추가 적립 안내

데이터 사이언티스트의 차이는
데이터의 의미를 읽고 해석할 줄 아는 능력에 있다

이제 세상은 빅데이터와 AI 기술의 싸움이다. 이것을 명확하게 알고 다루는 기업과 그렇지 않은 기업은 점점 그 역량과 결과 면에서 뚜렷한 차이를 보일 것이다. 비즈니스 시장은 이미 소위 ‘데이터를 좀 다룬다’는 사람들을 크게 주목하고 있으며, 특히 빅데이터를 활용하는 ‘데이터 사이언티스트’에 대한 관심을 점점 높이고 있다. 그러나 데이터를 다룰 수 있는 기술력과 데이터에서 의미를 뽑아내고 그 의미를 해석하는 일은 전혀 차원이 다른 능력이다. 통찰력과 역량 있는 데이터 사이언티스트를 가르는 기준이 바로 여기에서 결정된다.
《매출 올리는 데이터 사이언티스트》는 현업에서 일하고 있는 저자의 실제 사례와 자료 조사를 통해 기업이 진정으로 원하는 데이터 사이언티스트에 대해 전반적으로 다룬다. 또한 기업이 데이터 사이언티스트와 협력하기 위해 기본적으로 알아야 할 AI에 대한 지식과 활용법, 비즈니스를 성공적으로 이끄는 유능한 데이터 사이언티스트의 핵심 역량도 담고 있다. 비즈니스 현장에서 인정받는 전문가가 되고 싶다면, 넘쳐나는 데이터 속에서 고객의 핵심 니즈를 캐내는 유능한 직원이 필요하다면 이 책을 놓지 않길 바란다.

데이터는 뉴 오일(New Oil)이다!
매출 10배 올리는 데이터 사이언티스트의 비밀

빅데이터가 중요하다는 사실은 이미 많은 이들이 알고 있다. 그러나 빅데이터를 어떻게 다뤄야 하는지는 여전히 잘 모르는 사람들이 많다. 넘쳐나는 정보 속에서 금과 같은 데이터를 어떻게 발굴하느냐에 따라 기업이 앞으로 어떤 시장에 뛰어들 것인지까지도 판단될 수 있다. 이에 따라 데이터 애널리스트, 데이터 사이언티스트, AI 엔지니어 등 데이터를 다루는 직업군이 각광을 받고 있으며, 기업에서도 관련 업무자를 계속해서 영입하고 있다.
그런데 과연 데이터만 잘 다루면 되는 것일까? 그저 나온 데이터만 분석하는 것에 그치고 소비자가 원하는 ‘니즈’를 찾아내지 못하는 데이터 전문가라면, 기업이 원하는 매출 증대를 끌어내지 못하는 사람으로 전락할 수 있다.
유능한 데이터 전문가는 데이터를 비즈니스에 활용할 줄 아는 사람이다. 《매출 올리는 데이터 사이언티스트》는 그런 데이터 전문가를 영입하고 싶은 기업, 그런 데이터 전문가를 꿈꾸는 사람들을 위해 쓰였다.
1장에선 기업이 무턱대고 AI를 도입해 빅데이터 분석부터 하는 일이 없도록 AI에 대한 기본 지식을 다뤘다. 머신러닝, 딥러닝, 지도·비지도 학습 등 미리 알고 있으면 비즈니스 시장에서 데이터를 효율적으로 다루는 데 도움이 될 내용도 담았다.
2장에선 데이터 사이언티스트에 대해 다루었다. 기업이 가지고 있는 데이터 전문가들에 대한 막연한 환상 대신, 정확히 이들이 어떤 일을 하고 있는지에 대해 설명한다. 이 장을 읽고 나면 어떤 관점에서 이들과 협력해야 하는지 알 수 있다.
3장에서는 본격적으로 매출을 올릴 수 있는 데이터 사이언티스트만의 무기가 무엇인지 다루었다. 효과와 효율에 대해 구분해서 추구할 것, 파괴적 기술의 특성을 파악할 것, 의견과 데이터를 구분할 것 등 다른 데이터 사이언티스트와는 차별화된 관점을 소개한다. 이 장은 관련 업계 종사자들 누구에게나 도움이 될 만한 내용이다.
4장에는 3장에서 언급한 내용을 토대로 AI와 데이터를 활용했을 때 비즈니스 시장에서 성공한 사례를 담았다. ‘스타벅스 드라이브스루’, ‘넷플릭스 추천 시스템’ 등 실제 일상에서 직접 경험한 사례들을 다뤄 AI, 데이터와 비즈니스의 상관관계를 쉽게 이해할 수 있다.
5장은 저자의 일화를 통해 데이터 사이언티스트가 지녀야 할 역량에 대해 다루었다. 데이터 전문가 직종에 대해 관심이 있다면 이 장이 도움이 될 것이다.
앞으로 데이터의 가치는 점점 더 높아질 것이다. 이 책과 함께 넘쳐나는 데이터 속에서 비즈니스를 꿰뚫고 문제를 해결할 만한 가치인 ‘뉴 오일’을 발견하길 바란다.

