어제에 이어서 빅데이터에 관한 책 한권을 추가로 더 ...

어제에 이어서 빅데이터에 관한 책 한권을 추가로 더 읽어보기로 했다. 목차를 잠깐 살펴보니 개인적으로 이전에 읽었던 책들에서 봤던 내용들도 일부 나오지만 처음 보게 될 사례들도 만나볼 수 있을 듯하다.

분야를 막론하고 중요한 것은 반복해서 등장하기 마련인데, 핵심을 잘 짚어감과 동시에 다른 책에서는 미처 보지 못했던 새로운 것들을 만날 수 있는 시간이 되길 기대하며 시작해본다.

미래의 시민에겐 통계적 사고가 읽고 쓰는 능력만큼이나 중요하게 될 것이다. _사무엘 윌크스(미국의 저명한 통계학자). - P5

이 시대에 맞는 준비를 하고 있으면, 이 시대에 맞는 역량을 키우고 있으면 그런 역량을 발휘할 기회는 반드시 온다. - P6

숫자를 다루고 숫자로 말하는 사람이 성공하는 빅데이터 시대 - P7

"미래는 이미 우리 곁에 와 있다(The future is already here)." _공상과학 소설가 & 미래학자 윌리엄 깁슨 (William Gibson) - P14

빅데이터는 데이터의 양이나 종류가 엄청나게 많아서 기존의 방법으로는 도저히 수집, 저장, 검색, 분석 등이 어려운 데이터이다. - P24

정형 데이터 : 바로 통계 분석이 가능한 형태(표)로 정리된 데이터로 열은 항목이고, 행은 저장되는 단위가 된다. 기존의 시스템에 저장된 데이터, 예를 들어 회원정보, 구매 정보 등은 모두 정형 데이터다. - P24

반정형 데이터 : 데이터 구조가 일관성이 없는 데이터로 속성을 나타내는 메타데이터를 갖는다. html, 웹 로그, 센서 데이터 등이 대표적이다. - P24

비정형 데이터 : 형태 자체가 정해지지 않은 텍스트(글), 음성, 이미지, 동영상, GPS 등과 같은 데이터로 분석하려면 정형 데이터로 변환해야 한다. - P25

빅데이터는 데이터 폭증으로 데이터(주로 반정형, 비정형 데이터)의 양이나 종류가 엄청나게 많아져 기존의 방법으로는 도저히 수집, 저장, 검색, 분석 등이 어려운 데이터를 말한다. - P25

데이터베이스 : 여러 사람이 공유하여 사용할 목적으로 기업 또는 조직의 다양한 정보를 체계화해 통합·관리하는 데이터의 집합(목록). - P25

요즘은 100페타바이트 정도 되어야 빅데이터라고 하는데, 이 크기는 세계에서 가장 큰 도서관인 미국의 국회의사당 도서관이 갖고 있는 정보(출판물 약 1억 7천만 권)의 거의 10배에 해당한다. - P26

엄청난 양의 빅데이터에는 불필요한 잡음이 많으므로 이를 제거하는 데이터 전처리 과정을 거쳐 데이터의 정확성veracity 높이는 것이 필요하다. - P27

빅데이터는 고객과 시장에 대한 풍부한 정보를 담고 있는 보물이라서 ‘21세기의 새로운 원유‘라고도 이야기 한다. - P28

사람들의 거의 모든 활동이 자동으로 쌓여 모이면 다양한 비즈니스 관심사, 즉 검색 트렌드, 구매, 여행, 패션, 외식, 배달, 주문취소, 의료 치료, 부동산, 주가, 세일즈, 기부, 투표, 일자리, 사직, 사기, 탈세, 사랑, 임신, 이혼, 질병 예측, 사고ㆍ범죄 예방등에 대한 데이터가 된다. - P28

빅데이터는 혁신, 경쟁, 생산성을 높이려는 새로운 싸움터다. - P30

빅데이터는 이 시대의 가장 귀중한 화폐다. [신두 라니(Sindhu Rani), 작가] - P30

빅데이터 속에 숨어 있는 것은 세상을 바꿀 수도 있는 지식이다. [아튤 버트(AtulButte), 스탠퍼드대학교 의대 교수] - P30

빅데이터가 없으면 고속도로 한가운데서 보지도 못하고 듣지도 못하는 것과 같다. [제프리 무어(Geoffrey Moore), 경영 컨설턴트] - P30

