빅데이터, AI에 대한 트렌드가 뜨기 시작했을 때부터 “인간의 직업 대부분이 AI에 의해 대체될 것이다”라는 예언에 따라 문과를 전공한 사람에게는 항상 고민 거리이고, 어떻게 대비해야할까하는 논제는 끊임없이 토론되고 이야기되는 주제이다. 이 책의 저자는 “기계가 할일과 사람이 할 일을 구분하라”는 조언을 하고 있는데, 이는 단순하고도 명쾌한 방향을 주고 있다고 생각한다. N년전부터 거의 문과의 모든 직무가 대체될 거라고는 했지만 실제로 일해보니, 생각보다 아직은 대체될 수 없는 부분도 존재한다고 느꼈다. 특히 이 책에서 언급한 바대로, 스토리텔링의 영역, 결과를 해석하고 인사이트를 추출하는 영역, 적절한 지표를 사용하고 활용하는 영역은 아직 갈길이 먼거같다.. 설사 그런 역량을 ai가 할 수 있다고 하더라도 작은 기업, 중소 기업에서는 도입할 예산도 한정되어 있을 뿐더러 마땅한 기술도 없으니까 말이다. 한때는 통계 지식이나 분석론을 학습하기만 하면 분석력을 가지게 될 수 있을 거란 생각도 있었으나, 실무에서 경험해본 바로는 그 이상의 것이 확실히 필요하다고 느꼈다. 이는 단순히 안다고 해서 갖게 되는 역량도 아니고 수많은 경험과 논리적 사고력을 요하는 부분인 것 같다. 그런 문제 상황에 많이 처해보고 경험해봐야한다고 생각했다.
때때로는 이미 마음 속에 정답을 정한 채 분석 결과/결론을 지어버릴 때가 많았다. 일이 일처럼 느껴졌기 때문인거같다. “이걸 해서 성과로 이어질 거같지도 않고, 머리만 아프고, 빨리 퇴근하고 싶고,,,” 뭐 그런 현실적인 이유 때문이었던듯하다. 목적없이 타성에 젖은 데이터 분석은 아무런 유의미한 인사이트를 가져다 주지 못한다. 스스로에게 많이 질문해보고 정답을 구하는 과정 자체가 의미 있는 분석 프로세스를 낳는다고 생각했다.

1장

기계가 할 일과 사람이 할 일을 구분하라

기계가 맡길 수 있는 일, 맡기는 편이 더 나은일
vs
기계가 할 수 없는 것, 사람이 해야하는 것

우리가 통계를 배워도 활용하지 못하는 이유

: 우리는 데이터를 활용해 성과를 올리는데 실패한 이유로 2)번이 부족해서 2번에 공을 들이거나, 1)번과 3)번은 도외시했을 가능성이 크다.

데이터 활용 프로세스 여정 과정 중,
1) 문제 및 목적 정의 / 가설 구축 (생각이 필요한 일)

• 지표 결정
  2) 분석을 위한 기술과 지식 (작업이 필요한 일)
  3) 분석결과에 대한 해석 / 스토리 구축 (생각이 필요한 일)
• 요인을 분석하고 해결방안을 모색하는일 포함

데이터를 먼저 보지 마라, 데이터 안에 답은 없다

데이터는 수단일 뿐, 목적에 집중하라

목적과 의도 : '당신이 무엇을 알고 싶고, 이를 알게 되면 무엇을 하고 싶은지, 이를 위해서는 어떤 데이터가 필요한지' 에 집중하라

2장. 데이터 활용에 실패하는 두 가지 이유

주요 원인 1 : 풀고자 하는 문제가 명확하지 않다.

주의 사항 1) 사용된 언어가 구체적이고 명확한가?
주의 사항 2) 문제, 원인, 해결방안을 각각 구분하고 있는가?

주요 원인 2 : 정의한 문제와 사용하는 데이터가 일치하지 않는다.

정의한 지표가 부적합했을 가능성이 크다.