모딜리아니 연구실 (Lab, Modigliani)

작업을 하는 분석가는 '나는 되게 복잡하고 난이도가 높은 작업을 하고 있어. 이건 마치 수술하는 것 같이 높은 집중력을 요하는 일이야. 나는 이만큼 전문적인 임무를 수행하고 있어'라는 느낌을 가지고 있더라도, 건너편의 실무자가 보기에는 그저 컴퓨터 앞에 하루종일 앉아있는 한 사람일 뿐이다. 데이터 조직은 시간, 비용, 인력 등 리소스가 많이 들어가는 반면, 작업들을 들여다보면 전문용어와 전문도구들이 즐비하기 때문에 다른 실무자들(비전공자들)이 보고 이해하기 어려운 그런 허들이 존재하는 분야다. 이러한 태생적인 기질 때문에 실무자들이 체감할 수 있는 와우포인트가 나오기 전까지는 주위 사람들이 이 팀이 뭐하는지 모르고, 투입대비 효과에 대해서 의심의 눈으로 바라보는 사람들도 많다. 특히 여태까지 데이터의 효..

빅데이터와 스몰데이터(리서치 결과)는 데이터 자체의 특징도 차이가 있지만, 그에 따라 분석결과에서도 결과물의 성격이 다르다. 빅데이터 빅데이터는 대상의 행태, 즉 액션에 대한 수치여서 대규모 대상이 움직이는 다양한 흐름, 패턴, 특징을 볼 수 있다. 예를 들면 방문횟수가 10% 증가하면 구매횟수가 2%증가한다는 식의 딱 떨어지지만 선명한 정보가 나온다. 선명하기에 실무자들을 설득하기 수월하다. 하지만 나타난 행태에 대한 이유나 맥락은 알 수 없다. 스몰데이터 스몰데이터는 빈도를 측정하긴 하지만 근본적으로 특정행태에 대한 이유나 맥락을 이해하기 위해 측정된 수치들이기 때문에, 최종 결과물은 분석가의 해석을 통해서 그 이유와 맥락이 설명되어야 한다. 분석가의 해석 수준에 따라 결과물의 수준이 확연히 달라진다..

앞서 얘기한 것처럼 데이터를 이용해서 전락방향과 해결방안을 도출하고 실무진과 협의 후에 실행 가능한 간접적 전략수행은 쉽지 않다. 그래서 앞서 논리를 구축하는 3가지 방법을 설명했었다.학술적 이론, 테스트 결과, 합리적 의심 그런데 이렇게 의견을 제시해도 바뀌지 않는 사람들이 있다. 시도를 통한 궁극적인 비전이나 목표보다 팀의 상황, 레거시와 같은 변화에 대한 거부감 등 태도가 변하지 않는 다양한 이유들이 존재한다. 의아하게 들리겠지만 ROI가 검증된 AI기능이 탑재된 서비스를 조직 내에서 시연했는데도 활용하는데 채택되지 않는 경우도 실제로 있다. 그래서 의견을 관철시키고 설득할 수 있는 방법들을 더 얘기해보려 한다.시장테스트 시장테스트, 시장검증은 반드시 필요하면서도 도출된 해결방안이 가능성이 있는지 ..

데이터를 이용한 전략수행은 두 가지 방향으로 진행된다. 앞서 얘기했던 직접적 전략수행은 머신러닝처럼 데이터를 이용해서 직접적으로 과제를 해결하는 방식이다. 여기서 얘기할 '간접적 전략수행'은 데이터 분석을 통해 전략방향을 수립하고 그로부터 전략방향(아이디어)들을 도출해서 시장검증을 거치는 일련의 비즈니스 의사결정 프로세스의 발전을 가리킨다. 이러한 전략기획 및 수행의 경우 대게 실무부서가 주체가 되고 데이터는 그들의 선택을 돕는 역할을 한다. 직접적 전략수행직접적 전략수행은 자동화나 디지털화의 성능 및 성과만 뚜렷하면 실무에 도입하는 데 있어 (대체되는 인력의 반발을 제외하면) 비교적 수월하다. 데이터 담당자 입장에서도 본인의 업무에만 집중하면 되기 때문에 선호하는 방향이다. 간접적 전략수행반면 간접적 ..

데이터를 이용한 직접적인 전략수행은 디지털화를 통한 자동화와 머신러닝을 통한 최적화로 이뤄진다. 좁은 의미에서의 디지털 전환이 이 직접적인 전략수행에 해당한다. (간접적인 전략수행은 분석을 통한 전략수립 과정을 통해서 이뤄진다) | 자동화 자동화는 문서나 장부에 수기로 기록하던 것을 디지털화해서 관리나 운영 측면에서 효율화하고 거기서 나오는 데이터를 수집하는 변화를 말하기도 하고, 파일기반 데이터 관리, 즉 엑셀 같은 파일 중심으로 각자 데이터를 처리 및 관리하고 공유를 위해서 파일을 주고받는 수준을 코딩을 통해 자동화시키는 것을 포함할 수도 있다. 자동화 작업은 단순 반복작업으로 인한 인력낭비를 막고 인력을 보다 생산적인 업무에 사용하도록 하기 위해서 매우 중요한 작업이다. 실제 현장에서도 1주일 걸리..