기업 측면에서 빅데이터는 고객과 시장에 대한 풍부한 정보를 담고 있는 보물 - P30

기업의 경쟁우위는 빅데이터를 분석해 고객과 시장에 대한 통찰력insight을 누가 더 잘 추출할 수 있느냐에 달렸다. - P30

데이터에서 추출한 통찰력을 고객 만족과 기업성과를 높이는 방향으로 의사결정에 활용하는 체계infrastructure도 갖춰야 한다. 여기에서 체계는 기업내 업무 처리 및 의사결정 프로세스와 조직문화 등을 의미한다. - P31

디지털 전환digital transformation은 빅데이터 시대의 5대 핵심기술을 자기 사업을 혁신하는 새로운 도구로 활용해 비즈니스를 혁신하는 것을 말한다. - P31

데이터 분석적으로 경영한다는 것은 과거 경험이나 감이 아니라 데이터, 즉 사실에 근거해서 의사결정을 하고 경영을 하는 것이다. - P32

"우리는 신을 믿는다. 하지만 (신이 아닌) 모든 다른 사람은 (근거가 되는) 데이터를 가져와라In God we trust, but all others must bring data" - P32

디지털 전환은 빅데이터 시대의 5대 핵심기술인 소셜, 모바일, 사물인터넷, 클라우드, 인공지능을 자신의 사업을 혁신하는 새로운 도구로 활용하는 것이다. - P33

인공지능과 빅데이터의 관계는 상호보완적이다. 빅데이터 자체는 인공지능이 없으면 분석하기가 거의 불가능하고 인공지능은 데이터가 많을수록 성능이 좋아진다. - P37

인공지능은 인간의 지능, 즉 인간이 하는 모든 것을 할 수 있는 로봇, 구체적으로는 소프트웨어, 하드웨어 또는 그 둘의 조합으로 정의된다. - P38

인공지능은 인간이 할 수 있는 것(예를 들어 배우고, 말하고, 듣고, 보고, 계산하고, 추론하고, 느끼고, 움직이고, 문제를 해결하고 등)을 다음과 같이 5개 영역으로 구분한다.

언어지능: 자연어(글, 말 등)를 이해하고 소통하는 것

시각지능: 이미지에서 물체를 인식하는 것

공간지능: 3차원으로 생각하는 지능

감성지능: 자신이나 타인의 감정을 인지하는 것

창작지능: 새로운 것을 만들어내는 능력 - P38

기계학습은 수작업으로 규칙을 만들기가(프로그래밍하기가) 불가능한 문제를 컴퓨터 알고리즘이 데이터에 내재하는 패턴을 스스로 학습하는 것이다. - P40

기계학습의 종류는 다음과 같이 구분할 수 있다.

데이터 마이닝: 센서 데이터, 클릭기록, 의료기록, DNA 분석 등

수작업으로 프로그래밍할 수 없는 것들: 글자 인식, 이미지 인식, 스팸 제거, 자율운행(차, 헬기) 등.

개인 최적화 추천 알고리즘

강화학습 - P40

기계학습의 문제는 데이터에 내재하는 패턴을 찾기 위해 정답이 붙은 많은 데이터가 필요하다는 것이다. - P40

기계학습이란 용어를 처음으로 사용한 아서 새뮤얼Arthur Samuel은 기계학습이란 "명시적으로 프로그래밍하지 않고도 컴퓨터가 학습할 능력을 갖추게 하는 것"이라고 정의했다. 다시 말해서 기계학습이란 수작업으로 프로그래밍이 불가능한 문제를 컴퓨터 알고리즘이 데이터에서 스스로 학습하는 것을 의미한다. - P54

지도학습은 어린아이가 지도를 받아서 배우는 방식과 같다. 어린아이는 특정 동물(입력)을 개나 고양이라고(정답) 가르쳐주면(지도) 스스로 개나 고양이를 구별하는 패턴을 인식해 이후에는 어떤 동물을 보면 개인지 고양이인지 판단한다. 마찬가지로 기계학습도 개나 고양이의 사진과 정답을 주면 스스로 패턴을 인식해 새로운 사진에 주어진 동물이 개인지 고양이인지 예측한다. - P55

인공지능은 인간의 지능, 즉 자연언어의 이해능력, 지각능력, 학습능력, 추론능력 등을 컴퓨터 프로그램으로 실현하는 것이다. 일반적으로 인공지능은 언어지능, 시각지능, 공간지능, 감성지능, 요약/창작 5대 영역으로 구분한다. - P60