서대호(다겸 대표, 《1년 안에 AI 빅데이터 전문가가 되는 법》 저자)
4차 산업혁명 시대에 AI, 빅데이터는 비즈니스의 필수 요소다. 이 책에는 AI 빅데이터를 처음 접하는 입문자, 현업에 있는 개발자, AI 빅데이터를 사업에 접목하려는 사업가 모두에게 필요한 내용이 쉽게 설명되어 있다. 저자의 철저한 조사 기반 사례 중심으로 신뢰성 있는 내용이 많이 담겨 있어 실무에 적용하기도 좋다. 이제 모든 사람이 데이터를 공부해야 하는 시대가 왔다. 이 책이 여러분의 길잡이 역할을 해줄 것이다.

배은경((주)리모 대표)
수많은 AI 회사가 생겨나고 또 사라지고 있습니다. 이제 소프트웨어 회사는 단순한 소프트웨어 회사가 아니라 데이터 회사가 되는 추세입니다. 기존에는 데이터가 단순히 DB에 저장되고 기존의 업무 분석을 위한 통계값이었다면, 현재는 데이터와 AI가 고객 분석, 기업 운영을 위해 내부 프로세스와 외부 고객 애플리케이션에 적용되는 세상으로 점차 발전하고 있습니다. 이 책은 데이터의 중요성과 함께 기업에서 AI 기술, 인력 도입 시 주의해야 할 부분을 담고 있어 AI 적용을 고려하는 많은 회사가 읽어보기를 추천합니다.

김태완(서울대학교 조선해양공학과 교수)
빅데이터와 AI란 단어가 화두가 된 지는 제법 지났습니다. 하지만 대다수 기업의 대표자, 의사결정자들은 AI를 어떻게 개발하고 사용할지에 대해선 어려워하는 경우가 많습니다. 이런 상황에서 이 책은 비즈니스에 AI를 도입하고 싶은 기업 임원에게 큰 나침반이 될 책입니다. 또한 AI에 문외한인 기업 실무자도 이해하기 쉽게 쓰여져 있어 지침서로 추천합니다.

강희주(스캉 대표)
비즈니스 전략 수립과 서비스의 성공에 있어, 데이터 분석은 필수 불가결한 일입니다. 이 책은 데이터 분석을 통해 고객에게 차별화된 경험과 가치를 제공할 수 있음을 상기시켜줍니다. 또한 이 책을 통해 단순히 이론이나 스킬을 배우는 것을 넘어, 실제로 데이터를 어떻게 활용할 수 있을지 알 수 있습니다.

프롤로그_ 데이터 사이언티스트, 비즈니스 마인드를 세팅하라

1장 비즈니스와 AI에 대한 이해
지금 기업들이 AI에 주목해야 하는 이유
비즈니스를 위한 AI, 왜 알아야 하고 어떻게 활용해야 할까
이 정도는 꼭 알아야 하는 AI 기본 지식
AI, 무턱대고 쓰지 말고 데이터 먼저 파악하라
AI를 이용하는 기업이 되기 위해

2장 매출을 올리기 위한 AI와 데이터 과학의 활용
AI, 활용하는 사람은 누구인가
매출 10배 올려주는 데이터 과학자란
AI 기술, 어디까지 와 있고 어떻게 활용될까
비즈니스에 적용할 수 있는 데이터 분석 프로세스
우수한 데이터 사이언티스트를 꿈꾼다면

3장 비즈니스를 성공으로 연결하는 데이터 사이언티스트의 무기
타깃이 정확한 기술주도형 AI를 활용하라
효과와 효율을 구분해서 추구하라
파괴적 기술의 특성을 정확히 파악하라
고객 행동의 틈새를 파악하라
실험을 통한 데이터에 집중하라

