데이터에서 인사이트를 얻고 이를 유관부서에 효과적으로...

데이터에서 인사이트를 얻고 이를 유관부서에 효과적으로 전달하는 프로젝트를 할 때는 가장 먼저 프로젝트를 기획하고 관련된 데이터를 적절히 분석한 뒤 유의미한 결과물을 얻기 위한 실행을 해나가야 한다.

오늘 시작하는 부분에서는 크게 ‘기획-분석-실행‘의 과정 중 마지막 실행 단계에서 해야 할 것에 대한 얘기가 나온다. 어떤 프로젝트를 하든 간에 데이터 분석 결과에서 얻은 인사이트를 가지고 업무를 진행했을 때 그것이 회사의 매출을 증진시키는 등의 성공적인 결과를 가져올 수도 있지만 반대로 그렇지 못할 수도 있을 것이다. 성공이든 실패든 어떤 결과가 나오든 간에 그 결과에 대한 철저한 피드백이 중요하다는 게 저자의 생각이다. 다만 이 피드백도 단순히 추상적인 얘기만 오가는 것보다는 결과물과 관련된 데이터에 근거할 때 그 피드백의 가치가 좀 더 높아질 수 있을 것이다.

데이터를 분석한 결과를 토대로 가설을 세우고 그 가설이 맞는지를 지속적으로 검증함과 동시에 개선해나갈 점을 찾아나간다는 점이 과학자들이 하는 일들과 비슷하기에, 저자는 데이터 뒤에 ‘사이언티스트‘ 라는 말을 덧붙인 것 같다. 처음에는 데이터 사이언티스트라는 용어가 그저 멋있어 보이기 위한 영어단어의 조합인줄로만 알았는데, 본문을 읽으면서 그것이 단순히 멋의 문제가 아니라 나름대로 이 업무의 속성이 고스란히 내포되어 있는 말이라는 느낌을 받았다. 비즈니스 영역에서 얼마든지 무궁무진한 가치를 창출해 낼 수 있는 멋진 업무가 바로 데이터 사이언티스트가 하는 일이 아닐까 싶다.
.
.
.
뒤이어지는 내용에서는 데이터를 실제 IT서비스에 반영하는 프로젝트와 관련된 얘기가 나온다.

본문을 읽어보면 이 프로젝트의 일반적인 프로세스가 데이터에서 인사이트를 얻는 프로젝트의 프로세스와 대동소이(大同小異)함을 느낄 수 있다. 물론 세부적인 내용들이 조금씩은 다르지만 큰 맥락 자체는 본질적으로 같기 때문이다.

본문에서는 데이터관련 프로젝트를 크게 2가지 유형으로 나누어서 이론적으로 설명하지만, 실무에 들어가면 여기 나왔던 이론적인 얘기들이 아주 다양한 형태의 업무로 쪼개져서 다가올 것이기에 신경써야할 게 한두가지가 아닐 것이고 이는 결코 만만한 일이 아님을 직감적으로 느낄 수 있었다.

바로 이어서는 IT서비스 데이터 반영 프로젝트 사례로 인터넷 서점의 인터페이스 세팅과 관련된 얘기가 나온다. 이론상으로 뼈대만 훑어보다가 실제 사례를 통해 뼈대에 살을 붙이는 느낌을 받았다. 실무적으로 어떤 식으로 일이 진행되는지 간접적으로나마 느낄 수 있어서 유익했다.
.
.
.
뒤이어지는 글에서는 유능한 데이터 사이언티스트가 되기 위해 필요한 기질에 대한 설명이 나오는데, 저자가 언급한 기질들에 부합하는 독자라면 이쪽 분야에 상대적으로 기본적인 재능이 있는 것으로 판단해도 무방할 듯하다. 물론 실무적인 역량을 위한 노력들이 당연히 수반되어야 훌륭한 데이터 사이언티스트가 될 수 있겠지만 말이다.
.
.
.
오늘 포스팅의 마지막 부분이자 이 책의 마지막 챕터에서는 저자가 강의차 학교에 가서 만나는 수많은 학생들과의 진로 상담을 통해 느꼈던 점들을 간단히 나눈다. 좋은 얘기들이 많이 나오는데, 독자인 내가 느낀 핵심은 일단 뭐가 됐든 관계없이 조금이라도 관심이 생긴 분야가 있다면 약간의 시간을 투입하여 그것과 관련된 간단한 결과물이라도 만들어보라는 것이었다. 이러한 과정을 통해 자신이 그 분야에 맞는 사람인지 여부를 몸소 느낄 수 있기 때문이다.

그리고 다음 포스팅에서 좀 더 자세히 다루겠지만 저자가 속한 데이터 분야든 혹은 이외의 다른 분야든 관계없이 진로 선택시 고려해야 할 사항들에 대해 나름 체계적으로 정리된 질문들과 관련된 내용들이 나온다. 이 내용들은 다음 포스팅에서 좀 더 자세히 다뤄 보겠다.

왜 성공했고 왜 실패했는지 알아야 다음에 다른 환경에서 또 사용할 수 있다. 데이터 사이언티스트가 이 분석 과정에까지 동반해야 ‘데이터가 회사를 위해 일하는 회사‘라고 할 수 있다. - P141

IT기업에서는 아무래도 웹/앱 내 기능이나 구성을 최적화하기위한 분석을 하는 경우가 많은 편이다. - P141

데이터 분석 결과 만들어진 알고리즘이 IT서비스나 웹/앱에 직접 반영되는 프로젝트의 일반적인 프로세스

• 프로젝트 초반 : 기획

1. 기한 내 수행할 프로젝트의 범위를 정한다.

2. 유관 부서의 필요를 듣고 함께 연구해야 할 문제를 정한다.

3. 현재 웹/앱 데이터를 확인하고 필요하다면 추가 데이터를 모은다.

• 프로젝트 중반 : 분석

4. 목적에 맞는 가설들을 검증한다.

5. 가설을 실제 웹/앱에 반영할 수 있는지 구체화한다.

6. 필요하다면 수식이나 알고리즘을 만든다.

• 프로젝트 후반: 실행

7. 개발 담당자들과 반영 여부를 논의한 후 실제 웹/앱에 반영한다. 가능하다면 미리 테스트를 한다.

