a. 빅데이터 열풍과 회의론
i. 처음에는 여기저기 도입만 하면 모든 문제가 해결될 것 처럼 강조
ii. 나중에는 분위기에 합류하지 못하면 위험에 처할지도 모른다는 공포 분위기가 조성
iii. 거액을 투자하여 하드웨어와 솔루션을 도입하지만, 어떻게 활용하거 어떻게 가치를 만들지 모르는 상황
iv. 현재 소개되는 많은 빅데이터 성공사례가 실은 기존 분석 프로젝트를 포장한 것이 태반
v. 성과 내기에 급급해 기존 분석을 빅데이터 분석으로 포장하고 있음
b. 싸이월드가 페이스북이 되지 못한 이유
i. 구글이나 링크드인 같은 기업은 대부분 데이터 분석과 함께 시작되고 분석이 내부 의사결정에 결정적 정보를 제공
ii. 싸이월드는 직관에 근거해 의사결정을 내름
iii. 즉, 데이터 분석이 기초해 전략적 통찰을 얻고, 효과적인 의사결정을 내리고, 구체적인 성과를 만드는 체계가 없었기 때문
c. 빅데이터 분석의 Big은 핵심이 아니다
i. 많은 데이터가 더 많은 가치로 바로 연결될 수는 없음
ii. 데이터의 양이 아니라 유형의 다양성과 관계가 있음
d. 전략적 통찰이 없는 분석의 함정
i. 빅데이터는 고사하고 스몰데이터도 제대로 활용하지 못하는 경우가 더 많다.
ii. 분석이 본질을 제대로 바라보지 못하면 아무짝에 쓸모도 없는 분석결과만 나올 뿐
e. 일차적인 분석 vs 전략 도출을 위한 가치 기반 분석
i. 일차원적인 분석을 통해서도 상당한 효과를 얻을 수 있다.
ii. 이러한 일차원적인 분석 경험을 증가시키고 분석의 활용범위를 더 넓고 전략적으로 변화시켜야 함
iii. 전략적 인사이트를 주는 가치 기반 분석을 위해서는 사업과 이에 영향을 미치는 트렌드에 대한 큰 그림을 그려야 함
f. 분석 기반 경영이 되지 않는 이유
i. 기존 관행을 따를 뿐 중요한 시도를 하지 않음
ii. 경영진의 의사결정은 정확성이나 공정한 분석을 필요로 하지 않음. 오히려 직관적 결정을 귀한 재능으로 칭송
iii. 분석적 실험을 갈망하거나 능숙하게 하는 사람이 거의 없고, 적절한 방법조차 익히지 못한 사람이 분석업무를 함
iv. 아이디어 자체보다 아이디어를 낸 사람이 누구인지 관심을 둠
2. 전략 인사이트 도출을 위한 역량
a. 데이터 사이언스의 구성 요소
i. 분석
ii. IT
iii. 비즈니스 분석
b. 데이터 사이언티스트의 역량
i. Hard Skill
1) 빅데이터에 대한 이론적 지식 : 관련 기법에 대한 이해와 방법론 습득
2) 분석 기술에 대한 숙련 : 최적의 분석 설계 및 노하우 축적
ii. Soft Skill
1) 통찰력 있는 분석 : 창의적 사고, 호기심, 논리적 비판
2) 설득력 있는 전달 : 스토리텔링, 시각화
3) 다분야 간 협력 : 커뮤니케이션
c. 데이터 사이언스 : 과학과 인문의 교차로
i. 단순 세계화에서 복잡한 세계화로 변화. 다양성과 각 사회의 정체성과 그 맥락, 관계, 연결성, 창조성 등이 키워드로 대두
ii. 비즈니스의 중심이 제품 생산에서 서비스로 이동. 제품이 고장나도 얼마나 뛰어난 고객 서비스를 제공하는 지가 더 중요
iii. 경제와 산업의 논리가 생산에서 시장 창조로 변경.
댓글 없음:
댓글 쓰기