구글 최고 경영자 순다르 피차이sundar Pichai는 "딥러닝은 전기나 불보다 더 심오하다"라고까지 말했다. - P63

특이점singularity, 더 정확히 말하면 기술적 특이점technical singularity 은 미래에 기술의 급격한 변화로 인간의 일상생활이 이전으로 되돌아갈 수 없는 시점을 말하는데, 이 특이점을 넘어서는 순간부터 사람들의 힘으로는 기술을 이해하거나 따라잡지 못하게 된다. 쉽게 표현하면 인공지능이 사람과 유사한 또는 그 이상의 지능을 갖게 되면 인류는 로봇의 노예가 되거나 멸종한다는 말이다. - P65

로봇공학자이자 카네기멜론대학교 교수인 한스 모라벡Hans Moravec은 "지능 검사나 체커 같은 보드게임에서 어른 수준의 성능을 발휘하는 컴퓨터를 만들기는 상대적으로 쉬운 일이지만, 지각과 동작에 관련해서는 한 살짜리 아기만 한 능력을 갖춘 컴퓨터를 만드는 일은 어렵거나 불가능하다"라고 말했다. 이를 풀어서 얘기하면 지능 검사나 체스처럼 사람에게 어려운 것은 로봇에게 쉽고, 지각이나 움직임같이 사람에게 쉬운 것은 로봇이 구현하기가 불가능하다는 말이다. - P67

사람들의 동작은 대부분 스스로 의식하지 못하는 상태에서 반사신경이 작동해 자연스럽게 이루어진다. 사람들이 넘어질 때 순식간에 손으로 바닥을 짚지만 언제 어떻게 해서 앞으로 손을 내밀고 바닥을 짚는지는 모른다. 그렇기에 로봇공학자들도 언제 어떤 순간에 로봇에게 손을 내밀라고 가르쳐줄 수 없고, 결과적으로 그런 로봇은 만들 수 없는 것이다. 로봇 손을 억지로 내민다고 해도 관절의 충격완화 작용이 없어서 손이 부러질 것이다. 이처럼 사람들이 무의식적으로 실행하는 반사신경 같은 것을 인공지능으로 구현하기가 불가능한 이유는 무엇일까? - P71

자연선택(natural selection)은 자연도태(自然淘汰)라고도 하며, 특수한 환경에서 생존에 적합한 형질을 지닌 개체군이 그 환경에서 생존에 부적합한 형질을 지닌 개체군에 비해 ‘생존‘과 ‘번식‘에서 이익을 본다는 이론이다. - P73

인간은 수억 년에 걸친 점진적 진화 덕분에 걷기, 느끼기,
듣기, 보기, 의사소통 등 일상적 행위는 아주 쉽게 할 수 있다. 반면 비교적 최근에 얻은 계산과 같은 추상적 사고를 하려면 많은 시간과 에너지를 소비해야 한다. 인공지능은 인간이 하는 일상적 행위를 수행하기는 매우 어렵지만 수학적 계산, 논리 분석 등은 이제 쉽게 구현할수 있다. 사람들에게는 너무나 어려운 천문학적 단위의 수를 계산하거나 복잡한 수식을 푸는 일을 인공지능은 아주 쉽게 할 수 있다. 그렇기에 사람들이 무의식적으로 쉽게 하는 듣고, 느끼고, 인식하는 모든 일상의 행위도 인공지능은 더 쉽게 할 거라고 생각했지만 실제로는 컴퓨터에 도무지 가르칠 방법이 없다는 사실을 깨달은 것이다. 결국 인간의 기능이 진화 과정에서 개발되는 데 걸린 기간이 길면 길수록 인공지능이 그 기능을 구현하기가 매우 어렵거나 불가능하다. - P74

인공지능의 미래에 대한 정반대 시각은 인공지능 등장 가능성에 대한 사람들의 강한 정반대 믿음을 의미한다. 그러므로 과연 어느 시각이 맞는지 따질 수 없다. 왜냐하면 사람들의 믿음은 누가 옳고 누가 그른지 따질 수 없는 영역이며 서로 믿음이 다른 것뿐이기 때문이다. 예를 들면 신이 있다고 주장하는 사람들은 신이 있다고 믿는 사람들이고, 신이 없다고 주장하는 사람들은 신이 없다고 믿는 사람들이다. 누가 맞고 누가 틀렸는지가 아니라 서로 믿음이 다른 것뿐이다. - P76