8. 실행 효과를 데이터로 검증한다. 대안을 미리 만들어두었다면 가장 나은 것을 선택한다.

9. 향후 웹/앱에서 실제 고객들의 반응을 지속적으로 추적하고 필요하다면 모델을 수정·보완한다. - P143

사람에게 인사이트를 전달하는 프로젝트와는 달리 실제로 웹/앱에 분석 모델이 사용되는 경우에는 엔지니어와의 협업이 많아진다. 웹/앱에서 어떤 에러를 만들어내지는 않는지, 상충되는 부분은 없는지 확인하면서 프로젝트를 진행한다. 인문적 역량보다는 기술적 역량이 좀 더 강조될 수밖에 없다. - P143

모든 것이 가능하나 모든 것을 한꺼번에 진행하기는 어렵다. 빠르게 개선되어야 할 시급한 프로젝트, 언젠가 해야 하지만 당장 급하진 않아서 천천히 진행할 중·장기적 프로젝트를 나누는 것도 방법이다. - P145

각 담당자들이 그들의 언어로 필요하다고 생각하는 기능을 얘기할 때 그 ‘원인‘이 무엇인지 파악해야 한다. 말하는 그대로 만들 필요는 없지만 왜 그 기능이 필요하다고 하는지 맥락을 파악하는 것이 중요하다. - P146

각 실무 담당자들이 필요하다고 얘기하는 데는 다 이유가 있는 법인데, 구상하는 것들을 일단 가감 없이 들어보는 것이 좋다. 그리고 그중 가장 선행되어야 할 일이 무엇인지도 의견을 들어본다. - P146

실제 데이터를 모았다면 가설을 검증하면서 분석을 해본다. ...(중략)... 생각한 것이 전부 그대로 드러나지 않을 수도 있는데, 또 다른 관점에서 보면 새로운 발견을 할 가능성도 있다. - P147

개인별로 의미 있는 차이가 나왔다고 해서 모든 것을 반영하기는 어려울 수도 있다. 1명의 사람이라도 행동 특성상으로는 여러 그룹에 속할 수 있기 때문에 어떤 기준을 먼저 보여줘야 할지도 고민해봐야 한다. - P148

동일한 수라 하더라도 책 1,000권의 유사성을 분석하는 것과 1,000명의 구매 패턴을 분석하는 것 중 사람 분석이 더 어려울 때도 있다. - P148

웹/앱에서 어떨 때 어떤 책을 보여줘야 할지 규칙을 만들었다면 기계가 이해할 수 있도록 기계언어로 규칙을 전달해야 한다. - P148

인사이트를 사람에게 전달할 때는 반드시 알고리즘을 만들지는 않는다. 사람의 말로 풀어내는 것이 더 중요하기 때문이다. 하지만 웹/앱에서는 기계가 알아들을 수 있도록 프로그래밍 언어를 사용해 코딩해야 한다. 가상이지만 웹/앱 화면이 움직일때 따라야 할 규칙을 만들어주는 것과 비슷하다. - P149

내가 상상했을 때와 실제로 소비자에게 전달되었을 때 효과가 다르거나 전혀 없을 수도 있기 때문에 가능할 경우 테스트를 해보면 더 좋다. 사람들에게 추천 도서를 보여줬는데 크기가 작거나 화면에서 보이지 않는 귀퉁이에 있어 그 책을 전혀 클릭하지 않을 수도 있다. 혹은 추천 로직이 잘못되면 왜 이런 걸 보여주느냐며 귀찮아하는 경우도 있다. 의도한 대로 화면이 구성되도록 테스트해보면 좋다. - P150

웹/앱 업데이트에 대한 사람들의 반응은 좋을 수도 나쁠 수도 있다. 나쁜 것들은 개선하고 좋은 것들은 더 좋게 만들면서 반응의 차이를 살핀다. 한번 만들고 끝이 아니라 소비자가 원하는 것들을 계속 찾아내야 한다. - P150

웹/앱 개선 프로젝트는 개발 일정이 정해져 있는 경우가 많다. 서비스를 사용하는 사람들에게 개인화 추천을 하거나 가장 효율적인 화면을 보여주거나 구매 편의성을 높여주기 위한 방법을 고민하면서 이를 숫자로 증명하고 모델을 만드는 일을 하게 된다. 이때 개발자들과의 협업은 필수이며 실제로 웹/앱 화면에 반영되는 것을 상상하면서 기획해야 한다. - P151

무엇이든 가능하지만 모든 것을 기한 내에 다 할 수는 없다.
일정 기간 안에 수행할 프로젝트의 범위를 정해야 한다. - P151

지금 분석해야 하는 문제를 정의한다. 예를 들어 고객들이 특정 아이콘을 자주 사용하고 있는지, 사용하고 있지 않다면 개선해야 할지 삭제해야 할지, 그 아이콘을 통해 고객 편의나 수익이 만들어지고 있는지 등 확인해야 할 연구 문제를 구체화한다. - P152

웹/앱이 론칭됐다고 해서 데이터 사이언티스트의 일이 끝난 것은 아니다. 예상치 못한 오류가 생길 수도 있고 실제 고객의 건의에 따라 불편한 점들이 보완될 수 있다. 완제품이 나오면 수정하기가 어려운 실물 제품과 달리 끊임없이 오류를 수정해야할 가능성도 있다. - P155

앞으로 반복적인 일은 점점 더 기계가 대신하게 되고 인간은 그 결과물만 받아보는 일이 점점 더 늘어날 것이다. - P156

머신러닝 자동화 기술Auto ML은 기계학습의 어려운 부분을 블랙박스 영역으로 남겨둔 채 결과를 낼 수 있게 한다. 입력과 결과를 구상할 수만 있다면 중간 부분은 이미 만들어져 있는 쿼리로 해결해주는 것이다. 이런 현상과 함께 그 반대편에서는 인간의 인문학적 판단이 더욱 중요해지리라 예상된다. 시간과 노력으로 하던 일들을 기계가 대신해주는 만큼 사람만이 갖고 있는 고유의 사고력이 더 많이  요구되는 것이다. - P157