4장 AI와 데이터를 활용한 성공 요인 분석
AI로 결함을 찾다: 스마트팩토리
‘스세권’ 입지 찾기: 스타벅스 드라이브스루
후기를 분석하다: 마약 베개
와인 추천은 이제 AI에게: 와인 앱 비비노
AI 화가의 작품: GAN 기술
뭘 볼지 고민하지 마세요: 넷플릭스 추천 시스템

5장 데이터 사이언티스트가 가져야 할 7가지 요건
객관적으로 사고하기
끊임없이 “왜?”라는 질문 던지기
문제 해결을 위한 설득 즐기기
다양한 데이터를 접하고 계속해서 분석하기
끊임없이 파고들어 방법을 찾기
기술 발전 속도에 뒤처지지 않기
아이디어가 나올 수 있는 시간 마련하기

데이터는 4차 산업혁명을 여는 ‘뉴 오일(New Oil)’이라고 한다. 그러나 모든 데이터가 이에 해당하는 것은 아니다. 빅데이터라는, 말 그대로 넘쳐나는 데이터 속에서 비즈니스를 꿰뚫고 문제를 해결할 만한 가치를 찾아내야 ‘오일’이 된다. 불순물이 과다하게 섞인 기름은 연소가 잘 되지 않듯 쭉정이가 섞인 데이터들은 오히려 정보를 왜곡시킨다. 그러므로 데이터 속에서 가치를 찾을 수 있고 선별할 수 있는 지혜가 더없이 중요해졌다. _ p.19

매출을 상승시켜주는 데이터 과학자는 어떤 역량을 지녀야 할까? 우선 자신이 하는 분야를 넘어서 숲 전체를 볼 줄 알아야 한다. 그러기 위해 데이터 과학자는 자신의 분석이 비즈니스에 어떤 역할을 할지 알아야 한다. 큰 그림을 보는 것이다. 당장의 데이터 처리에 급급해하지 말고 문제를 명확하게 인식하는 일이 필요하다. 해당 데이터가 어떻게 문제를 해결할 수 있을지를 숙고하고 데이터 분석과 비즈니스 모델과의 연결고리를 파악해야 한다. 거시적 안목으로 해당 분석이 가져올 이익을 파악할 줄 알아야 한다. _ p.77

AI를 도입하고 활용하는 데는 앞서 말했듯이 많은 어려움이 뒤따른다. 어떤 기업은 데이터 수집 단계에서부터 좌절하곤 한다. 많은 기업들이 이런 어려움에 직면한 뒤 한 발짝 더 나아가지 않고 쉽게 포기한다. 반면 어떤 기업은 이를 견뎌내고 자사만의 데이터 프로세스를 구축하고 AI 도입에 성공한다. 왜 AI 도입에 있어서 어떤 기업은 성공하고 어떤 기업은 쉽게 포기하는 현상이 나타나는 것일까?
많은 요인들이 있겠지만, 그중 하나를 꼽아보자면 많은 기업들이 효과와 효율을 발휘할 때를 제대로 알지 못하기 때문이다. AI 도입상에 많은 어려움이 있을 것임을 미리 예상하고 감수해야 한다. 이 말은 처음부터 AI 도입을 두려워하고 꺼리라는 말이 아니다. 처음 도입 시 어려움을 예상하고, 한 번에 빠르게 원하는 목표에 도달할 수 없음을 인지하라는 것이다. 효과를 추구해야 할 때가 있고, 효율을 추구해야 할 때가 있다. _ p.116~117

당연하게 여기는 태도는 데이터 분석에서도 독이 된다. 당연함이 자리 잡는 과정은 단순하다. 여러 사례나 근거로 어떤 명제를 납득하게 된다. 그 과정에 의심이 자리해야 할 곳에도 당연함이 자리를 꿰차게 된다. 가령 물은 과거엔 무료인 게 당연했다. 주변 도처에 널려 있는 게 물이니까(근거) 당연히 물을 사고팔 수 있을 리 없다고 생각했을 것이다. 하지만 시간이 지나고 세상은 변했다. 물에 대한 인식에도 변화가 일어났다. 이에 따르면 새로운 가설이 필요하다. _ p.215