제3장 가치창조를 위한 데이터 사이언스와 전략 인사이트 요약
1절 빅데이터 분석과 전략 인사이트
2절 전략 인사이트 도출을 위한 필요 역량
3절 빅데이터 그리고 데이터 사이언스의 미래
제1절 빅데이터 분석과 전략 인사이트
- 빅데이터 열풍과 회의론: 빅데이터 분석은 가치를 뽑아내기 위해 기존의 분석을 포장해야 함. 너무 과대포장된 분석은 신뢰성에 의심을 불러일으킬 수 있음.
- 왜 싸이월드는 페이스북이 되지 못했나?: 싸이월드와 유사 기업들은 데이터 분석과 전략적 통찰력 부재로 성장하지 못했음.
- 빅데이터 분석, 'Big'이 핵심 아니다: 데이터의 크기보다 통찰력과 관련성에 집중해야 함. 비즈니스 핵심 가치에 초점을 맞추고 전략적 분석을 수행해야 함.
- 전략적 통찰이 없는 분석의 함정: 전략적으로 분석을 활용하는 기업은 더 뛰어난 성과를 보임. 전략적 통찰력을 갖춘 데이터 분석은 기업의 경쟁전략 수립에 중요한 역할을 함.
1. 빅데이터 회의론의 원인
부정적 학습효과 → 과거의 고객관계관리 (CRM) 공포 마케팅, 투자대비 효과 미흡
부적절한 성공사례 → 빅데이터가 필요 없는 분석사례, 기존 CRM의 분석 성과를 빅데이터 분석 성과로 과대포장
→ 단순히 빅데이터에 포커스를 두지 말고, 분석을 통해 가치를 만드는 것에 집중해야함
2. 일차원적인 분석 vs 전략 도출을 위한 가치 기반 분석
1) 산업별 분석 애플리케이션
| 산업 | 일차원적 분석 애플리케이션 |
| 금융 서비스 | 신용점수 산정, 사기 탐지, 가격 책정, 프로그램 트레이딩, 클레임 분석, 고객 수익성분석 |
| 병원 | 가격 책정, 고객 로열티, 수익 관리 |
| 에너지 | 트레이딩 공급, 수요 예측 |
| 정부 | 사기 탐지, 사례관리, 범죄 방지, 수익 최적화 |
2) 전략 도출 가치 기반 분석
전략적 통찰력의 창출에 포커스 → 해당 사업에 중요한 기회를 발굴, 주요 경영진의 지원을 얻게 됨
분석의 활용 범위를 더 넙고 전략적으로 변화시키고, 전략적 인사이트를 주는 가치 기반의 분석 단계로 나아가야함
제2절 전략 인사이트 도출을 위한 필요 역량
- 데이터 사이언스의 의미와 역할: 데이터 사이언스는 데이터로부터 의미 있는 정보를 추출하는 학문으로, 다양한 기술과 전문 지식 필요.
- 데이터 사이언티스트의 핵심 역량: 하드 스킬과 소프트 스킬 모두가 필요. IT 영역, 분석 영역, 비즈니스 컨설팅 영역의 종합적 이해 필요.
- 데이터 사이언스: 과학과 인문의 교차로: 데이터 사이언티스트는 데이터 분석 능력뿐만 아니라 인문학적 통찰력도 필요로 함. 인문학적 사고는 가치 창출과 혁신을 촉진함.
- 데이터 분석 모델링에서 인문학적 통찰력의 적용사례: 인문학적 사고를 통해 데이터 분석 모델링의 예측력을 높이고 새로운 가치를 창출할 수 있음.