기계가 알아서 학습을 하고 있다면 ‘무엇을 학습해야 하는지‘, ‘학습한 데이터로 시장에 무엇을 내놓아야 하는지‘ 같은 결정이 나 자신은 물론이고 다른 기업과의 차이도 만들어낼 수 있다. - P157

가설들과 가능성들을 테스트하는 것을 일반적으로 ‘AB테스트‘라고 부른다. A 조건과 B 조건을 비교한다고 보면 된다.
이때 조건이 꼭 2개일 필요는 없다. - P159

기계가 대신할 수 없는 영역이 분명 아직 남아 있다. 기술이 가져올 환상적인 미래 때문에 간과하는 부분들이 있다. 결국 그 기계를 학습시키는 것도 사람이고 결과를 책임지는 것도 사람이고 기술이 알려주는 데이터를 기반으로 전략을 세우는 것도 사람이며 신제품의 디자인을 결정하는 것도 사람이다. 사람이 해야 하는 최소한의 기능은 계속 남아 있을 것이고, 그 최소한의 기능이 사실 가장 중요한 영역일지도 모른다. 바로 인간의 판단력이나 창의성과 맞닿아 있는 지점이다. - P160

인문학적 사고를 바탕으로 기술을 이해해야 한다. 기술의 발전이 필요 없다는 것도 아니고 인문학이 더 중요하다는 것도 아니다. 기술과 인문은 분리되어 있는 것처럼 보이지만 분명히 함께해야 할 영역이다. - P160

파마를 한 뒤 일정 기간 물을 멀리해야 탱글탱글한 파마머리가 유지된다 - P161

어떤 분야, 그것이 아무리 사소하고 작은 것처럼 보여도 무언가 하나에 깊이 빠진 적이 있는 사람은 남들과 다른 시야를 갖게 된다 ...(중략)... 그리고 그 시야는 인생에 상당히 도움이 된다. 어떤 주제를 깊이 파고들어본 적이 있느냐 없느냐에 따라 다른 분야를 대하는 관점도 달라진다. - P161

전혀 상관없어 보이는 분야의 지식이 내 일에 도움이 되는 순간은 언젠가 찾아온다. - P162

똑같은 문제를 보고 남들과는 다른 당신만의 시각으로 설명할 수 있는가? 꼭 ‘새로운 시각‘일 필요는 없다. 자신만의 관점을 갖고 있는지가 중요하다. - P162

하나 이상의 분야에서 전문가가 되면 자연스럽게 ‘관점‘을 갖게 될 것이다. 자신도 모르는 사이 안목으로 스며드는 것이다. 차에 시동이 걸리지 않을 때 기계공학자는 시동장치를, 전기공학자는 배터리를, 화학공학자는 연료를 생각한다는 얘기가 있다. - P163

회사에 정말로 도움이 되는 자신만의 관점이 있다면 대단한 강점이 될 수 있다. 남의 시각을 복사하는 것이 아니라 나만의 관점으로 해석하는 능력을 가져야 한다. 계산은 기술이 대신해주고 정답은 검색 한 번으로 쉽게 찾을 수 있는 시대이기 때문이다. - P163

코딩은 머릿속에 선명한 이미지가 있을수록 더 빠르게 배울 수 있다. 분석을 잘하려면 내 머리로 상상하고 그 상상을 논리적으로 증명하고 실제로 분석할 수 있어야 한다. - P163

머릿속에 대강이라도 원하는 결과물이 있는 것이 좋다. 이를 위해 여러 데이터를 조합한 결과를 상상할 수 있어야 한다. - P163

데이터로 코딩을 하다 보면 수도 없이 이 데이터와 저 데이터를 연결해야 하는 일이 생긴다. 이렇게 뒤집어보고 저렇게 뒤집어봐야 하는 일의 연속이다. 어떻게 하면 이 테이블과 저 테이블을 연결했을 때 오류가 없을까? 어떻게 하면 의미 있는 결과를 찾을 수 있을까? 이때 머릿속으로 어떤 결과물이 나올지 상상할 수 없다면 창의적인 분석이 어렵다. - P164

데이터의 조합을 머리로 상상하지 못하면 실제로 코딩을 할 수도 없다. 상상한 대로 결과물이 나오지 않으면 나중에 수정할 수 있지만 처음부터 상상을 할 수 없다면 아예 다음 단계로 갈 수가 없다. - P165

전문용어를 쓰자면 엑셀에서 피벗* 기능을 쓸 수 없는 사람이 코딩을 하면서 분석할 가능성은 거의 없다. 먼저 엑셀로 시트간 조합**이나 피벗 등의 원리를 이해해보는 것이 좋다. 엑셀에 있는 표로 상상하기 어렵다면 코딩을 배우기 어려울 수도 있다. - P165

pivot :  데이터를 좀 더 쉽게 분석하도록 요약하는 기능. 행렬 재배치와 연산 등을 할 수 있다. - P165

vlookup : 엑셀에서 특정 값을 찾고 계산하거나 대치할 수 있게 해주는 함수. - P165

상상한 결과물을 만들기 위한 재료는 당연히 데이터다. 날것 상태인 로데이터(raw data)는 정말 작은 단위의 데이터이기 때문에 어떻게 분석하느냐에 따라 같은 데이터로도 수천수만 가지 분석을 할 수 있다. 그 작은 단위의 데이터를 어떻게 조합할지 구체화하기 위해서는 논리적인 사고 단계가 반드시 필요하다. - P165

raw data :  수집한 원래 자료, 즉, 전환이나 가공되기 전 최초의 형태를 지닌 자료. - P165

단계적으로 생각할 줄 알아야 한다 - P166

코딩의 기본은 논리력이다. 단 한 글자, 단 한 줄만 잘못돼도 원하는 결과를 얻지 못할 수도 있다. 남이 작성한 쿼리를 가져다 쓸 때도 자신이 원하는 방법으로 수정해야 하는 경우도 있고, 스스로 수백 수천 줄의 쿼리를 논리적인 단계에 따라 한 줄 한 줄 정성껏 작성해야 하는 경우도 많다. - P166

분자 단위가 어떻게 물질이 될 수 있는지 상상할 수 없는 사람은 스스로 코딩을 하고 쿼리를 작성할 수 없을 가능성이 높다. 낱개의 블록을 이렇게 쌓으면 이런 모양이 나오고, 저렇게 쌓으면 저런 모양이 나온다는 것을 상상할 수 있어야 하나하나 흩어져 있는 데이터를 모아 결과물을 만들 수 있다. - P166

