개인적으로 몇 일전에 동 저자의 저작 중 하나인《이 ...

개인적으로 몇 일전에 동 저자의 저작 중 하나인《이 책은 돈 버는 법에 관한 이야기》라는 책을 완독했다. 이후 자연스럽게 오늘 읽기 시작하는 이 책이 있다는 걸 알게 되었다. 목차를 잠깐 살펴보니 앞서 읽었던 책과 얼추 비슷한 키워드들이 보인다. 아마도 돈과 매출이라는 게 땔래야 땔 수 없는 상관관계가 있기 때문일 것이다.

물론 이렇게 비슷한 내용들이 나올 것으로 예상되는 경우 독자에 따라서는 그냥 아예 다른 저자나 다른 분야의 책을 읽으려는 분들도 있겠으나, 내 경우에는 한 저자의 생각을 조금이라도 더 깊이있게 알아보고자 하는 일종의 덕후(?)같은 성향때문인지는 몰라도 그 저자가 쓴 책을 가능한 한 다 읽어보고 싶어하는 편이다. 물론 이렇게 읽다보면 다른 책에서 봤던 내용들을 중복해서 보게 되는 경우도 있지만 간혹 그 사이사이에 동 저자의 다른 책에서 아예 언급되지 않았던 새로운 내용들을 만나게 되는 소소한 기쁨을 느끼게 되는 경우들이 있다. 다소 주관적으로 보여질 수도 있겠으나 어쨌든 독자인 나는 이런 소소한 기쁨을 알기에 오늘 이 책을 읽어보게 된 건지도 모르겠다.

이제 본론으로 들어간다. 오늘 처음 밑줄친 문장에서 저자는 그동안 고민이나 생각할꺼리가 있을 때마다 자신에게 답을 던져줬던 책이 주는 가치에 대해 언급하며 책을 어떻게 읽어야 하는지에 대해 대략적인 가이드를 제시한다. 본문의 문장이 주저리주저리 긴 데, 결국 핵심은 책을 그냥 설렁설렁 읽기보다는 책에 나오는 한 문장 한 문장을 곱씹어가면서 읽고 자신의 삶에 적용해보라는 말이다. 독서를 통해 새로운 인생을 성공적으로 개척하며 살아가고 있는 저자의 말이기에 더욱더 신뢰가 갔다.

책 속에 길이 있고 책 속에 답이 있다. 그래서 나도 책에서 답을 찾기로 했다. 책 읽으면 좋다니까 그냥 슬슬 읽어가는 수준이 아니다. 메모를 해가면서 정독하고, 책 내용을 내 삶에 적용해보고, 책에서 아이디어를 찾고, 그 아이디어를 실행했다. 말 그대로 책이 시키는 대로 해봤다. 그랬더니 놀라운 일이 벌어졌다! 한마디로, 내 삶의 주인이 되었다. - P9

아무리 생각해봐도 나는 책을 읽은 것밖에 없다. 무언가 결정을 하기 전에 그 분야의 책을 읽고 책에서 답을 얻으려 애쓴 것밖에 없다. 그런데 인생이 완전히 바뀌었다. 책에게 고맙지 않을 수 없다. 고마우니 저절로 더 찾게 된다. - P11

책을 읽다 보면 온갖 고민거리가 해결된다. 머리 싸매고 끙끙 앓을 필요가 없다. 책을 펼치기만 하면 된다. 그러면 답이 찾아진다. 한번 해보라. 책이 당신에게 속삭이는 순간이 온다. 만약 책의 목소리가 들리지 않는다면 더 읽으면 된다. 쉽지 않은가! - P11

사람들이 왜 이걸 안 하는지 모르겠다. 장담하건대 창업을 하든 취업을 하든, 책을 읽는 사람은 절대 망하지 않는다. - P12

책을 좇는 사람은 돈뿐만 아니라 진정한 행복까지 잡을 수 있다. - P12

책이 시키는 대로 따라가 보라. 책은 지금까지 한번도 상상하지 못한 곳으로 당신을 인도할 것이다. - P12

깨달음은 항상 뒤늦게 온다. - P22

책을 읽었는데 실패했다면 독서량이 모자라는 것이다. 더 많이 읽어야 한다. 이건 책을 읽어본 사람이라면 아는 사실이다. - P23

책에게 물어보라. 바로 대답해주지 않을 수도 있다. 하지만 간절한 마음을 가지고 묻고 또 묻고, 읽고 또 읽다 보면 책이 답을 알려준다. 한번 방법을 알게 되면 그때부터는 시간이 줄어든다. 읽는 힘이 생기는 것이다. - P23

책을 읽으면 진실을 알게 된다. 스스로 생각할 수 있게 되기 때문이다. 그리고 진실을 알면, 행동하게 된다. 그래서 지배층이 책을 독점하려고 한 것이 아닐까. - P24

책을 읽어야 생각할 수 있고, 생각을 해야 행동할 수 있다. 그 행동이 우리를 자유롭게 하고 풍요롭게 한다. 어떤 일에서든 성공에 이르게 한다. 물론 시간이 필요하다. - P28

그냥 재미로 또는 지식 좀 쌓겠다 수준으로가 아니라 간절하게 답을 찾겠다는 생각으로 읽어야 한다. - P28

다른 사람들은 내가 생각하는 것만큼 내게 신경 쓰지 않는다 - P34

내가 뭘 하는지 아무도 신경 쓰지 않는다. 눈치 볼 필요도 없다. 하고 싶은 걸 하면 된다. 못할 게 무언가. - P34

번지점프대에 올라가면 최대한 빨리 뛰어내려야 한다. 그러면 할 수 있다. 아래를 내려다보며 ‘줄이 튼튼할까? 혹시 끊어지지 않을까? 머리가 땅에 닿는 건 아닐까?‘ 이런 걱정을 하다 보면 절대 뛰어내리지 못한다. - P36

