모딜리아니 연구실 (Lab, Modigliani)

디지털 전환은 앞선 글에서 강조했듯이 조직이 가지고 있던 의사결정 프로세스를 변화시키는 작업이다.  디지털 전환(DX)이란 (디지털 전환의 진정한 뜻)디지털 전환에 대한 다양한 정의들- 디지털 기술을 사용하여 완전히 새로운 비즈니스 모델을 변경하거나 생성하는 것- 디지털 기술을 기반으로 기업의 조직 문화, 비즈니스 모델 및 산업 생태계modigliani-dx-workshop.tistory.com 비즈니스를 꾸려가는 조직들은 데이터를 사용하지 않더라도 이미 크고 작은 의사결정들을 내리고 있다. 의사결정을 내리고 수행하고 돌아보고 바꿔보는 과정을 의식하든 의식하지 못했든 간에 반복하고 있다. 지금 소개할 저자가 디자인 한 디지털 전환 프레임워크인 디지털 전환 궤도 (DX Orbit)에서 이렇게 의사결정을 통..

디지털 전환, Digital Transformation, DT, DX 등 빅데이터란 키워드만큼 비즈니스에서 흔히 듣게 되는 단어가 됐다. 사용하는 사람들도 다소 막연하게 혹은 본인의 상황에 맞게 해석해서 사용하는 경우가 많은 듯하다. 디지털 전환이라는 뜻을 설명해 놓은 글들을 봐도 다르다. - 디지털 기술을 사용하여 완전히 새로운 비즈니스 모델을 변경하거나 생성하는 것 - 디지털 기술을 기반으로 기업의 조직 문화, 비즈니스 모델 및 산업 생태계를 혁신 - 디지털 전환은 기업이나 조직이 전체적인 비즈니스 전략과 프로세스를 재구성하여 디지털 기술을 적극적으로 활용하는 과정용어의 정의는 다를 수 있고, 각자 재해석할 수 있지만 핵심가치를 빼놓으면 안 된다. 디지털 전환이라는 키워드가 비즈니스를 하는 사람들의 ..

데이터 분석에서 시각화 탐색은 매우 중요한 역할을 한다. 시각화 탐색은 데이터를 분류, 배열, 재배열하는 반복적인 과정을 통해 숨겨진 패턴과 인사이트를 발견하는 작업이다. 하지만 많은 데이터 분석가와 리서처들은 탐색 자체를 소홀히 하거나, 탐색을 하더라도 파이썬이나 엑셀을 이용해 몇 개의 차트를 그려보는 것에 그치는 경우가 많다. 데이터에서 진정한 인사이트를 뽑아내려면, 다양한 조건별로 차트를 수백 개 그려보는 것이 필요하다. 그러나 파이썬이나 엑셀로 이러한 작업을 수행하는 것은 공수가 많이 들어 비효율적이며, 직관적으로 데이터를 바로바로 확인하기 어렵다. 따라서 시각화 탐색을 할 때는 전문 시각화 도구를 사용하는 것이 좋다.시각화 탐색 도구의 필요성시각화 탐색을 효율적으로 수행하기 위해서는 여러 차트를..

디지털 전환궤도(DX Orbit) 중 처음에 나오는 비즈니스 정의와 데이터인프라 구축은 프로세스에서 가장 기본이자 매우 중요한 진입과정에 해당한다. 비포장 도로에서 짐을 효과적으로 운반하기 위해서 가장 먼저 해야 하는 것이 도로를 포장하는 것처럼 다음에 올 프로세스들이 원활하게 운영되기 위한 준비에 해당하는 과정이다. 그중에서도 특히 '비즈니스 정의'는 가장 우선되는 과정이다. 비즈니스 정의는 비즈니스 정의와 성과지표 체계수립 두 가지 과제로 이뤄진다. | 비즈니스 정의시스템이나 프로세스가 아무리 잘 갖춰져 있다고 해도 목표가 뚜렷하게 정해지지 않고, 조직 내에서 공유되지 못하면 조직의 모든 일이 방향을 잃고 각자 자리에서 열심히 함에도 불구하고 큰 성과로 이어지지 못한다. 이는 디지털 전환이 아니더라도..

앱서비스에 태깅작업 (각 요소를 클릭할 때 해당값이 테이블에 쌓일 수 있도록 태그를 붙이는 작업)을 매우 세밀하게 해 놓아서 해당 서비스에 들어온 사람의 세세한 모든 행동이 데이터로 잘 쌓여있다고 해보자. 자 이제 이 데이터로 무엇을 분석할 것인가. 어떤 주제로 분석할 것인가. 데이터를 분석하는 방법에는 크게 두 가지 접근이 있다. 첫 번째는 EDA(탐색적 데이터 분석), 즉 일단 여러 차트를 그려보면서 데이터 특성을 살펴보고, 그에 맞는 알고리즘을 적용하여 주어진 문제를 해결하거나 가설을 검증한다. 이때 분석가의 탐색능력과 알고 있는 알고리즘의 종류, 그리고 데이터의 형태에 맞는 알고리즘을 생각해 내는 능력이 매우 중요하다. (챗GPT의 발달로 이 역할은 점점 덜 중요해지고 있다. 챗GPT에 데이터를 ..