중요한 것은 인공지능이 현재 어디까지 왔고, 과연 무엇을 할 수 있는지 잘 인식하는 것이다. 오늘날 이미 약한 인공지능은 검색엔진, 인터넷 쇼핑몰, 광고, 물류, 미디어 등 많은 영역에서 혁신을 주도하며 거의 모든 산업은 물론 일상생활에서까지 유용하게 활용되고 있다. 이미 약한 인공지능은 우리 삶을 윤택하게 하는 보조 도구로 없어서는 안 될 중요한 역할을 한다. 그래서 미래학자 케빈 켈리 Kevin Kelly는 ‘앞으로 로봇과 얼마나 잘 협력하느냐에 따라 연봉이 달라질 것‘이라고까지 말했다. - P76

우리는 약한 인공지능이라는 도구를 유용하게 그리고 현명하게 활용할 줄 알아야 한다. 그러려면 약한 인공지능이 무엇을 할 수 있고, 무엇을 할 수 없는지 제대로 이해해야 한다. - P76

놀랍게도 인공지능이 가져온 충격의 크기breadth에도 불구하고 전개되고 있는 발전 형태는 여전히 극히 제한적이다. 최근 발전한 인공지능의 거의 모든 것은 어떤 입력 데이터(A)를 활용해서 어떤 간단한 출력(B)을 빠르게 만들어내는 것 한 가지 형태를 따랐다. _앤드루 응Andrew Ng - P78

컴퓨터가 사전에 명시적으로 프로그램된 명령어에 따라 작동한다 - P78

보통 사람이 1초 이내의 생각으로 할 수 있는 정신적 과제를 우리는 지금 또는 가까운 미래에 인공지능을 사용해 아마도 자동화할 것이다. _앤드루 응Andrew Ng - P80

A→B 시스템은 A→B 관계를 파악하려면 엄청난 양의 데이터가 필요하다는 약점이 있다. 지도학습을 위해 A와 B 모두에 대한 많은 사례를 제공해야 하기 때문이다. - P81

구글은 "모든 의사결정, 특히 서비스와 제품에 관한 의사결정은 데이터 없이는 결코 하지 않는다"라는 모토로 유명하다. - P84

아마존 CEO 제프 베조스Jeff Bezos는 "미지의 바다에서 어려움을 겪는 기업이 되느냐 아니면 세계적으로 성공한 기업이 되느냐는 데이터와 정보의 활용 여부에 달렸다. 이 세상의 미래 주인은 분석에 뛰어난 기업들, 즉 사물이 관련되어 있다는 것을 알 뿐만 아니라 왜 그리고 어떻게 관련되어 있는지 아는 기업들이다"라고 설파했다. - P88

넷플릭스 CEO리드 헤이스팅스Reed Hastings Jr.는 "우리는 과거보다 넓은 영역에서 합리적이고 계량 분석적이며 데이터에 더 의존한다. 기업, 정부, 사회는 믿음에 근거한 방식에서 데이터에 기반한 의사결정으로 바뀌고 있다. 당신 기업은 이런 근본적 전환에 대해 준비가 되어 있는가?"라는 물음을 던졌다. - P89

[100자평] 세상을 읽는 새로운 언어, 빅데이터

세상을 읽는 새로운 언어, 빅데이터 - 미래를 혁신하는 빅데이터의 모든 것 ㅣ 서가명강 시리즈 6
조성준 지음 / 21세기북스 / 2019년 8월

빅데이터가 실제 기업 또는 공공기관 등에서 활용되는 다양한 사례들을 살펴봄으로써 독자들로 하여금 빅데이터의 중요성을 체감할 수 있게 해준다. 또한 빅데이터가 이전에는 없었던 새로운 가치를 창출해낼 수 있다는 점에서 그 발전 가능성이 무궁무진하다는 것도 느낄 수 있었다.

오늘 읽기 시작한 부분에서 저자는 빅데이터를 활용한 ...

오늘 읽기 시작한 부분에서 저자는 빅데이터를 활용한 분석을 통해 비즈니스에 유용한 인사이트를 도출하기 위해서는 조직 내에 있는 부서들 간에 다양한 형태의 데이터들이 원활히 공유되어야 한다고 말한다.

