 컴퓨터 공학 전공자가 아닌 대다수의 독자들에게는 비교적 이해하기 쉽게 느껴졌을거라고 생각한다.

기본적으로 데이터의 구조와 결과물을 명확하게 이해하고 있어야 각 언어와 툴의 기능을 빠르게 학습할 수 있다. - P70

아주 쉽고 간단한 툴 하나를 배울 때도 어떤 데이터를 집어넣고 분석하면 어떤 결과물이 나오는지 알고 있어야 한다. 그래야 다른 툴에서 언어와 단계가 다르면 어떤 결과물을 낼 수 있는지 차이를 비교하면서 배울 수 있다. - P70

칼의 종류가 많다고 요리가 맛있어지는 건 아니다. 하나의 칼로도 무수한 요리를 만들 수 있다. 하지만 다양한 도구가 있으면 때로 더 편하고 쉽게 요리를 할 수 있다. - P71

채칼이 있으면 더 빨리 채를 썰 수 있지만 채칼이 없다고 채썰기가 불가능한 것은 아니다. 즉, 얼마나 많은 양을 얼마나 빨리 만들어내야 하는지 판단할 필요가 있다. 채칼이 있으면 더 빨리 더 많이 채 썬 재료를 준비할 수 있다는 건 자명한 사실이기 때문이다. - P71

빅데이터를 다루려면 현저하게 빠른 속도, 효율성만으로도 툴의 도입 가치가 충분하다. - P72

내가 하고싶은 일에 필요한 역량이라면 꾸준히 지속할 필요가 있다 - P75

내 전공이 아닌 다른 분야의 공부를 꾸준히 하다 보면 내 전공의 전문성에 그 분야가 더해져 나만의 강점이 생긴다. - P75

커피 로스팅 스펙트럼을 몰랐다면 커피 판매와 소비자 취향을 연결해 분석하기 어려웠을 것이다. 어떤 분야를 공부하면 반드시 내 일에 깊이가 더해진다. - P76

문제를 어떻게 해결할지, 상황을 정리하는 힘을 갖고 있어야 어떤 방법으로 데이터를 분석할지 알 수 있다. - P76

커피에 관해 잘 알고 있으면 커피 회사의 데이터를 더 잘 분석할 수 있다. - P77

우리가 어떤 선택을 한 데엔 분명 이유가 있다. 먼 길을 돌아온 것처럼 느껴지고 ‘내가 저걸 왜 했었지?‘ 싶은 일들도 있을 것이다. 하지만 지금 하는 일에 그때의 경험을 접목해보려고 노력한다면 버려지는 시간은 하나도 없다. - P77

학습시키는 데이터 자체에도 사람의 가치판단이 들어간다. - P78

지금 단계에서 이 기술을 도입하는 것이 어떤 영향을 미칠 수 있는지 가치판단을 해야 한다. 데이터 사이언티스트는 이런 가치판단을 사람들에게 전달할수 있어야 한다. 어떤 데이터에서 어떤 결과를 얻게 되는지 구체적으로 알고 있는 사람이기 때문이다. - P80

데이터의 특성에 따라 생길 수 있는 일들을 설명해줘야 한다. ‘난 그저 지시에 따라 채용을 위한 모델을 만들었다‘고 한다면 그 일에서 파생될 수많은 문제들을 방조하는 셈이다. 이 데이터가 현실에 끼칠 영향을 해석하는 일이 왜 중요한지 잘 생각해봐야 한다. - P80

먼저 제너럴리스트가 되어야 스페셜리스트가 될 수 있는 것 같다. 요즘에는 학문의 경계나 분야도 모호해지고 있다. 연결을 통해 빛나는 아이디어를 만들어낼 수 있는 시대다. - P81

스페셜리스트가 될 수 있는 중심축을 하나 세운 다음 제너럴리스트로서 여러 분야를 두루 알고 차용할 수 있어야 한다. 이것이 진정한 전문가가 되는 길이다. 하나의 전문 분야를 가진뒤 다른 분야를 만날 때 생각의 깊이가 달라진다. - P81

한 영역에만 머무를 때는 좋은 데이터 사이언티스트가 되기 어렵다. 자신의 영역에서 정점에 이르러야 원리가 보이고 다른 영역에 적용하기가 쉬워진다. - P82

마케팅을 하면서 엑셀로 데이터를 잘 만지던 사람은 통계 원리를 파악하고 기술을 통해 어떤 결과물을 내야 하는지 좀 더 수월하게 깨달을 수 있다. 특히 마케팅 결과물을 어떻게 만들어야 시장이 반응하는지 머릿속으로 상상할 수 있기 때문에 어떤 데이터가 필요한지 아이디어도 낼 수 있다. - P82