배짱으로 살자. 뭐가 겁나는가. 남에게 피해만 주지 않으면 어떤 행동을 해도 상관없다. - P36

독서와 사색으로 어떤 경지에 이르면 해내지 못할 일이 없다 - P39

책은 나를 행동으로 이끈다. 왜 그럴까? 행동의 기준이 생기기 때문이다. - P40

행동에 나서지 못하는 건 용기가 없기 때문이다. 실패에 대한 두려움, 자칫 지금보다 못한 삶을 살게 되지 않을까하는 두려움에 지기 때문이다. - P40

기준이 생기면 행동에 나설 용기가 생긴다. 방어적이고 수동적이었던 내가 적극적이고 능동적인 사람으로 변한다. - P40

책은 행동이다. 원동력이자 연료다. 책을 읽으면 가만히 있으려 해도 뭔가를 하게 된다. - P40

"물고기들을 나무 타기 실력으로 평가한다면, 물고기는 평생 자신이 형편없다고 믿으며 살아갈 것이다." _아인슈타인 - P42

책을 읽으면서 자신을 들여다봐야 한다. 찾으면 반드시 답이 나온다. - P44

감귤 농사에는 매뉴얼이 있다. ‘잎이 몇 개가 났을 때 몇 번 잎과 몇 번 잎을 따준다. 가지가 몇 개일 때 몇번 가지와 몇 번 가지를 잘라준다‘ 하는 식이다. 이런 매뉴얼대로 하면 똑같은 크기, 똑같은 빛깔, 똑같은 맛의 감귤을 만들 수 있다. - P45

‘왜 근대 이후에 모차르트, 베토벤, 쇼팽, 미켈란젤로, 레오나르도 다 빈치, 소크라테스, 뉴턴, 에디슨 같은 사람이 나오지 않는 걸까?‘ - P46

매뉴얼에 따라 똑같은 교육을 받기 때문에 똑같이 대기업과 공무원만 꿈꾼다 - P46

우리는 모두 천재로 태어났다. 그런데 교육을 받으면서 점점 똑같아진다. 개성이 없어진다. - P46

당신은 원래 천재였다. 지금이라도 그 천재성을 깨우자. 내가 아는 방법은 독서뿐이다. - P47

도전 자체가 이미 천재성을 드러낸 것이다. - P46

사업은 타이밍이 중요하다. - P51

오사칠계는 다섯 가지 조건과 일곱 가지 계교를 말한다. 장수는 어느 쪽이 더 유능한가, 지리적 우위는 어느 쪽이 선점했는가, 병력은 어느 쪽이 더 강한가 등을 미리 계산해서 승산이 있으면 싸우라는 얘기다. - P52

<손자병법>은 병법을 논하는 책이지만 결론은 함부로 싸우지 말라는 것이다. - P52

뭔가를 도모할 때는 계산을 할 수 있는 기준이 있어야 한다. 가장 믿을 수 있는 기준이 책이다. - P53

사업을 시작하기 전에 계산해볼 줄 알아야 한다. 자신에게 기준이 될 책을 찾아내는 것이 성공으로 가는 가장 빠른 길이다. - P53

어떤 일을 할 때는 관련 분야의 책을 여러 권 읽고, 내 상황을 대입해보고, 내 처지에 맞게 응용하면서 계산하고 답을 찾아보라. 책을 읽는 게 돈 버는 지름길이다. - P53

‘내가 끌려가는 것이냐? 내가 지배하는 것이냐?‘ - P59

내가 시간을 지배하는 것이 자유고, 내가 하고 싶은 일을 하는 게 자유다. - P59

인간은 본능적으로 자유를 원한다. - P60

여행을 동경하는 이유는 자유롭고 싶어서다. 여행은 우리가 생각하는 가장 자유로운 상태다. ‘바캉스‘라는 말의 어원도 자유다. - P60

행복도 자유에 포함된 개념이다. 사랑과 결혼 역시 외로움으로부터, 혼자 사는 삶으로부터 자유로워지려고 하는 것이다. 둘이 만나 경제적으로 보다 풍요로워지고 감정적으로 안정을 얻고 싶어서다. 이 역시 자유다. 경제적으로나 감정적으로 불안하면 자유를 느낄 수 없기 때문이다. 안정이 돼야 우리는 자유로울 수 있다. - P60

세상의 모든 책이 시키는 대로 할 수는 없다. 내 인생과 사업에 적용할 내게 맞는 책을 골라야 한다. - P65

"네가 하려는 개그를 한 단어로 말해봐."
후배가 한 단어, 그게 안 되면 최소한 한 문장으로 명쾌하게 얘기한다면 그 코너는 잘된다. 하지만 뭔가 부연설명이 늘어나고 말이 길어지면 그 코너는 안된다. 한 단어로 딱 압축한다는 것은 특징이 분명하고, 그 특징을 당사자가 꿰고 있으며, 자신을 가지고 있다는 뜻이다. - P68

‘내가 하려는 일을 20장의 슬라이드로 만들어 한 장당 20초 안에 설명할 수 있어야 한다‘ _세스 고딘《이카루스 이야기》...(중략)... 이를 ‘페차쿠차‘라고 하는데 일본말로 ‘재잘재잘, 시끌시끌‘이라는 뜻이다. - P69

용기란 죽음에 과감하게 맞서는 영웅적인 자질만을 뜻하는 게 아니다. (・・・) 자신이 생각하는 바를 말로 표현하고, 그러한 생각을 지키려는 의지를 뜻한다. (...) 이제 우리 자신의 존재를 드러내야만 하는 순간이 찾아왔다. _《이카루스 이야기》 - P75

열심히 하지 않으면 안 되는 상황, 떨어지면 끝장인 벼랑으로 날 몰아넣으니 저절로 열심히 하게 됐다. 저절로 열심히 하게 된다는 말은 힘이 덜 든다는 말이기도 하다. - P76