연애에 관한 이야기로 돌아가서 상대방의 호감을 얻기 위한 여러 방법들을 무작정 따라 해서 기회를 망쳐버리는 경우가 있다. 반대로 오랫동안 알고 지내서 상대를 잘 알고 있지만 표현하지 못해서 관계가 발전하지 않는 경우도 있다. 실행에 옮길 수 없는 통찰은 의미가 없다.비즈니스 관점에서 표현하면 전자는 전략 없이 전술만 있는 경우이고, 후자는 전략만 있고 전술이 없는 경우이다. 산에 오르기 전에 어떤 면을 타는 것이 좋을지 결정하고, 구체적인 루트를 짜고 그에 맞는 준비를 하는 것과 마찬가지로 실행에 옮길 때는 두 가지 모두 고려가 되어야 한다. 데이터 기반 의사결정에서 보면 분석결과를 바탕으로는 인사이트 즉 전략방향이 나온다. 구체적인 방안보다는 이런 방향으로 가야 한다는 방향이 나온다. 그럼 전략은 나온..

데이터 분석을 하다 보면 필연적으로 데이터 엔지니어들과 함께 일하게 된다. 엔지니어들의 성향은 분석가들과 좀 다르다. 업무자체를 봐도 엔지니어는 어딘가 존재하는 답을 찾아가는 과정 즉 닫힌 결말이라면, 분석가는 결과를 나름의 지식과 경험으로 해석하고 이를 설득하는 열린 결말이다. 전자는 우직하게 답을 찾아가는 성향이 후자는 다양하게 생각할 수 있는 창의력이 필요하다. 그래서 엔지니어들은 분석가들의 직무를 들으면 '답이 안 정해져 있는 걸 어떻게 설득해요?'라며 신기해하고 분석가 입장에서는 '정해진 답을 도저히 못 찾을 때 그 답답함을 못 참겠어요'라고 답한다.분석결과를 바탕으로 주장을 할 때도 주장을 단단하게 (robust) 하기 위한 나름의 규칙은 있다. 분석가마다 다르겠지만 저자의 경우 아래 세 가지..

현상 뒤에 숨겨진 원리(메커니즘)를 밝혀낼 때 혁신이 가능하다는 얘기를 18세기 헝가리의 산부인과 의사 이그나츠 제멜바이스의 예로 다시 얘기해 볼 수 있다. 오늘날 의사가 수술실에 들어갈 때 소독을 깨끗이 하고 수술장갑을 끼고 소독기에서 가져온 의료도구들을 사용하는 것은 상식이다. 하지만 1880년대까지만 해도 수술실의 모습은 전혀 달랐다. 맨손으로 해부를 하던 의사가 곧장 수술실로 가서 수술을 집도했다. 의사가운은 지금과 같은 흰색이 아닌 검은색으로, 환자를 만진 손과 피와 다양한 체액으로 얼룩진 가운은 의사로서의 경력과 명예의 표식이었다. 세균과 소독이라는 인식이 없었기 때문이다. 그래서 당시는 아플 때 병원에 가는 것이 집에서 치료하는 것보다 사망확률이 높을 만큼 병원은 들어가면 죽어서 나오는 죽음..

모든 혁신은 현상 뒤에 숨겨진 메커니즘을 찾으면서 시작된다. 좋은 전략과 전술은 고객을 정확히 이해에서 나오고, 전략과 전술은 테크닉이 아닌 고객에 대한 이해를 바탕으로 할 때 효과적이다.첫 번째 이야기에서 현상 뒤에 숨겨진 원리를 발견해야 혁신이 가능하다는 얘기를 했다. 그 예시들에 대해서 이번 편, 다음 편에 이야기해 보려. 한다. 첫 번째 얘기는 나이팅 게일이다. 간호사로 잘 알려진 나이팅 게일은 간호학을 발전시킨 동시에 통계학자였다. 1853년부터 1856년까지 영국과 프랑스의 연합군이 러시아와 싸운 크림전쟁에 간호사로 참여한 나이팅게일은 영국군 사망원인을 시각화한 로즈 다이어그램으로 불리는 그래프 등을 활용하여 현상을 해석하는 등 통계학자로서 공헌하며 큰 변화를 이끌어냈다. 당시 전쟁에서 부상자..

바꾸고 싶은 대상을 정했다면 대상과 환경에 대해서 이해할 차례이다. 디지털 전환에서 대상과 환경을 이해한다는 게 무슨 말일까.데이터 사이언스가 구체적으로 뭐야?데이터 사이언스, 데이터 사이언티스트라는 말을 흔히 쓴다. 그런데 쓰는 사람도 듣는 사람도 정확히 데이터 사이언스라는 정의에 대해서 구체적인 이해가 없는 경우가 많다. 대략 데이터를 사용하고 분석을 하거나 모델을 만드는 그런 비슷한 것이라는 정도로 이해한다. 저자도 오랫동안 데이터 사이언티스트는 분석, 모델링, 엔지니어링을 모두 수준급으로 하는 높은 레벨의 데이터 경력자 정도로 이해하고 있었다.인간이 망원경을 가지면서 감각을 넘어서는 세계가 있다는 것을 알았다. 과학의 핵심은 저는 감각을 넘어선 것이라고 생각한다. 감각의 단계에 있을 때 그걸 기능..