머리로 상상한 것을 가장 빠르게 구체화하는 방법은 바로 상상한 그 사람이 손을 움직여 결과물을 내고 확인하는 것이다. 남에게 시키면 그만큼 기다리는 시간이 필요하고 자신이 원하는 그대로 나오지 않을 가능성도 있다. 시간 지연 없이 자신의 머릿속에 떠오른 것을 확인할 수 있으면 그만큼 더 빨리, 더 나은 결과물을 얻을 수 있다. - P167

자신의 손으로 직접 결과물을 만들어내고 싶다는 동기부여가 있는 사람이 기술을 배울 확률이 높다. 혹은 높은 수준의 기술을 갖지 않더라도 남이 작성한 쿼리를 보고 응용할 수 있을 정도의 학습 의지를 가져야 한다. 자신이 직접 통계적으로 가치있는 쿼리를 작성하고 인사이트를 찾고 모델링을 하고 싶다는 생각을 해야만 데이터 사이언티스트가 될 수 있다. - P167

자신의 경험과 장점을 바탕으로 데이터 프로젝트의 목적을 달성하기 위한 모든 역량을 동원할 수 있는 전문가가 되어야 한다. - P168

학업이나 조직 경험을 통해 집중적으로 얻는 역량들이 있다. 그 모든 경험들이 나중에는 균형을 이루게 된다. - P169

해보는 것만큼 중요한 것은 없다. 한 일에 대한 후회보다 하지 않은 일에 대한 후회가 훨씬 더 오래 간다. 그러니 데이터 사이언티스트가 궁금한 사람이라면 이 책을 읽는 데서 그치지 말고 데이터를 분석해보는 일을 꼭 직접 해보길 바란다. - P175

상상만으로 고민하지 않길 바란다. 딱 10시간만이라도, 엑셀로라도 분석 과정을 경험해보길 바란다. 직업을 선택하는 것은 향후 몇 년 혹은 남은 미래 전체가 걸린 결정을 하는 일이니 신중해야 한다. - P175

데이터 사이언티스트가 되든 되지 않든, 자신이 좋아하는 일을 하길 바란다. 이런저런 이유와 팍팍한 인생 탓에 좋아하는 직업을 갖지 못했다면 현재 직업에서 자신이 좋아하는 지점을 찾아내면 좋겠다. 뭔가를 정리하는 것을 좋아하는 사람인지, 결과물을 만들고 이름을 알리는 데서 희열을 느끼는지, 매일 반복적인 일을 할 때 마음의 안정을 느끼는지 등 분명 자신만이 좋아하는 부분이 있을 것이다. - P175

나를 설명할 수 있는 나만의 키워드를 찾아냈다. - P176

[100자평] 딱 1억만 모읍시다

딱 1억만 모읍시다 - 돈쭐남의 목돈 마련 챌린지
김경필 지음 / 경이로움 / 2024년 10월

이 책은 단순히 1억 원을 모으는 노하우만 담겨있지 않다. 우리들의 전반적인 소비습관, 각종 언행이나 사고방식 등도 점검하고 그것들을 바람직하게 만드는데 도움을 준다. 또한 1억이라는 것의 가치가 단순히 산술적인 금액 이상이라는 것을 느낄 수 있게 해준다. 재테크에 관심은 있지만 어떻게 시작해야 할지 감이 안 잡힌다면 이 책이 도움이 될 것이다.

지난번 포스팅의 마지막 부분에서 아파트값을 결정하는 ...

지난번 포스팅의 마지막 부분에서 아파트값을 결정하는 몇 가지 요인 중 ‘투자가치‘ 라는 것을 잠시 살펴봤었다. 이 ‘투자가치‘ 라는 것은 미래에 아파트값이 크게 상승할 거란 기대감을 현재가격이 반영하고 있는 것을 의미하는데, 저자는 이것을 ‘갭Gap‘ 이라는 말로 지칭했었다.

오늘은 이 갭의 의미에 대해 좀 더 살펴보면서 시작한다. 또한 투자가치 이외에 아파트값을 결정하는 다른 요소들(위치가치, 신축가치)에 대해서도 살펴볼 것이다.
.
.
.
저자는 위에서 언급한 3가지 가치 중 감가가 되지 않는 위치가치에 굉장히 중요도를 높게 두고 있었다. 같은 값이라면 위치가치가 높다고 판단되는 쪽에 투자하라고 말할 정도니 말이다. 개인적으로도 충분히 동의할 수 있는 얘기였고 아마 다른 독자님들도 이 부분에 있어서는 모두들 공감하실 것이라고 생각한다.
.
.
.
책의 마지막 부분에서 저자는 일단 시작하는 것의 중요성을 강조하면서 글을 마무리한다. 물론 이 책은 재테크에 대한 것이지만, 재테크 뿐만아니라 다른 모든 분야에 적용되는 말이라는 생각이 든다. 예를 들어 그것은 운동이 될 수도 있고 어떤 공부가 될 수도 있을 것이다. 어쨌든 간에 일단 한 걸음 내디디면 결국 해내게 된다. 그래서 옛 속담에 시작이 반이라는 말도 있는 게 아닐까싶다. 이 책도 한 페이지 읽기 시작하니 어느새 끝까지 다 읽어 내지 않았는가. 문득 유명 스포츠 브랜드인 나이키의 광고 문구 하나가 생각났다. Just do it.