미루다 보면 결국 시작조차 못 한다. - P76

모두가 찬성할 수는 없다. 반대에 부딪혔는가? 그럼 잘하고 있는 것이다. 우리는 어떤 때 반대하는가? 상대방의 목소리가 너무 높을 때 반대한다. 상대방이 미적지근하게 의견을 얘기하면 반대하지 않는다. 내가 반대에 부딪혔다는 것은 내 의지가 확고하단 얘기다. - P77

너무 높게 나는 것보다 너무 낮게 나는 것이 훨씬 더 위험할 수 있다. 왜냐하면 ‘안전하다‘는 착각을 주기 때문이다. 우리는 낮은 기대와 소박한 꿈에 만족하고, 자신의 능력을 과소평가하면서 안전하다는 느낌속에 살아간다.
_ 《이카루스 이야기》 - P78

안전하다는 건 지루하다는 뜻이기도 하다. 이미 매뉴얼이 다 짜여있기 때문이다. 그림을 매뉴얼대로 그린다고 생각해보라. 감동이 있겠는가? 내 창의력과 열정이 담겨야 살아 있는 작품이 된다. 대형 프랜차이즈에는 내 영혼이 들어갈 자리가 없다. - P79

그들 모두를 만족시킬 수는 없다. (...) 관객의 반응은 우리 것이 아니다. 그들 자신의 것이다. 우리 것은 오로지 작품뿐이다. _《이카루스 이야기》 - P89

빅데이터라는 키워드로 검색하다가 알게 된 책이다. 최...

빅데이터라는 키워드로 검색하다가 알게 된 책이다. 최근 각종 기술의 발달로 예전에는 미처 분석할 엄두도 내지 못했던 다양하고 수많은 양의 데이터들을 빠르게 처리할 수 있게 되었다. 본문에서는 우리 생활 곳곳에서 얻을 수 있는 각종 데이터들을 공공 영역과 비즈니스 영역 등에 활용하는 다양한 사례들을 보여주는데, 이를 통해 데이터의 영향력이 실로 엄청나다는 것을 느낄 수 있었다.

오늘 처음 밑줄친 문장은 수많은 데이터들을 연결하는 것이 얼마나 중요한지를 느끼게 해준다. 과거에 익히 들어봤던 속담도 하나 등장하는데, 독자인 나는 개인적으로 이 속담과 비슷한 맥락의 속담하나가 문득 생각났다.

‘뭉치면 살고 흩어지면 죽는다.‘

데이터라는 것도 결국 하나만 있을 때보단 둘이 있을 때, 그리고 둘보다는 셋이, 셋보다는 넷이... 이런 식으로 점점 많아질수록 유의미한 인사이트를 얻을 수 있고 어떤 추세나 큰 그림을 알아내는 데 도움이 되기 때문에 이런 생각을 자연스레 하게 된다고 설명할 수 있을 듯하다.

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

[100자평] 이 책은 돈 버는 법에 관한 이야기

이 책은 돈 버는 법에 관한 이야기 - 서민갑부 고명환의 생각법, 독서법, 장사법
고명환 지음 / 라곰 / 2022년 9월

본문에 반복해서 등장한 키워드는 바로 ‘가치‘였다. 돈을 벌고 싶다고 해서 무작정 돈만 좇기보다는 다른 사람들에게 유용한 가치를 창출할 수 있어야 돈이 자연스럽게 따라온다고 저자는 말한다. 또한 저자가 사업을 하면서 경험한 것들과 함께 각종 노하우들이 담겨 있는데, 이를 각자의 상황에 맞게 적용해보면 여러모로 도움이 될 것이다.

오늘 읽기 시작한 부분에서 저자는 과정의 중요성에 대...

오늘 읽기 시작한 부분에서 저자는 과정의 중요성에 대해 말한다. 어떤 결과물이라는 것은 궁극적으로 과정에 수반되어 자연스럽게 따라오게 되는 것일 뿐 결국에는 매 순간, 지금 현재가 가장 중요하다는 말이다.

인생은 결과보다는 과정이 중요하다. 인생의 결과는 죽음밖에 없다. - P172

책-아이디어-확신-실행-책. 이 선순환의 사이클을 내 몸에 장착하자. - P173

내게 어떤 문제가 있다면 그 문제 안에서만 답을 찾으면 안 된다. 의외로 답은 엉뚱한 곳에서 발견된다. 여러 분야의 책을 읽어야 하는 이유다. - P178

내가 속해 있는 분야, 내가 관심 있는 분야, 내가 돈 벌고 있는 분야의 책만 읽으면 점점 정체된다. 관심 없고 읽기 힘들지만 다양한 분야의 책들을 접하다 보면 의외로 재미있어지는 분야가 있고 그 분야의 책들을 읽다 보면 내가 진짜 해야 할 일을 찾게 된다. 즐겁게 일하면서 돈도 벌 수 있는 그런 일을. - P178

내 사업과 전혀 관련 없는 책에서 내 사업의 묘수를 얻을 수 있다. - P179

내 경험에 의하면 내 전공과 관련된 책에서 얻어지는 아이디어들은 내 일을 안정적으로 이끌어주고, 내 전공과 관련 없는 분야에서 번쩍하고 떠오른 아이디어들은 내 사업을 한 단계 업그레이드시켜준다. - P180

빠름과 느림은 중요하지 않다. 나만의 속도를 찾는 게 중요하다. - P191

돈은 절대 한 번에 ‘쾅‘ 하고 벌어지지 않는다. 특히 초반에 어느 정도의 자본금이 쌓일 때까지는 속도가 엄청 느리다. 이 속도를 견뎌야 한다. 그리고 알아야 한다. 이 속도가 돈이 쌓일수록 점점 빨라진다는 것을. 문제는 이 속도를 견디는 게 쉽지 않다는 것이다. 그래서 중요한 것이 있다. 돈으로부터 멀어지는 것이다. - P191

돈이 쌓이는 것보다 더 좋은 게 생각이 쌓이는 것이다. 기억은 과거 지향적이고 생각은 미래 지향적이다. 생각의 크기는 곧 돈의 크기다. 생각이 커지면 돈도 커진다. - P192