통계 전문가라면 다양한 툴을 이용해 기술을 배우기가 더 수월하다. 어떤 통계 툴에 정통하면 다른 것도 배우기 쉽다. ‘아, 이 기능은 내가 원래 사용하던 툴의 이 기능과 같구나‘ 하고 이해할만한 기준이 있기 때문이다. 기준과 대조하면서 기술을 익히면 좀 더 빠르게 습득할 수 있다. - P83

거듭 말하지만 이 세 영역(기술, 통계, 인문)을 완벽히 갖춘 사람은 거의 만나본 적이 없다. 다들 하나의 영역에서 최고의 자리에 오른 뒤 다른 영역으로 나아간 사람들이었다. 따라서 어떤 특정 분야에서는 부족한 점이 있었으며, 이는 인간의 시간과 에너지가 한정적인데서 비롯되는 일이기에 단점이라고 보기 어렵다. - P83

다양한 시장을 경험하는 것도 스페셜리스트가 되는 데 도움이 된다. 커피 시장이 어떤 식으로 움직이는지, 휴대전화가 사람들에게 어떻게 이용되는지, 사람들이 도서를 어떻게 사는지 ‘알아야‘ 데이터를 분석하고 이들을 위한 웹/앱을 만들 수 있다. - P84

무엇이든 아는 것은 또 다른 영역에 도움이 된다. 쓸모없는 경험이란 없으며, 언젠가는 분석의 자양분이 된다. - P84

기본적으로 나와 다른 분야에 매진한 사람에 대한 존중이 필요하다. 내가 선택하지 않은 일이라고 해서 덜 중요한 일은 아니다. - P89

클라이언트가 무엇이 필요하다고 했는지, 소비자는 무엇을 원하는지 지속적으로 듣고 자신이 구현할 수 있는 기술과 연결하려는 노력을 해야한다. - P90

데이터를 어떻게 활용할지 충분히 소통하지 않고 단순히 데이터를 요청하면 단답식 대화로 끝날 수밖에 없다. 데이터가 필요한 마케터와 엔지니어가 이 데이터로 어떤 결과를 이끌어낼지 데이터의 목적을 논의하면서 ‘주기‘란 무엇인지, ‘짧다와 길다‘의 기준은 무엇인지 정의하는 과정이 있다면 데이터를 비즈니스에 의미 있게 활용할 가능성이 훨씬 높아진다. - P91

진심으로 지금보다 나아지길 바라는 마음, 지금 있는 문제를 해결하고 더 나은 방법을 찾고 싶은 마음, 새로운 기술이 나왔을 때 기꺼이 자신의 시간을 들여 습득하려는 마음, 이런 마음을 나는 향상심이라고 부르고 싶다. - P94

기본적으로 향상심은 부족함을 느끼는 데서 시작된다. - P96

오히려 어떤 분야에서 경지에 이른 사람들이 "나는 모르는 것이 너무 많다"고 말하는 경우가 많다. - P96

언제나 모든 것을 가질 수는 없다. 포기하고 희생해야 할 것들이 있다. 환경의 제약을 생각한다면 반대로 그 환경에서의 편안함을 선택한 것이다. 뭔가를 얻기 위해서는 약간의 불편함을 감수할 수밖에 없다. 일주일 중 단 몇 시간이라도 짬을 내어 원하지만 못했던 일을 한다면 몇 년 혹은 수십 년 뒤에라도 반드시 돌아온다. - P98

동기는 현실과 이상의 차이를 느낄 때 부여된다. 이상이 없으면 현실에서 더 나아지기 위한 노력의 필요도 못 느낀다. 꿈을 꾸는 건 그래서 중요한 일이다. - P98

데이터 사이언티스트의 업무는 지금 상태를 개선하는 일을 하거나 듣도 보도 못한 프로젝트를 시작하거나 전혀 모르는 새로운 기술을 습득해 적용해야 하는 일이 대부분이다.
향상심이 있는 사람은 이 일들을 하는 데 잘 맞을 것이고 변화없이 편안함을 추구하고 싶은 기질의 사람과는 잘 맞지 않을 수도 있다는 것이다. - P99

현실을 데이터로 변환하는 역량이 필요하다 ...(중략)... 이 역량은 현실에 대한 호기심에서 시작한다. - P99

더 나은 방법은 없을지 생각하는 것의 출발점은 스스로 어느 정도의 불편함을 느끼는 것인데, 그 불편함 자체가 전혀 없다면 개선의 실마리를 찾기 쉽지 않다. - P100