| 구분 | 요구 역량 | 내 용 |
| 하드스킬 | 빅데이터에 대한 이론적 지식 | 관련 기법에 대한 이해와 방법론 습득 |
| 분석 기술에 대한 숙련 | 최적의 분석 설계 및 노하우 축적 | |
| 소프트 소킬 | 통찰력 있는 분석 | 창의적 사고, 호기심, 논리적 비판 |
| 설득력 있는 전달 | 스토리텔링, Visualization | |
| 다분야간 협력 | 커뮤니케이션 |
| 구분 | 정보 | 통찰력 |
| 과거 | 무슨 일이 일어났는가? - 보고서 작성 등 |
어떻게, 왜 일어났는가? |
| 현재 | 무슨 일이 일어나고 있는가? - 경고 |
차선 행동은 무엇인가? -권고 |
| 미래 | 무슨 일이 일어날 것인가? - 추출 |
최악 또는 최선의 상황은 무엇인가? - 예측, 최적화, 시뮬레이션 |
1) 데이터 사이언스의 의미
데이터 사이언스란 데이터 공학, 수학, 통계학, 컴퓨터 공학, 시각화, 해커의 사고방식,
해당 분야의 전문 지식을 종합한 학문
2) 과학과 인문의 교차로
분석 기술보다 더 중요한 것은 소프트 스킬로 전략적 통찰을 주는 분석은 단순 통계 및 데이터 처리 능력보다
스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적 시각, 대하 능력 등의 인문학적 요소가 필요함
3) 전략적 통찰력과 인문학의 부활
| 외부환경적 측면에서 본 인문학 열풍의 이유 | ||
| 외부 환경의 변화 | 내용 | 예시 |
| 컨버전스 | 단순 세계화에서 복잡한 세계로의 변화 | 규모의 경제, 세계화, 표준화 이성화 → 복잡한 세계, 다양성,관계, 연결성,창조성 |
| 생산 → 서비스 | 비즈니스 중심이 제품생산에서 서비스로 이동 | 고장 나지 않는 제품의 생산 → 뛰어난 서비스로 응대 |
| 생산 → 시장창조 | 공급자 중심의 기술경쟁에서 무형자산의 경쟁으로 변화 | 생산에 관련된 기술 중심의 대규모 투자 → 현재 패러다임에 근거한시장 창조 현지 사회와 문화에 관한 지식 |
제3절 빅데이터 그리고 데이터 사이언스의 미래
- 빅데이터의 시대: 빅데이터는 많은 가치를 비즈니스와 사회에 제공하는 엄청난 양의 정보를 포함하고 있음.
- 빅데이터 회의론을 넘어: 가치+ 패러다임의 변화: 데이터 사이언스가 빅데이터의 가치를 최대한으로 발휘하기 위해 가치 패러다임을 변화시켜야 함.
- 데이터 사이언스의 한계와 인문학: 데이터 사이언스에도 한계가 있으며, 분석은 가정에 기반하고 있다는 점을 인식해야 함. 데이터 사이언티스트는 인문학적 사고를 통해 가치 창출을 이끌어내야 함.
- 데이터 사이언티스트에 요구되는 인문학적 사고의 특성과 역할: 데이터 사이언티스트는 인문학적 사고의 특성을 바탕으로 통찰력을 제시하고 혁신을 이끌어내야 함.
| 구분 | 설명 |
| 디지털화 (Digitalization |
아날로그의 세상을 어떻게 효과적으로 디지털화하는가가 이 시대의 가치를 창출해 내는 원천 ex) 도스운영프로그램, 워드/파워포인트와 같은 오피스프로그램 등 |
| 연결 (Connection) |
디지털화된 정보와 대상들이 서로 연결되어, 이 연결이 얼마나 효과적이고 효율적으로 제공해 주느냐가 이 시대의 성패를 가름 ex) 구글의 검색 알고리즘, 네이버의 콘텐츠 |
| 에이전시 (Agency |
사물인터넷(IoT)의 성숙과 함께 연결이 증가하고 복잡해짐 복잡한 연결을 얼마나 효과적이고 믿을 만하게관리하는가가 이슈 데이터 사이언스의 역량에 따라 좌우 |
1. 빅데이터의 시대
빅데이터 분석은 선거결과에 결정적인 영향을 미칠 수도 있고, 기업들에게 비용절감, 시간 절약, 매출 증대,
고객서비스 향상, 신규 비즈니스 찰출, 내부 의사결정 지원 등에 있어 상당한 가치를 발휘하고 있음
2. 빅데이터 회의론을 넘어 가치 패러다임의 변화
| 과거 | 현재 | 미래 |
| 아날로그 세상을 어떻게 효과적으로 디지털화 하는 가가 과거의 가치창출 원천 |
디지털화된 정보와 대상들은 서로 연결시작 연결을 더 효과적이고 효율적으로 제공하는 가가 성공요인 |
복잡한 연결을 얼마나 효과적이고 믿을 수 있게 관리하는 가의 이슈 |
3. 데이터 사이언스의 한계와 인문학
1) 데이터 사이언스의 한계
분석과정에서는 가정 등 인간의 해석이 개입되는 단계를 반드시 거침
분석결과가 의미하는 바는 사람에 따라 전혀 다른 해석과 결론을 내릴 수 있음
아무리 정량적인 분석이라도 모든 분석은 가정에 근거함
2) 데이터 사이언스와 인문학
인문학을 이용하여 빅데이터와 데이터 사이언스가 데이터 묻혀 있는 잠재력을 풀어냄
새로운 기회를 찾고, 누구도 보지 못한 창조의 밑그림을 그릴 수 있는 힘을 발휘하게 될 것