속도는 사람마다 다르다. 그러니 남과 비교하지 말고 자신만의 속도를 찾아 자신만의 속도로 나아가라. - P192

조바심을 내는 순간 돈은 멀어진다. 하지만 돈을 좇지 않으면 마음에 여유가 생기고 덕분에 좋은 아이디어가 탄생한다. 그 좋은 아이디어로 만들어진 제품에 당연히 사람들이 열광하니 돈을 벌지 않으려 해도 통장에는 돈이 계속 쌓인다.
선순환의 정석이다. - P192

자유롭게 사는 사람은 시간이 느리게 지나간다. 하루하루가 알찬 시간들이기 때문이다. - P194

스스로 하는 일에서 가치를 발견해야 자존감이 높아진다. 은퇴 후 우울증에 걸리는 이유가 ‘나는 이제 더 이상 이 사회에 필요하지 않구나‘라는 생각 때문이다. - P195

사람들은 가치라고 하면 무조건 돈을 생각한다. 하지만 돈과 상관없이 가치 있는 일이 더 많고, 그런 가치를 만들다 보면 없는 돈도 생겨난다. 돈을 좇는 순간, 세월은 ‘훅‘ 하고 지나가 버린다. - P195

가치를 만드는 사람은 끌려가지 않고 인생을 지배한다. 시간을 지배한다. - P195

시간을 그냥 흘려보내지 말고 내 시간을 살아야 한다 - P197

내 시간을 산다는 것은 내가 있어야 할 곳에서 가치를 만들어낸다는 의미다. 당신이 있는 그곳에서 가치를 만들어낼 때 당신은 존재 가치가 있는 것이다. - P197

우리가 인간이라는 존재 가치를 가지려면 최선을 다해 내 시간을 살아야한다. 최선을 다한다는 것은 시간을 지배하는 것이다. 1초도 그냥 흘려보내지 않고 가치를 만들어내는 것이다. - P197

생각을 자주 해야 하는 이유는 그래야만 진짜 내 생각을 알 수 있기 때문이다. - P199

하고 싶지 않은 일을 억지로 할 때 스트레스가 가장 심하다. - P200

스스로 찾는 힘이 곧 생각이다. 결국 생각이 내 삶을 자유롭게 해준다. - P201

조급하면 긴장하고, 긴장하면 실패한다. 돈을 빨리 벌겠다고 덤비면 덤빌수록 돈은 도망간다. 당연하다. 돈을 빨리 벌려 할수록 무리수를 둘 확률이 크다. - P203

진짜 큰돈을 버는 1퍼센트의 사람들은 트렌드를 좇지 않고 트렌드를 만든다. 음악, 패션, 음식 등 모든 분야가 그렇다. - P206

유행을 좇는 사람들은 그저 그런 호응을 얻는 것에 그치지만, 유행을 만들어내는 사람들에게는 열광이 뒤따른다. - P207

트렌드를 좇는 사람들은 한 발짝 앞선 미래를 본다. 그리고 트렌드를 만드는 사람들은 두 발짝 앞선 미래를 내다본다. - P207

"하루 16시간, 주 7일, 1년 52주 일을 하는데도 사람들은 나를 행운아라고 부른다(Working 16 hours a day, 7 days a week, 52 weeks a year and people still calling me lucky)." _일론 머스크 - P207

요행은 없다. 지름길도 없다. 공부밖엔 답이 없다. 공부해야 한다. 그래야 트렌드를 만들 수 있다. 하지만 무서워하지 말고, 미리 지치지도 말고, 불가능하다고 생각하지 마라. 당신도 할 수 있다. - P207

트렌드를 만들려면 스스로 트렌드가 되어야 한다. 독서하고 꿈을 꾸고 경험을 쌓아야 한다. 이런 과정 없이 감동을 줄 수 없다. - P208

모방을 통해 경험을 쌓고, 독서를 통해 재창조의 과정을 거쳐야 한다. 그렇게 스스로 트렌드가 되면 이제 당신이 꿈꾸던 상상을 현실로 만들어라. 사람들은 당신의 꿈에 열광할 것이다. - P208

인생에서 은퇴는 죽음밖에 없다. - P210

버는 것보다 지키는 게 더 어렵다. - P210

성자 안젤름 그륀은 "머물지 말고 흘러라"라고 말한다. 우린 어디론가 끊임없이 흘러갈 때 행복하다. - P211

인간은 의지를 가지고 움직일 때 행복하다. - P212

놀면서 느끼는 쾌감은 낮은 수준의 쾌감이다. 타인을 도울 때 느끼는 쾌락이 가장 높은 수준의 쾌락이다. 다른 사람을 도우면 죽음 앞에서도 내 삶이 자랑스러울 것이다. - P212

돈은 흘러야 한다. 돈은 쌓아놓는 게 아니다. 다른 사람을 위해서 내보내든가, 재투자를 통해 돈의 흐름을 만들어줘야 한다. 돈은 물과 같다. 고인 물이 썩는 원리와 똑같다. 먼저 들어온 물을 내보내야 더 큰 물이 들어온다. - P215

"나는 어렸을 때, 돈이 인생에서 가장 중요하다고 믿었다. 나이가 든 지금, 나는 내가 옳았음을 안다." _오스카 와일드 - P227

돈은 버는 것이 아니라 그냥 ‘당연히‘ 벌리는 것이다. 마치 겨울이 가고 봄이 반드시 오는 것과 같다. 이 정도로 준비하면 당연히 잘 팔릴 거라는 확신이 설 때까지 준비를 하면 무조건 된다. - P228

이렇게 판을 벌려놓으면 사람들이 모일 거라는 사실을 아는 이들이 있다. 그들이 판을 벌리면 돈은 당연히 따라온다. 그들에게 돈은 당연한 것이다. 이런 감각을 키워야 한다. 이 감각이 내공이다. 내공이 쌓이면 돈은 당연한 것으로 보인다. 투자도 마찬가지다. 주식으로 돈을 버는 사람들은 주식이 오르길 기대하면서 투자하지 않는다. 당연히 오르는 곳에 투자하기 때문이다. - P229