갭이 크다는 것은 이 집값이 미래에 더 오른다는 기대감을 크게 반영하고 있다는 뜻이 된다. 보통 지방보다는 서울이, 오피스텔보다는 아파트의 갭이 큰 이유가 이 때문이다. - P272

추가로 투자가치를 결정하는 요소에 거주자의 소득이 있는데, 거주자 소득이 높으면 임대인이 빠르게 임대료를 높일 수 있기 때문에 보통 거주자 소득이 높으면 투자가치가 높다고 평가한다. - P273

오로지 사용가치, 그러니까 살면서 누릴 수 있는 가치가 반영된 게 전세가다. 따라서 입지에 대한 평가가 그대로 반영된 것은 매매가라기보다는 전세가다. 전세가가 높은 순으로 입지가 좋다고 보면 정확하다. 전세가는 말 그대로 얼마나 새 집인지, 그리고 얼마나 위치가 좋은지를 보여주는, 다시 말해 얼마나 살기 좋은지를 반영한 가격이다. - P274

입지란 사용가치 중 바로 위치가치를 말하는 것이다. 위치가치는 신축가치에 비해서 감가되지 않기 때문에 이 입지를 보는 안목이 매우 중요하다. - P274

편견이라 생각할 수도 있지만 이웃이 어떤 직업을 가지고, 어떤 가정 환경에서 살고 있으며, 소득이 얼마나 되는 사람이냐에 따라 위치가치가 달라는 게 현실이다. - P274

새 아파트일수록 아파트값은 비싸다. 다만 시간이 흐를수록 감가되기 때문에 신축가치를 투자 판단 근거로 삼아서는 안 된다. 모든 것은 시간이 지나면 낡아지고, 더 좋은 새로운 것이 생기기 때문이다. - P277

동일한 평형, 동일한 매매 가격대, 동일한 연식의 아파트를 비교할 때 위치가치를 종합적으로 평가해서 점수를 매겨보자. 동일한 매매 가격대의 아파트지만 더 높은 점수가 나오는 아파트는 분명히 전세가율이 높거나 아니면 전세가가 높을 것이다. - P277

직접 현장을 방문해서 둘러보고 아파트의 내부까지 보는 오프라인 임장도 중요하지만, 그보다는 부동산 사이트에서 아파트를 둘러싼 주변 환경을 지도로 보거나 로드뷰로 아파트 주변 시설들의 모습을 보는 게 무척 도움이 된다. 내 집 마련을 위한 아파트 임장 시에는 이런 방식의 사이버 임장을 꼭 해보길 권한다. - P278

1억 원을 10억 원으로 불리는 방법은 정말 다양하지만 이러한 방법들에는 공통점이 있다. 바로 시대를 이끄는 메가 트렌드를 알아보는 안목, 숲을 보는 넓은 시야가 반드시 필요하다는 점이다. - P279

분명한 것은 1억 원 모으기의 여정을 하루라도 빨리 시작한 사람일수록 그만큼 빨리 손에 1억 원을 쥘 수 있다는 사실이다. 행동하지 않으면 아무것도 바뀌지 않는다. - P281

누구나 재테크 성공을 꿈꾸며 경제적 안정이라는 항구에 도달하고 싶어 한다. 그렇다면 일단은 그 목표를 향해 배가 출항해야 하는데, 많은 사람이 출항 자체를 하지 않아 그 목표 지점에 도달하지 못한다. 돈쭐남은 1억 원 모으기를 출항이라고 생각한다. 우선 출항을 해야 항구에 도달할 수 있지 않겠는가? - P282

1억 원을 자신의 손으로 모아본 사람은 절대 재테크에 실패하지 않을 것이다. 1억 원을 모으는 동안 엄청나게 성장하고 삶의 태도가 변화하기 때문이다. - P282

일단 시도하고 열심히 노력한 사람에게는 분명 좋은 기회가 온다. - P282

일단 시작하라! 그러면 당신을 경제적 자유로 이끌 일생일대의 기회가 당신에게 선물처럼 찾아갈 것이다. - P282

지난번 포스팅에서 자수성가형 부자들의 특징 6가지 중...

지난번 포스팅에서 자수성가형 부자들의 특징 6가지 중 하나로 ‘부자는 꾸준히 공부한다‘ 는 얘기를 했었는데, 오늘도 이와 관련된 내용이 이어진다.
.
.
.
뒤이어지는 내용에서는 주식 투자와 관련된 저자의 생각이 나온다. 독자인 내가 본문을 읽고 느낀 이 부분의 핵심은 적어도 이 책에서 말하는 1억 원을 모으기 전까지는 변동성이 큰 주식보다는 상대적으로 안전한 예적금을 활용하라는 저자의 충고였다. 물론 주식 투자에 크게 성공하는 케이스들을 주변에서 볼 수도 있겠지만, 그 반대로 큰 돈을 빠르게 벌어보려다가 오히려 본전도 못찾고 원금마저 손실나는 경우들도 종종 있기에 종잣돈이라고 할 수 있는 1억 원을 모을 때까지는 가급적 위험을 최대한 피하는 것이 좋겠다는 게 저자의 얘기다.

추가로 좀 더 언급하자면, 1억 원을 모으고 난 뒤에 자산을 불려나가는 과정에서도 부자들은 안전자산인 예적금과 위험자산인 주식 등을 일정 비율을 나누어 분산투자한다고 한다. 이는 위험자산에서 손실날 위험을 안전자산으로 커버하기 위함으로 보여진다.

또한 저자는 본문에서 최근 주식 시장이 실제 기업가치에 입각해 주가가 결정되기보다는 오히려 사람들의 기대심리가 주가에 훨씬 더 큰 영향을 미치고 있음을 얘기하는 데, 차트와 함께 관련 내용을 볼 수 있어서 본문의 내용을 직관적으로 이해하는데 도움이 되었다.

이래저래 주저리주저리 말이 길어졌는데, 독자인 나는 본문을 읽으면서 돈이라는 눈덩이는 조금씩조금씩 서서히 키워나가야 그 기반이 탄탄해질 수 있다는 것을 다시금 느낄 수 있었다. 소위 말하는 한탕주의의 경우 물론 큰 돈을 벌 수도 있겠으나 그렇게 쉽게 번 돈은 쉽게 흘러나갈 가능성이 높다. 또한 한탕만 노리다가는 기존에 갖고 있던 돈마저도 잃게 될 위험도 존재하기에 그것이 바람직한 태도는 결코 아니라는 생각이 든다. 물론 운이 좋아서 한탕(?)이 생기면 감사히 받을 마음이 없는 것은 아니지만 말이다.
.
.
.
이어지는 챕터에서는 저자가 앞서 반복적으로 언급했던 1억 원을 뛰어넘어 더 큰 돈인 10억 원을 만드는 방법에 대한 얘기가 나온다. 저자는 1억 원을 만들 때까지는 비교적 안전한 금융상품인 예적금을 중요시하지만 1억 원을 모은 뒤 10억 원으로 자산을 불려나가기 위해서는 예금 등으로 대표되는 안전자산과 주식 등과 같은 위험자산으로 자산을 적절히 분배하여 투자를 이어나갈 것을 독자들에게 권한다. 여기 별도로 밑줄치진 않았지만, 저자는 본문에서 분산 투자를 하는 경우에도 위험자산의 비중이 50%가 넘지 않도록 하는 것을 권하고 있었다. 큰 돈을 만들기 위해서는 위험자산에 과감히 투자는 하되 원금 손실의 가능성을 상쇄할 수 있는 안전자산에의 투자비중을 일정부분 가져가야 한다는 게 저자의 생각인듯 하다.