스스로 불편함을 잘 느끼지 못하거나 이 정도는 큰 문제가 아니라는 생각이 든다면 다른 사람에게 물어보는 방법도 있다. 주변에 앉아 있는 사람들이 혹시라도 불편해하는 부분은 없는지 살펴볼 수도 있다. 나는 눈치채지 못했지만 다른 입장 ㅡ 가족단위 고객, 어린아이가 있는 경우, 커다란 짐이 있는 경우 ㅡ 에 따라 전혀 다른 문제들이 생길 수 있다. - P100

나 혹은 타인이 왜 불편했는지 각자의 입장을 돌아보면서 지금 문제가 무엇인지, 이 문제를 수치화할 수 있는지, 수치화할수 있다면 개선 가능성을 데이터로 어떻게 찾아낼 수 있는지 생각하는 것. 이 모든 시작에 약간의 호기심이 필요하다. - P100

질문들의 시작이 지금 내가 보고 있는 것들을 조금 다른 각도에서 보려고 노력하는 태도다. - P101

전혀 궁금하지 않은 사람을 떠올려보자. 물어볼 것도 없고 그사람이 무슨 생각을 하는지도 알고 싶지 않다. 결국 그 사람에게서 뭔가를 더 알아내기 어렵고 관계도 개선될 수 없다. - P101

데이터 분석도 마찬가지다. 모든 현상을 궁금해하지 않는 사람은 그 현상을 더 낫게 만들 가능성이 희박하다. 왜 이런 문제가 생겼는지 데이터로 파볼 생각도 들지 않을 텐데 어떻게 데이터 분석을 시작할 수 있단 말인가. - P101

좋은 데이터 사이언티스트들은 호기심이 많다. 주변의 온갖 것에 ‘왜?‘라는 질문을 던질 줄 안다. 그래야 그 질문에 답하기 위해 데이터를 찾아볼 수 있고 그 데이터에서 답을 찾아내 현실을 바꿀 단초를 제공할 수 있기 때문이다. - P101

사교적이라는 것은 언변이 좋거나 외향적이라는 뜻이 아니다. 우리 회사 제품을 판매하거나 구매하는 사람들이 뭘 원하는지 알기 위해 노력한다는 것이다. - P102

데이터를 분석한 뒤 다시 현실에 도움이 되게 쓰기 위해서는 현장에 있는 사람들과 친해져야 한다. 그들에게서 우리 회사 고객이 일반적으로 느끼는 문제가 무엇인지도 파악할 수 있다. - P102

좋은 데이터 사이언티스트가 되려면 견고한 성에 갇혀 있는 것이 아니라 성문을 열고 마을로 나와 사람들과 함께해야 한다 - P102

자신만의 분석이 아닌 고객이 원하는 분석을 하기 위해서는 영업 조직과 친밀해야 한다 - P102

스스로 제품의 개선점을 찾아낼 수 없다면 무엇을 개선하면좋을지 가장 잘 알고 있는 사람들과 교류하면서 끝없이 새로운 분석 주제를 찾아내야 한다. 사람들에게 필요한 분석이 활용되는 것이지, 1명의 데이터 사이언티스트가 독보적인 천재여서 모두가 납득할 수 있는 분석 결과를 내는 경우는 많지 않다. - P103

데이터가 실제로 살아 움직이게 하려면 현실의 문제를 다루고 있어야 하며 데이터가 다시 현실에 좋은 영향을 미치게 해야 한다. - P103

모든 일을 데이터 사이언티스트 혼자 할 수는 없다. 아이디어가 있는 현실과 가장 맞닿아 있는 사람에게 도움을 요청해야 할 때가 반드시 있다. - P103

데이터에 대해 주도적인 의식을 갖는 것은 개인의 커리어를 위해서도 반드시 필요한 역량이다. 남이 시키는 일을 수동적으로 하는 것이 아니라 스스로 데이터의 주인이 되는 것. 이는 개인의 커리어 방향성과 전반적인 발전 가능성에 아주 큰 영향을 미친다. - P103

철저히 수동적으로 어떤 숫자만 만들어내는 일은 피해야 한다. 스스로 생각하고 숫자를 만들고 여러 팀에 제안할 줄 알아야 한다. - P104

데이터로 분석할 줄 안다는 것은 머릿속에 있는 것을 분석해 구현할 수 있다는 의미이며, 그 분석이 뜻하는 바를 다시 스스로 머릿속에서 해석할 수 있다는 것이다. 이런 완결성을 갖추는 것이야말로 데이터를 갖고 있는 사람에게 힘이 된다. - P104

데이터만큼은 내게 주도권이 있다는 의식을 갖고 적극적으로 분석하는 자세가 필요하다. 새로운 기술이 나왔을 때 적용해보기도 하고 새로운 모델을 공부해 어느 부분에 활용할 수 있을지 고민도 해보면서 데이터 사이언티스트가 성장하면 회사의 데이터 보유와 분석도 성장할 수 있다는 사고방식 - P105