주식으로 돈을 버는 사람들은 세상이 어떻게 돌아가는지 안다. 이걸 당연히 아는 힘이 바로 내공이다. - P229

내공은 독서와 경험을 통해 쌓인다. 내공이 단단해지면 모든 분야를 그렇게 당연하게 볼 수 있다. 그러니 투자도 그냥 당연한 곳에 하는 것이다. 당연히 세상은 이렇게 흘러갈 것이고, 당연히 이 주식의 주가가 올라갈 것이라는 사실을 안다. 얼마나 신나겠는가? - P229

마음을 비워야 채울 수 있고, 욕심을 버려야 높이 날아오를 수 있다. 높은 곳에서 볼수록 ‘당연한‘ 세상을 볼 수 있다. - P230

돈에 대해서 초월할 때 비로소 당연히 돈을 벌 수 있다. - P230

창조하려 하지 마라. 모방하고 변형하라. 자신에게 맞게 변형한 것이 곧 창조다. - P241

난 한 번 더 생각한다. - P241

첫 번째 벽에서 포기하지 마라. 첫 번째 벽을 넘을 수 있다고 생각해야 한다. 그 방법을 찾는 길이 성공으로 가는 길이다. - P241

아는 만큼, 공부하는 만큼 세금을 줄일 수 있다. 버는 것도 중요하지만 지키는 것이 더 중요하다. - P251

개인적으로 최근 AI관련 서적들을 몇 권 읽다가 우연...

개인적으로 최근 AI관련 서적들을 몇 권 읽다가 우연히 알게 된 책이다. 실무적으로 다양한 경험을 해본 저자의 설명을 통해 AI, 빅데이터 관련 분야에 대해 좀 더 알아가는 시간이 되길 바래본다.

AI 빅데이터 전문가가 되기 위해서는 우선 가장 기본적으로 코드를 작성할 줄 알아야 하며 분석 결과를 이해관계자들이 모두 이해할 수 있도록 스토리텔링을 할 수 있는 능력도 필요하다. 또한 모델을 구축하기 위해서는 수학, 통계학적인 지식도 필요하다. 즉 컴퓨터, 경영학, 언어학, 수학 등 복합적인 학문을 두루갖춘 융합 인재인 것이다. 이러한 융합 인재이기에 21세기에 가장 섹시한 직업으로 꼽히는 것이다. - P20

AI 빅데이터 전문가는 구하기도 힘들고 고용하기도 어렵다. 과학적 지식, 컴퓨터공학적 스킬, 분석 능력을 두루 갖춘 사람은 매우 드물다. 따라서 이러한 인재에 대한 갈급함은 앞으로도 심화될 것이다. - P20

이제 데이터는 분야를 막론하고 어디서나 보편적으로 쏟아져 나오며 이를 활용하고 대응할 수 있는 능력을 가진 기업만이 살아남을 것이다. 또한 양질의 데이터가 많을수록 뛰어난 모델을 생성할 수 있어 데이터가 곧 부와 직결될 것이다. 한편으로는 데이터에 대한 부익부 빈익빈 현상이 가속화될 수 있다. - P24

미래는 데이터 확보가 기업의 중요 경쟁분야가 될 것이다. 그리고 이러한 데이터를 이용해 우수한 모델을 만들고 인사이트를 도출할 다수의 AI 빅데이터 전문가가 필요할 것이다. - P24

수학, 통계학, 경영학 지식까지 함께 함양해야 하는 AI 빅데이터 전문가의 특성상 일반 학원에서 코딩 몇 줄 배운다고 절대 전문가가 되지 않는다. - P37

웹 개발자 같은 경우는 UI 설계서를 받으면 그대로 구현하면 끝이다. 하지만 AI 빅데이터 전문가는 UI 설계서 같은 게 없다. 데이터 분석의 첫 단추는 기업 문제 Business problem의 정의에서 시작한다. 소위 말해 숲을 보고 세부적인 나무로 들어가는 방법이다. 기업 문제를 정의하면 그 문제를 해결하기 위해 데이터를 통해 인사이트를 찾아나가는 방식이다. 솔직히 말하면 꽤 모호하다. - P43

사전에 규격화되거나 정해진 것이 없다. 기업 문제 해결을 위해 데이터를 받으면 데이터를 정제 후 여러 번의 실험을 거쳐 분석결과를 도출, 시각화한 후 의사 결정에 접목해야 한다. 마치 기업 최고경영자가 하는 일과 같지 않는가? AI 빅데이터 전문가는 기업 최고 의사결정에 핵심적인 역할을 수행한다. 단순한 노동 IT인력이 아니라 데이터를 통해 의사 결정을 수행하는 경영자적 역할을 하는 것이다. 이 과정에서 엄청나게 많은 능력이 필요하다. - P43

우선 데이터에 대한 지식이 필요하기에 데이터베이스에 대한 사전 지식이 필요하다. 과거 RDB뿐만 아니라 최근에 많이 쓰는 No-SQL까지 알아야 한다. 또한 이와 관련해서 서버에 대한 지식도 어느 정도 필요하다. 데이터베이스 및 데이터가 서버에 적재되어 있는 경우가 대다수고 분석도 데스크톱보다는 서버에서 이루어져야 효율이 높다. 솔루션이나 API 제작 같은 경우도 다 서버에서 이루어진다. 데이터 전처리 및 가공능력은 당연히 필수적이다. 또한 수학, 통계학적 지식이 있어야 이를 응용해 가공된 데이터로 모델을 만든다. - P44

이러한 과정은 다 코딩으로 이루어지는데 파이썬 Python, R, 스파크Spark와 같은 언어들이 주로 쓰인다. 각 언어마다 각기 장단점이 있기에 한 가지 언어를 알기보다는 최소 두 개 이상은 구현하는 게 좋다. - P44