또한 저자는 위에서 언급한 포트폴리오 배분 외에 부동산 투자에 대한 얘기도 덧붙인다. 1억 원이라는 돈이 생기면 그전에는 감히 쳐다보지도 못했던 부동산 거래를 생각해볼 수 있는 여력이 생긴다는 게 저자의 말이다. 본문에 소개된 예시를 통해 아파트를 분양받는 케이스를 살펴볼 수 있었는데, 계약금과 중도금 잔금을 치르는 과정을 보면서 내 돈과 대출을 합쳐서 생각보다 적은 돈으로 내 집을 마련할 수 있음을 살펴볼 수 있었다. 이는 단순히 실거주목적이 아닌 전세 등을 통해 투자목적으로 활용할 수 도 있기에 여기서 얻어지는 임대수익 또는 추후의 시세차익 등을 통해 자산을 불려나가는데 커다란 원동력이 될 수 있다는 게 저자의 견해었다.
.
.
.
이후에는 경기변동과 인구 변화 등과 같은 시장의 여건 변화에 따라 부동산 가치가 어떤 식으로 변동할지 전망하는 내용들이 나온다. 전반적인 트렌드를 파악하는데 참조할만한 내용이라는 생각이 들었다.

자수성가형 부자들은 공통적으로 사업가적인 마인드를 지니고 있다. 여러분도 자수성가형 부자를 꿈꾼다면, 사업가적인 마인드를 키우기 위해서 세상에 대한 공부가 필요하다.  ...(중략)... 어떤 사업에 투입되는 인건비가 얼마이고 어떤 프랜차이즈가 매출 얼마일 때 얼마의 비용이 들고 얼마의 수익이 남는지와 같은 영상을 보는 게 사업가적인 마인드를 갖추는 데 훨씬 도움이 될 수 있을 것이다. - P221

부동산 사이트에 들어가 보면 그 매장의 임대료 수준을 쉽게 알 수 있다. 임대료와 인건비를 제하고 얼마의 수익이 남을지와 같은 것들을 공부하는 게 사업가적인 마인드를 지니고 경영적 사고를 하는데 큰 도움이 될 수 있다. 이런 공부가 진짜 공부다. - P222

부자를 꿈꾼다면 누구나 미래의 사업가다. 분명한 것은 부자는 본인이 사업체를 운영하지 않아도 언제나 경영적인 마인드를 지니고 있는 사업가며 세상을 넓게 해석하는 세상 공부에 집중한다는 사실이다. - P222

세상 모든 일에 있어 성공의 시작점은 바로 열정에서 비롯되는데, ...(중략)... 만일 지금의 어려움에 적응하고 맞추어 살아가는 게 익숙해진다면 당연히 열정은 생기지 않을 것이다. 어려움에 적응하는 게 아니라 그 어려움을 이겨내려는 몸부림이 있어야 하는데, 그 몸부림이 바로 열정이다. - P222

부자는 마음과 상관없이 우선 열정적으로 행동한다. 때로는 열정적인 마음이 행동을 불러일으키는 게 아니라, 열정적인 행동이 열정적인 마음을 불러일으키기도 한다. - P223

"열정적인 사람이 되고 싶다면 먼저 열정적으로 행동하라.
그러면 열정적인 마음이 생길 것이다." - P223

부자는 나이와 관계없이 열정을 유지하고 있다. 그런 자세를 가져야만 부자가 되는 사람이라는 걸 명심하길 바란다. - P223

주식 투자를 하지 말라는 정확한 의미는, 중요한 투자 결정을 다른 사람의 의견에 따라 내리는 거라면 주식 투자는 절대 하면 안 된다는 의미다. - P226

"주식 시장에서 바보보다 주식이 많으면 주식을 사야 할 때고, 주식보다 바보가 많으면 주식을 팔아야 할 때다." - P227

공포감이 가득한 상황에서는 합리적인 판단은 전혀 불가능하다. - P229

공포감이 몸을 감싸고 있는 순간 눈은 멀어지고 아무것도 보이지 않게 된다. 따라서 지금 투자를 해야 할 때인지 하지말아야 할 때인지 스스로 판단이 서지 않는다면 주식 시장에 아예 접근하지 않는 게 맞다. - P229

주가가 사상 최고가라는 의미는 사상 최고로 위험한 구간에 진입한 것일 수 있다는 뜻 - P233

투자란 10년 후의 열매를 생각하며 여윳돈으로 사과나무를 심는 것과 같은 것이다. 단기간 내에 수익을 보고자 주변의 이야기만 듣고 주식에 투자하는 것은, ...(중략)... 쉽게 돈을 벌려는 욕심에 불과한 투기일 뿐이다. - P234

현금 보유도 투자 종목으로 생각한다. 투자를 쉬는 것도 투자라고 생각한다. - P234

가격이 낮아지는 종목에 관심을 둔다. 비싸지는 주식을 추격 매수하지 않는다. - P234

자수성가해서 부자가 된 사람들은 일확천금을 노린 투자의 성공으로 부자가 된 게 아니다. 충실한 자기 관리와 절제를 바탕으로 자본을 축적하고, 꾸준히 자기 성장하려는 노력으로 현재의 부를 일구어 냈다. - P235

1억 원을 10억 원으로 만들기 위해서는 더 이상 저축만 고집해서는 안 된다 - P238

1억 원이라는 허들을 넘어선 사람은 자본뿐만 아니라 자기 관리 능력과 저축 근력, 그리고 할 수 있다는 자신감까지 가지게 된다. 이는 경제적으로 한 단계 더 도약할 수 있도록 하는 가장 중요한 밑천이 된다. - P239

