빅데이터 분석과 전략 인사이트

---

빅데이터 분석 'Big'이 핵심 아니다

빅데이터에 대한 관심 증대

• 데이터 기반의 통찰의 중요성에 대한 공감대 상승과 동시에 긍정적 효과를 기대

빅데이터 프로젝트에 거는 기대

• 기존 프로세스의 자동화를 우선 시행한 후 점차적으로 거시적이고, 전략적인 가치를 이끌어 낼 수 있을 것으로 기대

빅데이터 분석의 가치

• 데이터는 크기의 이슈가 아니라, 거기에서 어떤 시각과 통찰을 얻을 수 있느냐의 문제가 중요
• 비즈니스의 핵심에 대해 보다 객관적이고 종합적인 통찰을 줄 수 있는 데이터를 찾는 것이 중요
• 전략과 비즈니스에 핵심 가치에 집중하고 이와 관련된 분석 평가지표를 개발

---

전략적 통찰이 없는 분석의 함정

일차적인 분석의 문제점

• 일차적인 분석만으로는 환경변화와 같은 큰 변화에 제대로 대응하거나 고객 환경의 변화를 파악하고 새로운 기회를 포착하기 어려움

전략 도출 가치기반 분석

• 전략적인 통찰력 창출에 집중 됬을 때, 해당 사업에 중요한 기회를 발굴하고 주요 경영진의 지원을 얻을 수 있음
• 일차원적인 분석을 통해 점점 경험을 쌓고 활용 범위를 넓히고 전략적으로 변화시켜야 함
• 전략적 인사이트를 주는 가치기반 분석단계로 나아가야 함

---

전략 인사이트 도출을 위한 필요 역량

---

데이터 사이언스 의미와 역할

의미

• 데이터 공학, 수학, 통계학, 컴퓨터 공학, 시각화, 해커의 사고방식, 해당 분야의 전문지식을 종합한 학문
• 다양한 유형의 데이터를 대상으로 분석 뿐 아니라 이를 효과적으로 구현하고 전달하는 과정까지 포함

역할

• 비즈니스의 성과를 좌우하는 핵심 이슈에 답을 하고 사업의 성과를 견인해 나갈 수 있어야 함

---

데이터 사이언스 구성 요소

데이터 사이언스 영역

• IT

  • 데이터 처리와 관련된 IT 영역
  • 시그널 프로세싱, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우스, 고성능 컴퓨팅

• Analytics

  • 분석적 영역
  • 수학, 확률 모델, 머신러닝, 분석학, 패턴 인식과 학습, 불확실성 모델링

• 비즈니스 분석

  • 비즈니스 컨설팅 영역
  • 커뮤티케이션, 프레젠테이션, 소토리텔링, 시각화

데이터 사이언티스트 요구 역량

• Hard Skill

  • 빅데이터에 대한 이론적 지식
  • 분석 기술에 대한 숙련

• Soft Skill

  • 통찰력 있는 분석
  • 설득력 있는 전달
  • 다분야간 협력

---

인문학의 부할

컨버전스 -> 디버전스

• 단순 세계화에서 복잡한 세계화로의 변화
• 규모의 경제 / 세계화 / 표준화 / 이성화 -> 복잡한 세계 / 다양성 / 연결성 / 창조성

생산 -> 서비스

• 비즈니스 중심이 제품 생산에서 서비스로 이동
• 뛰어난 서비스로 응대

생산 -> 시장 창조

• 공급자 중심의 기술경쟁에서 무형자산의 경쟁으로 변화
• 현재 패러다임 (현지 사회와 문화에 대한 지식)에 근거한 시장 창조