분석을 마친 이후에는 결과를 더 잘 알아보기 위해 시각화를 해야 한다. 분석 결과를 보고서로 작성할 때에는 인문학적 언어 능력, 경영학적 능력도 필요하다. 분석 결과를 자동화 솔루션으로 제작하기 위해서는 웹 개발 능력까지 필요하다. 마지막으로 사람들 앞에서 결과를 전할 때에는 뛰어난 의사소통 능력까지 요구한다. 이렇듯 다방면에 엄청나게 많은 지식과 능력이 있어야 AI 빅데이터 전문가로서 어필할 수 있다. - P44

프로젝트를 할 때마다 필요한 인력을 외주 또는 프리랜서로 해결할 수 있다. 외주 인력, 프리랜서를 구하는 방법은 너무나 쉽다. 크몽, 위시켓, 프리모아, 오투잡 등 인터넷 플랫폼을 이용하면 쉽게 구할 수 있다. - P48

AI 빅데이터 전문가가 창업을 하게 되면 각종 정부지원 사업의 혜택을 누릴 수 있다. 4차 산업혁명 시대를 맞이해 정부 예산이 AI에 집중되고 있다. 따라서 AI 빅데이터 관련 아이템으로 정부 사업에 초기 창업 지원을 신청하면 너무나 쉽게 초기자본을 받을 수 있다. 5,000만 원에서 1억 원 정도는 쉽게 받을 수 있다. 이 정도면 초기 자본으로는 큰 문제가 없다. - P49

또한 창업 이후에도 각종 정부 지원 사업에 참여하면서 계속해서 이익을 창출할 수 있다. 엔젤투자, 엑셀러레이터 등의 투자도 받을 기회가 널려 있다. 사무실을 정부에서 지원해주기도 한다. 혼자서 일할 때는 굳이 사무실이 필요치 않지만 직원을 뽑게 되면 사무실이 필요하게 된다. 사무실 임대료가 부담될 수도 있는데 정부 지원 사업을 잘 찾아보면 사무실도 쉽게 지원받을 수 있다. 코워킹 스페이스부터 독립된 공간까지 지원받기가 어렵지 않다. - P49

정부 지원을 받으려면 서류 작업이 좀 번거로울 수는 있지만 약간의 수고만 감수하면 그 이후의 혜택이 무궁무진하다. - P50

조금만 꼼꼼하고 규칙적으로 정부 사업 공고를 확인하고 서류 작업만 충실히 수행한다면 창업자 대다수가 혜택을 받을 수 있다. 왜냐하면 AI 빅데이터 관련 정부 사업이 너무나 많고 이를 활용하는 창업자들은 많지 않기 때문에 상대적으로 경쟁률이 낮기 때문이다. - P50

AI 빅데이터 전문가의 최대 장점은 전 분야에 걸쳐서 접목이 가능하다는 것이다. - P50

현대 사회는 어느 분야나 데이터가 쏟아져 나오고 있어 데이터를 활용할 수 있는 능력이 요구된다. 더군다나 앞으로는 클라우드, 사물인터넷, 센서 등의 발달로 이러한 현상은 더욱 증가할 것이다. 그러면 기하급수적으로 쏟아져 나오는 데이터와 이를 활용할 수 있는 능력이 요구되기 때문에 AI 빅데이터 전문가는 필수적이다. 그리고 이들은 모든 분야에서 중요하게 요구된다. - P51

의료, 관광, 요식업, 법률, 재무, 회계, 제조, 유통 등 어느 분야든지 AI 빅데이터가 필요하다. 따라서 창업하기 위한 아이템도 무궁무진하다. 각 분야마다 AI 빅데이터를 섞기만 하면 새로운 창업 아이템이 탄생한다. 왜냐하면 아직까지 AI 빅데이터를 접목한 사업 사례가 많지 않기 때문에 그냥 결합만 해도 새로운 아이템이 된다. - P51

AI 빅데이터 전문가는 직종 특성상 협업을 하는 프로젝트가 대다수다. - P56

데이터를 받고 적절히 전처리한 후 결과가 잘 나오는 모델을 만들면 끝이다. - P57

데이터 분석 알고리즘의 특성상 몇 가지 반복적으로 많이 쓰이는 알고리즘들이 있기 때문에 복사가 가능하다. 즉 A프로젝트에서 수행한 코드를 조금만 바꾸어서 B 프로젝트에 적용해서 쓸 수 있다는 것이다. - P57

데이터 마이닝 책을 보면 몇 가지 알고리즘이 공통적으로 보인다. 예를 들어 지도 학습, 비지도 학습이 있고 지도 학습에는 분류 분석, 회귀 분석이 있으며 비지도 학습으로는 군집 분석, 연관 규칙이 있다. 그리고 그 아래 세부 알고리즘을 살펴봐도 몇 개 안 된다. 요새 많이 쓰이는 딥러닝도 DNN에서 파생된 RNN, LSTM, CNN, GAN 등 몇 개 쓰이는 알고리즘 안에서 계속 되풀이된다. - P57

자신이 예전에 짠 코드를 그대도 써도 되고, 구글링해서 나온 코드를 그대로 써도 되고, 그것도 싫으면 라이브러리의 함수를 그대로 쓰면 된다. 절대 도덕적으로 비윤리적이거나 범법 행위가 아니다. 그저 빠르고 쉽게 일을 처리할 수 있는 요령이다. - P58

물론 프로젝트마다 데이터가 다르기 때문에 처음에 데이터 전처리 부분은 어쩔 수 없이 그때그때 해야 한다. 하지만 전처리부분만 끝나면 그다음부터는 그냥 복사해서 붙여넣기만 하면 된다. 꽤 단련이 되다 보면 한 시간 정도 만에 일을 끝내고 프로젝트 한 개를 완수하는 경우도 종종 있다. - P58

AI 빅데이터 전문가로서 경력을 쌓아가는 방법

① 당신의 전문성을 주변에 최대한 어필하라.