리스크는 ‘위험‘이란 말보다는 ‘변동성‘으로 해석하는 편이 맞는데, 모든 투자자의 평균 수익률에서 변동 폭의 크기를 나타내는 표준편차라고도 말할 수 있다. - P240

주식 투자는 표준편차가 크고 부동산 투자는 표준편차가 작다. 그 말은 주식은 성공하는 자와 실패하는 자의 투자 수익률 차이가 크고 부동산은 매수자들 간의 투자 수익률 차이가 주식만큼 크지 않다는 의미다. - P240

부동산 투자는 하고 싶어도 쉽게 할 수 있는 게 아니다. 부동산 매수는 반드시 일정 수준 이상의 자본이 있어야만 가능한 진입 장벽이 있는 투자 방식이다. 반면 주식 투자는단돈 10만 원만 있어도 할 수 있다는 게 특징이다. 따라서 종잣돈 1억 원을 모은 사람은 주식 투자 외에도 주식 투자보다 좀 더 표준편차가 적은, 즉 리스크가 적은 안전한 부동산 투자에도 도전할 수 있다. - P240

청약 추첨으로 미리 분양권을 확보하고, 집을 짓는 동안 중도금을 내면서 기다린 후, 완공 뒤에 잔금을 치르는 게 청약 당첨 후 아파트 매수 과정이다. - P241

분양권이란 지금 당장은 아니지만 곧 지어질 미래의 집을 확보하는 일로, 1억 원만 있어도 분양권을 확보할 수 있다. 그리고 그 집에 바로 입주하지 않더라도 (여러 제약이 있긴 하지만) 다시 되팔거나 임대할 수 있기 때문에 아주 적은 자본으로도 아파트를 소유할 수 있다. - P241

중도금은 아파트가 지어지는 동안 공사비를 마련하기 위해 청약 당첨자들에게 거두어들이는 돈이다. - P242

중도금을 연체한다고 해도 큰 문제는 없다. 보통 중도금은 3회 이상 연체를 하지 않는 이상 연체료만 납부한다면 청약 당첨 자격을 박탈하지는 않는 경우가 대부분이기 때문이다. - P242

잔금을 치르는 시기에는 아파트가 완공되어 실물이 존재하는 시기이므로, 은행이 분양가가 아닌 주변 시세의 60~70% 금액을 대출해 준다. 보통 분양가가 주변 시세보다 낮다는 사실을 감안하면 어지간하면 대출받아 잔금을 치를 수 있다. - P243

많은 사람이 중도금대출을 받으면 입주 의무가 있다고 알고 있는데, 분양가 상한제가 적용되는 아파트가 아니라면 전세를 놓아도 상관없다. 정리하면 수도권나 광역시의 신축 아파트의 평균 전세가는 매매가의 70% 수준이므로, 분양받은 아파트가 주변 시세보다 싸지만 않다면 1억 5,000만원(본문 예시에서 계약금 1억 원 + 중도금 5천만 원)으로 충분히 등기를 칠 수 있다는 결론이 나온다. - P243

주식과 아파트의 가장 큰 차이점은 주식은 사용가치가 없고 오로지 투자가치만 있다는 점이다. 하지만 아파트는 사용가치와 투자가치가 동시에 있다. - P243

당장 5억 원짜리 자산에 투자한다 했을 때 주식은 5억 원 전부를 투자해야 하지만, 아파트는 단 1억 5,000만 원으로 투자가 가능하다. 만일 내가 투자한 아파트에 거주한다고 해도 마찬가지다. 그 아파트와 동일한 가격의 다른 아파트에 거주하더라도 전세가 3억 5,000만 원은 어차피 필요한 돈이므로 실제로 내가 투자한 돈은 5억 원이 아닌 1억 5,000만 원뿐인 셈이다. 더 놀라운 사실은 만약 5억 원 중 30%만 투자했는데 아파트값이 1억 원 올랐다면, 그 수익 (1억 원)의 30%만 내 것이 되는 것도 아니다. 1억 원 전부가 내 수익이 된다. 이러한 이유로 1억 원을 모았다면 그 다음 목표인 10억 원 모으기를 위해 가장 먼저 해야 할 것 일이 내 집 마련인 것이다. - P244

전략적 자산 배분에 따른 분산 투자는 고위험·고수익의 단점과 저위험·저수익의 단점을 보완한 중위험·중수익을 추구할 수 있게 된다. - P245

1억 원을 채 모으기 전에 주식 투자에 뛰어든다면 절대로 중장기 투자를 하기 어려워진다. 주가가 떨어지면 초조해져서 올바른 매도 타이밍을 못 잡고 좋은 주식을 너무 빨리 팔아버리는 실수를 할 수 있다. 물론 주가는 아무도 예측할 수 없기 때문에 소위 좋은 주식의 주가가 나중에 무조건 오른다는 보장은 없지만, 분명한 사실은 충분한 자본이 없는 사람들은 떨어지는 주가와 주식 잔고의 파란색 불을 버티지 못해서 올바른 투자 판단을 하기 힘들다. - P246

오늘날은 재능과 특기가 창업이 되는 세상으로 성장형 N잡으로 고소득을 달성할 수 있다. N잡에는 단순히 짜투리 시간과 돈을 맞바꾸는 시간제 알바도 있지만 추가 소득뿐만 아니라 자기계발 목적이 있는 성장형 N잡도 있다. 성장형 N잡은 자신만의 비즈니스로 발전시켜 보겠다는 의도가 있어, 전직을 염두한다는 점에서 시간제 알바와는 다르다. - P247

비트코인은 현금 흐름이 없는 것이므로 자산이라기보다는 상품이라고 보아야 한다. 일반적인 자산에는 내재가치를 알 수 있는 펀더멘털이 있다면 가상화폐는 실체가 없기 때문에 기대감에 의해서만 움직이는 상품이므로 당연히 금리와 역의 관계다. 즉 금리가 낮아지면 가격이 상승하고, 반대로 금리가 높아지면 가격이 낮아지는 것이다. - P251