하지만 현실은 그렇지 못한 듯하다. 저자는 사일로silo라는 용어를 언급하면서 조직 내부의 부서들끼리 서로 소통하려 하기보다는 오히려 그것을 기피하는 문화가 있음을 지적한다. 이는 성과평가와 관련된 각 부서의 이기주의가 암묵적으로 존재하기 때문이라고 저자는 말한다. 이러한 부서 이기주의를 극복하기 위해 저자는 유의미한 데이터를 제공한 부서에게도 그에 상응하는 보상이 이루어지는 게 바람직하다는 생각을 피력한다.

조직 내부에서도 암묵적으로 각 부서들 간에 이해관계가 충돌하는 경우들이 비일비재한데 이러한 이해관계를 적절히 조정하여 조직 전체의 이익이 극대화될 수 있어야 한다는 게 저자의 생각인 것이다. 다만 현실적으로 부서 간 이해관계를 적절히 조정하는 게 참 쉽지 않은 문제라 현실에서 얼마나 실현될 수 있을지는 모르겠으나 어쨌든 원칙적으로 독자인 나도 저자의 취지 자체에는 극히 공감하는 바이다.

빅데이터를 활용한 새로운 가치를 창출하기 위해선 본질적인 목표인 데이터 분석을 통한 인사이트를 도출하는 것 외에도 각 부서별 이해관계를 잘 조정하는 과정들도 결코 무시할 수 없는 요인임을 깨달은 시간이었다.

뒤이어 좀 더 읽다보니 조직 내부 뿐만 아니라 한 조직과 다른 조직 간에도 데이터를 주고받는 것이 현실적인 이유 또는 법적인 이유들로 인해 이루어지기 어려운 경우들도 적지 않다는 것을 알게 되었다. 세상 참 쉬운 게 없다.

사일로silo란 곡식을 쌓아두는 창고를 말하는데, 흔히 창고 간 소통이 없다는 의미로 사용된다. 조직 내 부서 간에 담을 쌓고 타 부서와 소통하지 않는 문화를 일컫는 말이다. - P249

현실이 어둡기만 한 것은 아니다. 희망도 있다. 바로 공공데이터 활용이다. 공공데이터란 정부나 공공기관이 보유한 데이터를 말하는데 우리 정부는 수년 전부터 민간에서 사용할 수 있도록 데이터를 개방하고 있다. 공공데이터 포털(data.go.kr)에 가면 다양한 정부 데이터들이 개방돼 있다. - P252

빅데이터 활성화를 위해서는 제도적 지원도 필요하다. 어디까지가 합법이고 어디까지가 불법인지에 대한 분명한 가이드라인, 그리고 이를 뒷받침하는 사회적 합의가 그것이다. - P254

우리는 빅데이터를 어떻게 바라보고 있는가? 정부나 대기업이 국민들의 사생활을 들여다보는 창구로 생각하는가? 아니면 부존자원이 전무한 우리나라가 도약할 수 있는 혁신의 재료로 생각하는가? 결국 빅데이터의 밝은 면과 어두운 면을 정확히 이해하고 어디까지 이를 허용할 것인지를 결정해야 한다. - P256

단순히 그저 기분이 나쁘다가 아니라 구체적으로 장단점을 따지고 나에게 무엇이 이롭고 해로운지 주판알을 튕겨볼 수 있어야 한다. - P257

인류의 역사는 새로운 기술을 적극적으로 활용하고, 그 과정에서 발생할 수 있는 리스크는 법과 제도적 제제를 통해 최소화하는 쪽으로 흘러왔다. 이는 앞으로도 마찬가지일 것이다. - P258

보기 싫고 무서운 것일수록 두 눈 똑바로 뜨고 마주해야만 한다. 포식자를 보고 머리만 모래 속에 묻는 꿩처럼 되어서는 안 된다. - P258

혹자들은 달러를 데이터로 환전했다고 한다. 그야말로 데이터는 새로운 통화다. - P262

이제 우리의 일상은 모두 데이터화되고 있다. - P264

요즘 새로 관심을 받는 개념이 ‘마이 데이터my data‘다. 이것은 데이터 소유권을 개인에게 주자는 것이다. 즉 다양하게 만들어지는 데이터를 모두 개인에게 귀속시키자는 것이다. - P266