② 인스타그램 등 SNS 프로필에 자신의 이력과 전문성을 어필하는 글을 올려라.

③ 자신의 블로그 또는 홈페이지를 만들고 전문적인 글을 주기적으로 올려라.

④ 자신을 전문가로 소개하는 명함을 만들고 만나는 사람마다 주어라.

⑤ 크몽, 오투잡 등 각종 프리랜서 플랫폼에 이력을 올리고 홍보하라.

⑥ 일거리를 받으면 높은 품질로 완성하고 고객에게 추천 및 평을 써달라고 요청하라.

⑦ 고객에게 받은 추천, 평가들을 소중히 간직하며 마케팅, 홍보용으로 사용하라. - P65

자바 프로그래밍 기본, HTML5/CSS3, 자바스크립트, 스프링 - P72

사실 빅데이터 분석에는 RDB보다는 No-SQL을 많이 쓰고 R보다는 파이썬을 더 많이 쓰는데 - P73

AI 빅데이터 부분은 다양한 실전 데이터로 직접 다루어봐야 하는데 예제에 나오는 ‘예제 데이터toy set‘로는 절대 실력이 늘지 않는다. 예쁘게 정제되어 있는 ‘예제 데이터‘를 가지고 예제에 다 나와 있는 기본 코드를 복사해 붙여넣기 하는 것을 누가 못하는가? 실제 데이터를 DB 또는 크롤링 등으로 직접 수집한 후 가공, 정제를 거쳐 목적에 맞는 결과를 얻기 위한 모델을 직접 생각하고 고안해서 적용해야 한다. 다 만들어져 있는 데이터에 예제에서 쓰라고 주는 코드를 복사해 붙여넣기 해서는 실전에서 데이터 분석을 못한다. - P73

프론트엔드 개발할 때 쓰이는 MVC 패턴 - P74

개인적으로 MVC 패턴은 내가 과거에 아무리 이해하려고 해도 이해가 어려웠던 부분이다. 그러나 나는 MVC를 몰라도 AI 빅데이터 전문가로 버젓이 활동하고 있다. - P74

UI 설계, 애플리케이션 빌드, 배포 - P75

패스트캠퍼스, DS스쿨, 인사이트 캠퍼스, 탈잉 등 오프라인, 온라인을 이용해 IT 실무를 가르치는 학원, 플랫폼들이 너무나도 많다. - P75

AI 빅데이터 전문가가 되기 위해서는 수리통계학적 지식, 코딩 능력, 경영학적 서술 능력을 두루 겸비해야한다. 그래서 가장 섹시한 학문이고 전문적인 분야이기도 하다. - P77

왜 수리통계학적 지식이 중요할까? 실제 실전에서 데이터 분석을 하게 되면 목적에 부합하는 모델을 직접 선택하고 적용해야 한다. 학원에서는 어떤 모델을 쓰라고 직접 알려주지만 실전에서는 알려주는 선생님이 없다. 자신이 해당 데이터와 분석 목적에 가장 부합하는 모델을 선택해야 하는데 이때 수학적·통계학적 지식이 있어야 어떤 모델을 선택할지 알 수 있다. 때에 따라서는 모델을 조금 변형하거나 여러 모델을 결합해 분석할 때도 많은데 수학적·통계학적 지식이 전혀 없으면 이러한 작업이 이루어질 수 없다. - P77

데이터 전처리 작업 코딩은 직접 다양한 데이터를 다루어보면서 익혀야 한다. 소량의 정형화된 예제 데이터로는 이러한 전처리 작업 코딩을 전혀 해볼 수가 없다. 따라서 실전에서 주어지는 데이터를 보면 당황하게 되고 어디서부터 손을 대야 할지 모른다. 학원에서 알려준 코드를 복사해 붙여넣기 해도 계속 에러가 날 것이다. 당연하다. 데이터 자체 포맷이 학원에서 주는 예제 데이터 세트와는 완전히 다르기 때문이다. 모델 적용도 라이브러리에 있는 모델을 불러와서 함수 하나 호출하면 바로 실행되는 모델 정도만 수업 시간에 한다. - P78

데이터나 분석 목적에 맞는 모델 파라미터 조정 또는 딥러닝 신경망 구조 변경 등은 엄두도 낼 수 없다. 수학적·통계학적 지식이 전혀 없기 때문에 어디를 어떻게 조정해야 할지 모르기 때문이다. - P78

자격증이 전문가를 만드는 것은 아니다 - P79

한국데이터산업진흥원에서 시행하는 데이터 자격시험이 있다. 데이터 분석 자격검정, SQL 자격검정, 데이터 아키텍처 자격검정이 있는데 그중에서 그나마 데이터 분석 자격검정이 AI 빅데이터 분석과 관련이 있다. 또한 <한국경제>에서 시행하는 경영 빅데이터 분석사 자격증과 한국산업인력공단에서 시행하는 사회조사분석사가 있다. - P80

데이터 분석 자격검정은 전문가(ADP)와 준전문가(ADSP)로 나뉜다. 개인적으로 이 자격증이 현존하는 자격증 중에서는 그나마 가장 낫다고 생각한다. 난이도도 다른 시험에 비해서는 가장 높은 편이다. 그래도 사실 고시급 자격증과 비교해서는 매우 쉬운 편이다. - P80

문제점도 꽤 있다. 우선 깊이가 너무 없다. 방대한 양을 다루려다 보니 개론적인 설명 위주로 조금씩 언급하고 끝날 뿐이다. 특히 각 알고리즘에 대한 설명은 거의 전무하다. 수학적인 설명은 없고 개론적인 설명 몇 줄 후 예시 코드를 보여주는 게 전부다. 데이터 수집, 데이터 전처리에 대한 설명도 없다. 코드도 R 코드밖에 없다. 최근 AI 빅데이터 시대에 특히 딥러닝 같은 경우는 거의 파이썬을 사용한다. 파이썬 없이 R 코드만 있는 것도 큰 문제다. 그래도 비전공자가 AI 빅데이터 관련해서 한번 공부해보기에는 좋은 시험인 것 같다. 전공자도 복습 겸 공부하는 것도 괜찮다. 하지만 절대 전문가로 인정받을 만한 시험은 아니다. - P81