디지털 전환은 강조한대로 단순하게 시스템이나 솔루션을 도입하여 자동화, 디지털화 하는 것이 아니다. 적어도 매우 좁은 의미에서의 정의다. 보다 넓은 의미에서 보면 디지털전환은 조직의 의사결정 프로세스의 변화이다. 그 변화를 위해서 빅데이터 시스템을 도입하는 것만으로는 역부족이다. 4가지 요소들이 골고루 일정수준까지 성장해야 한다. 그 4가지 요소는 빅데이터, 스몰데이터, 실무경험, 이론이다. 도표에서 보듯이 데이터 영역과 도메인 지식영역으로 나뉘어 있고, 각 영역은 일부의 주관적 의견인지 다수의 객관적 의견인지에 따라 구분되어 있다. 설문조사나 인터뷰를 통해서 나오는 스몰데이터, 실무자들의 경험, SWOT나 행동경제학 이론들처럼 비즈니스와 관련된 다양한 이론들까지 살펴보면 빅데이터를 제외한 나머지 세 요..

많은 데이터 관련 팀들이 의사결정 궤도 진입에 실패한다. 그 이유 중 가장 큰 이유는 기존 의사결정 궤도의 높이까지 데이터 활용 수준이 올라가지 못하기 때문이다. 기존 실무자들의 의사결정 궤도까지 올라가지 못한다는 의미를 얘기해 보자. (모델링은 예측이나 분류 등 성능이 기존의 방식보다 좋으면 되기 때문에 여기서는 다루지 않고 분석에 대해서 얘기하겠다.) 데이터와 무관하게, 비즈니스 프로세스 상에서 이뤄지는 의사결정 궤도의 시작은 '전략방향 수립'이다. 데이터가 없이도 나름의 방식으로 어떻게 문제를 해결할지 일정 수준의 논리와 확신을 가지고 방향을 선택한다. 여러 방식들이 있지만 대게는 자신들의 경험, 느낌, 습관을 바탕으로, 즉 휴리스틱 기반으로 그 확신을 가진다. 데이터 분석 결과가 실무자에게 그 확..

데이터 탐색이나 데이터 분석에 대해 이야기할 때, 우리는 종종 빅데이터만 떠올리곤 한다. 데이터 관련 프로세스가 빅데이터의 등장과 함께 발전해오고 있지만 잊지 말아야 할 점은, 설문조사 결과와 같은 스몰데이터도 여전히 정량적인 데이터이고 두 데이터 모두 중요하며 정보를 추출해야하는 분석대상이라는 점이다. (본 글에선 리서치를 통해 나온 정량적 결과를 스몰데이터라고 하겠다. 빅데이터와 스몰데이터의 구분기준에 대한 의견은 다양할 수 있다.) 빅데이터와 스몰데이터의 특징 빅데이터는 주로 소비자의 구매 패턴, 웹사이트 방문 기록, 거래기록 등과 같이 주로 행동, 행태, 상태에 대한 데이터로 이뤄진다. 대규모 데이터를 분석하여 거기에서 나타난 행동, 행태, 상태의 현황 및 패턴을 파악하는 데 중점을 둔다. 이처럼..

데이터 엔지니어, 데이터 분석가, 데이터 사이언티스트, 비즈니스 애널리스트 등은  데이터를 다루는 전문지식과 경험을 가진 전문가로 디지털 전환의 핵심이다. 2016년 알파고가 이세돌을 이기면서 빅데이터가 대중적 이슈가 된 후로 기대와 함께 여전히 인기 있는 전문직 중 하나다. 그래서인지 실무에서 데이터 전문가들과 일해보면 (주체적이고 호기심 가득한 전문가들도 있지만) 데이터를 다루는 기술과 지식 자체만으로 인정받고자 하는 경향들이 있다. 즉 요청에 따라 자신이 데이터를 다루는 활동(데이터 처리, 분석, 모델링, 자동화 등) 그 자체로 만족할 뿐, 그 활동으로 변화가 있으면 좋고 없어도 어쩔 수 없다는 마인드다.당신이 가지고 있는 기술과 지식은 재주인가 능력인가각자 할 일만 하면 되는 정서라고 하기에는 고..

데이터 분석가(DA), 데이터 사이언티스트(DS), 비즈니스 애널리스트(BA) 등 데이터와 관련된 직무를 수행하는 사람들조차도 '정보디자인'이라는 개념에 익숙하지 않거나 데이터 탐색의 중요성을 느끼지 못하는 경우가 많다. 데이터를 활용해서 가치를 만들어내는 과정에서 이러한 인식 차이가 결과에서 큰 차이를 가져올 수 있다. 이번 글에서는 데이터 탐색의 이론적 측면, 특히 정보디자인에 대해 자세히 이야기해보려고 한다.정보디자인이란정보디자인은 원석과 같은 데이터 안에 숨겨져. 있는 정보를 시각화를 통해 뽑아내는 과정이다. 복잡한 데이터에서 정보를 추출하는 과정은 분류, 배열, 재배열 이렇게 세 가지 주요 단계로 이뤄진다.| 데이터 분류분류는 데이터를 어떤 카테고리로 구분할지 정의하는 단계로, 실무에서는 대게 ..