내가 생산한 데이터는 나도 확보할 수 있어야 하고 내 맘대로 자유롭게 쓸 수 있어야 한다. - P268

데이터는 신대륙과도 같다. 그 존재를 모를 때에는 좁은 구대륙에서 치열하게 경쟁하고 싸웠지만, 이제 바다 건너 신대륙의 존재를 알게 됨으로써 경쟁 없는 그곳에 가서 새로이 원하는 만큼 땅을 확보할 수 있다. 우리나라에서 생성되는 데이터뿐만 아니라 전 세계 데이터를 대상으로도 가능한 일이다. - P268

21세기 4차 산업혁명에서 데이터 사이언스로의 적극적인 참여를 원하는 사람은 자신이 데이터 사이언티스트가 될 것인지, 빅데이터를 이해하는 의사결정자가 될 것인지 정해야 한다. 빅데이터로부터 인사이트를 도출하는 사람이 될 것인가, 아니면 어떤 데이터로 어떤 인사이트를 만들지 기획하는 사람이 될 것인가? - P273

사실상 빅데이터와 인공지능을 기반으로 한 4차 산업혁명의 성공은 사회 각 분야에서 전문가로 활동하고 있는 의사결정자들의 빅데이터 기획 능력에 달려 있다. 따라서 이들에게는 빅데이터와 인공지능을 포함한 다양한 분석 방법에 대한 이해와 경험이 필수적이다. - P274

데이터 사이언티스트가 되려면 수학, 통계학, 머신러닝,
최적화, 코딩 등 이름만 들어도 무서운 이공계 과목을 대학4년간 공부하고, 추가로 석사 및 박사 과정에서 2~7년 가까이 연구에 전념해야 한다. 그러나 최근에는 코딩 없이 클릭과 드래그만으로 데이터를 분석할 수 있는 오픈소스 프로그램이 등장해서 최소한의 수학, 통계, 머신러닝만을 공부하고도 웬만한 분석을 할 수 있는 환경이 조성되었다. - P274

이제는 전공과 관계없이 관심 있는 누구나 빅데이터 혁명에 능동적으로 참여할 수 있다. 게다가 빅데이터는 누구든지 확보 가능하다. 특히, 데이터는 토지와 같은 한정된 자원이 아니다. 토지를 차지하려면 엄청난 비용을 지불하거나 혁명을 일으켜서 토지 개혁을 하는 방법밖에 없다. 그러나 데이터는 한정된 자원이 아니다. 돈이 많든 적든, 힘이 세든 약하든 누구에게나 데이터를 가질 수 있는 가능성이 열려 있다. 마치 신대륙이 생긴 것과 마찬가지다. 지금의 이 기회를 잘 활용하면 당신도 데이터의 주인이 되지 못할 이유가 없다. 내가 꿈꾸는 세상을 만드는 기획, 바로 우리 자신이 할 수 있는 것이다. - P275

[100자평] 드립백 케냐 니에리 피베리

드립백 케냐 니에리 피베리 - 12g, 5개입
알라딘 커피 팩토리 / 2026년 6월

날이 많이 더워지기도 했고 살짝 꿉꿉해지기도 해서 일단은 뜨거운 물에 내린 뒤 얼음 넣어서 마셔봤는데 시원하고 좋았습니다. 중강배전이라 그런지 향도 진한 편이었고 일반 카페에서 파는 왠만한 아메리카노들 못지 않은 퀄리티였습니다. 요즘 같은 시기에 마시기 딱 좋은 드립백 커피입니다.

[오늘의 한문장] 때를 아는 세탁 (표지 2종 중 랜덤)

저자는 오랜 기간동안 의류 디자이너로 일했던 경험을 바탕으로 세탁에 관한 콘텐츠를 기록하고 SNS에 업로드하는 팔로워 수가 적지않은 인플루언서라고 한다.

이 책은 개인적으로 우연한 기회에 알게 되어 읽어볼 수 있게 되었는데, 목차를 간단히 살펴보니 일상생활에서 세탁과 관련된 세부적인 사항들을 일목요연하게 잘 정리해놓은 것 같아 여러모로 유익한 책이 되지 않을까 조심스레 예상해본다.

이 책을 통해 세탁에 관한 디테일한 노하우들을 잘 배워서 실생활에 잘 적용해볼 수 있길 바래본다.

사람들의 공감을 얻는 콘텐츠는 결국 <진짜 경험>에서 나온다 - P-1