SQL 자격검정(SQLP. SQLD)은 데이터베이스에 대한 이해를 묻는 시험이다. 주로 SQL 쿼리에 대한 문제가 많이 출제된다. 하지만 AI빅데이터 분석에서 데이터를 가져오는 쿼리 부분은 사실 극도로 작은 부분일 뿐이다. 더욱이 최근에는 No-SQL이 대세인데 이 시험은 아직까지 RDB를 활용한 오라클, MS SQL을 이용해서 시험을 출제한다. 자격증을 취득하기 위해서 공부하는 시간에 비해 얻어가는 것은 부족하다. 그래도 전통적인 RDB에 대해서 관심이 있는 사람은 공부해볼 만하다. - P81

데이터 아키텍처 자격검정(DAP, DASP)이 있다. 나도 이 시험은 공부만 조금 하고 시험도 보지 않았다. 이 자격증은 심지어 국가공인자격증으로 인정해주지도 않는다. 데이터 아키텍처를 설계하는 방법에 관한 것인데 쓸모가 없다. 더군다나 이 시험도 RDB를 기준으로 시험 문제를 출제한다. 그리고 시험 내용의 절반이 실무와 관련 없는 너무 이론적인 것을 출제해서 시험을 본 뒤에 다 잊어버려도 되는 내용이 태반이다. - P81

이 시험(<한국경제>에서 시행하는 경영 빅데이터 분석사 자격증)은 한국데이터산업진흥원의 데이터 분석 자격검정과 유사하다. 하지만 국가공인 시험이 아닌 데다가 데이터분석 자격검정보다 더 얕은 수준의 개론에만 머물러 실제 실무에는 큰 도움이 안 된다. 그리고 이 시험도 역시 R코드만 출제되고 파이썬은 없다. 초보자들도 한번 쭉 훑어보고 2주 정도 공부하면 충분히 딸 수 있는 자격증이다. - P82

한국산업인력공단에서 시행하는 사회조사분석사는 전통적으로 꽤 인기 있는 시험 중 하나다. 특히 통계학과 학생들에게 인기가 있다. 이 자격증은 AI 빅데이터와는 직접적으로 관련이 없지만 통계학적 내용을 묻는 문제가 출제되어 공부해두면 나중에 AI빅데이터 알고리즘을 공부할 때 꽤 많은 도움이 된다. 하지만 주의해야 할 점은 필기시험은 어느 정도 효용성이 있지만 실기는 전혀 도움이 안 된다는 것이다. 실기시험은 SPSS 툴을 활용해서 AI빅데이터 분석과는 전혀 관련이 없다. 필기시험에서도 절반 이상은 설문조사에 관한 내용이어서 사실 AI 빅데이터와는 관련이 없다. 하지만 뒷부분에 나오는 확률, 통계적 추정, 통계 분석 부분은 AI 빅데이터 관련 알고리즘의 완전 기초가 되는 부분이라 한번쯤 공부하면 좋을 듯하다. - P82

위에서 말한 자격증을 열심히 공부해서 따도 실제 AI 빅데이터 업무에 들어가면 전혀 도움이 되지 못하는 가장 큰 이유는 역시 알고리즘에 대한 깊은 이해와 데이터를 다룰 수 있는 코딩 능력을 자격증이 채워주지 못한다는 데 있다. - P83

기본 알고리즘에 대한 개론적인 설명만 듣고는 예제 데이터 정도의 데이터만 다룰 수 있다. 가장 대표적인 예제 데이터로는 iris(꽃) 데이터 세트가 있는데 150×5 차원의 아주 소량의 데이터다. 빅데이터라 말할 수도 없는 양이다. 그냥 사람이 눈으로 봐도 될 정도의 양이다. - P83

실전에서는 예제 데이터처럼 예쁘게 데이터가 주어지지 않는다. 텍스트, 오디오, 이미지와 같은 비정형 데이터가 즐비하고 중간중간에 결측치 데이터, 시간이 안 맞는 데이터, 오류 또는 이상치 데이터들이 즐비하다. 이러한 데이터들을 규격화하고 정규화하고 예쁘게 만들어야 모델에 적용할 수 있다. - P83

데이터 수집 자체도 웹에서 크롤링을 할 수도 있고 몽고DB, 엘라스틱 서치와 같은 비교적 최근에 나온 DB를 이용해야 할 수도 있다. 아파치 하둡, 스파크를 이용해서 데이터를 조회, 처리해야 하는 경우도 있다. 위에서 말한 자격증에서 조금 배운 R 코드로는 아무것도 할 수가 없다. 또한 주어진 데이터로 어떤 알고리즘을 적용해야 할지도 막막하다. - P84

온라인과 SNS 플랫폼의 발달로 이미지, 동영상, 텍스트와 같은 비정형 데이터가 엄청나게 많이 쌓이고 있다. 이러한 비정형 데이터들은 말 그대로 정형화되어 있지 않은 데이터다. 즉, 규격화되어 있지 않은 제멋대로인 데이터인 것이다. 따라서 전문가가 일일이 전처리 과정 또는 규격화 과정을 거쳐야 한다. - P84

사물인터넷의 발달도 데이터 전처리 작업에 더 큰 부하가 걸리게 할 것이다. 사물인터넷 센서에서 실시간으로 나오는 데이터들은 기기의 오작동으로 생긴 결측치 데이터, 이상 데이터, 시간 규격이 맞지 않는 데이터 등의 수많은 문제가 발생할 수 있다. 또한 같은 기계라도 날씨와 고도에 따라 센서 값이 조금씩 다를수도 있다. 이런 것을 다 반영해 규격화하고 정규화하는 과정이 필요하다. - P84