스태그플레이션은 경기가 불황임에도 물가는 계속 오르는 현상을 말한다. - P252

경기는 순환한다. 경기 침체에 들어서면 경기를 부양하기 위해 완화적인 통화 정책 즉, 금리 인하 정책을 펼친다. 이렇게 낮아진 금리는 시장의 유동성을 늘려서 경기가 회복하게 된다. 반대로 경기가 활황이면 긴축적인 통화 정책, 즉 금리 인상 정책을 펼쳐서 인플레이션의 위험을 막는다. - P253

스태그플레이션은 경기가 불황임에도 물가는 오르는, 즉 높은 인플레이션이 동시에 나타나는 경제 상태인만큼, 스태그플레이션의 잦은 반복은 인플레이션이 쉽게 해소되지 않고 자주 반복될 수 있다는 의미와 어느 정도 일치하는 말이다. - P253

인플레이션은 자산 인플레이션-> 가격 인플레이션-> 임금 인플레이션이 계속 반복되는 과정이다. - P255

만성적인 고물가가 자주 반복되는 스태그플레이션을 이기기 위해서는 어떻게 해야 할까? 가장 중요한 것은 역시 소득을 상승시켜야 한다. 그리고 그에 못지않게 소득을 벌어들이는 기간을 늘려야 한다. 소득을 벌어들이는 기간이 늘어난다면 그만큼 여가생활로 보내는 시간이 자연스레 줄어서 여가생활비와 같은 소비 항목이 줄고 고물가를 방어할 수 있는 밑바탕이 된다. 따라서 가격 인플레이션을 방어하는 가장 좋은 수단은 현직에서 물러나는 은퇴 이후에도 사회활동을 계속 연장하는 것이다. - P255

때마다 반복되는 자산 인플레이션을 방어하기 위해서는 아파트 1채는 반드시 보유해야 한다. 대한민국에서 발생하는 인플레이션을 가장 안정적으로 방어하는 방법이 바로 아파트 보유이기 때문이다. - P256

최근 아파트와 비아파트의 양극화가 심화되고 있는데, 그 이유는 최근 사회적으로 문제가 된 전세 사기나 보증금 미반환 위험 때문이다. 좀 더 자세히 설명하자면 최근 연립주택, 빌라, 다가구주택과 같은 비아파트는 전세금 미반환에 대한 우려로 매매가와 전세가가 동반 하락하고 있고, 부동산 시장에서도 매매든 전세든 대출을 받더라도 아파트로만 가려는 쏠림 현상이 가속화되고 있는데, 이것이 결국 아파트와 비아파트와의 양극화를 가속화하고 있다. 그래서 아파트 1채를 보유했다는 그 자체로 부자가 된다는 뜻은 아니지만 인플레이션을 어느 정도 방어하는 데는 효과적일 수 있다. - P256

전반적인 금리 인하는 돈의 힘을 약화시켜서 위기를 만나면 안전자산으로의 극단적인 쏠림 현상과 양극화를 만들어 낸다. - P256

대부분 급격한 금리인상이 있은 후 얼마 지나지 않아 경기 침체가 찾아오는 패턴이 반복되었다. - P257

미국의 급격한 금리 인상은 당장은 미국 경제에 긍정적인 영향을 줄 수도 있다. 달러화 강세는 미국의 대외 구매력을높이고 그만큼 수입물가가 낮아지면서 인플레이션 억제에 도움이 될 수 있기 때문이다. 하지만 급격한 달러가치의 상승은 역사적으로 미국 외 다른 나라들의 물가 불안과 경기 침체를 유발했으며 시차를두고 어김없이 미국 경제에 안 좋은 영향으로 부메랑이 되어 돌아왔다. - P258

잦은 경기 침체와 극단적인 통화 정책의 변화, 그리고 초저성장 경제가 만들어 내는 결론은 결국 양극화다. 자산 시장에서의 양극화는 쉽게 서울과 지방의 집값 차이라고 그 개념을 설명할 수 있다. 부동산 시장에 돈이 몰릴 때 상위 입지와 하위 입지 중 비싸더라도 좀 더 가격 안정성이 높은 상위입지에만 돈이 쏠리고 가격 격차가 벌어지는 현상이다. 이러한 양극화는 주식 시장에서도 나타나는데, 가치주보다는 성장주에 과도하게 돈이 몰리는 현상이 바로 그것이다. - P259

장기적으로는 불확실하더라도 지금 저평가된 자산에 투자되는 게 일반적이지만, 경제성장률이 낮아지고 위기가 반복되면 달러나 금과 같은 안전자산, 그러니까 지금 시장에서 비싸더라도 안전한 자산에 끝없이 돈이 몰려드는 것이다. 이미 비싸졌지만 메가 트렌드를 주도하는 주도주 몇 개 종목, 서울 내 상위 입지의 몇 개 아파트에 돈이 몰리는 현상이 양극화를 진행시키는 주요 원인 중 하나다. - P261

앞으로 보안의 문제가 더더욱 중요해지면서 아파트의 상대가치는 재부상할 가능성이 높다. - P267

아파트 매매 거래 쏠림 현상은 수요-공급 법칙에 따라 비아파트의 가격 하락을 부축일 수 밖에 없다. - P270

똘똘한 집 1채, 즉 아파트 선호 현상으로 이렇게 비아파트의 거래가 위축되면 비아파트의 환금성은 낮아져 아파트와 비아파트의 양극화는 앞으로 더욱 심화될 수 밖에 없다. - P270

신축 아파트는 시간이 지나면 그 가치가 낮아지고 감가된다. 지금은 새 아파트지만 시간이 지나면 헌 아파트가 되기 때문에 당연한 일이다. 이에 비해서 입지는 시간이 지나도 달라지지 않는다는 특징 때문에, 같은 값이면 신축 아파트보다는 위치가 좋은 아파트를 선택하는 게 미래에 더 유리할 수 있다. - P272

투자가치는 미래에 아파트값이 크게 상승할 거란 기대감을 현재가격이 반영하고 있는 것으로, 흔히 ‘갭Gap‘이라고 한다. 그러니까 집을 사는 사람은 집을 사용하면서 누릴 수 있는 사용가치의 금액인 전세가보다 갭만큼의 돈을 더 주고 소유권을 가지는 것이다. - P272

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