Offcanvas

AI / CIO / How To / 리더십|조직관리 / 머신러닝|딥러닝 / 비즈니스|경제 / 빅데이터 | 애널리틱스

김진철의 How-to-Big Data | 빅데이터 조직과 시스템 (10)

2019.07.23 김진철  |  CIO KR


데이터 과학팀 리더의 리더십 (6) – 문제로 유혹하라 (목표 제시의 방법)
데이터 과학팀 리더가 팀 구성원 및 데이터 과학자 개개인의 역량을 극대화할 수 있는 리더십 중 꼭 알아야 할 리더십의 마지막 요소로서 데이터 과학팀의 목표 제시 방법에 대해서 살펴보도록 하자.
  
필자가 강연이나 컨설팅 등을 통해 고객이나 지인들을 만나 조직에서 데이터 과학을 잘 활용하기 위해 풀어야 할 문제로 가장 많이 받는 질문이 좋은 데이터 과학자를 어떻게 찾고 영입할 것인가 하는 문제라고 지난 스물일곱번째 글에서 소개한 바 있다. 반대로 역량 있고 좋은 데이터 과학자들이 특정 기업이나 조직이 자신이 일하기에 좋은 조직이라고 생각하고 자발적으로 채용 공고에 지원하고 찾아오도록 하기 위해서는 기업이나 조직에서 어떻게 해야 할까?

이에 대한 해답은 데이터 과학자들이 자신의 경력을 통해 이루고 싶어 하는 것, 기업과 조직에서 일하면서 얻고자 하는 것이 무엇인지에 달려 있다. 최근 데이터 과학자를 포함한 역량 있는 인재들은 기업에서 얻는 연봉과 복지 혜택 등의 처우뿐 아니라, 자신이 일하는 직장에서 자신이 어떻게 성장할 수 있는지, 자신이 일하는 팀이 자신의 경력 성장에 도움이 되는 팀인지, 자신이 일하게 될 팀에서 어떤 역량이 더 성장하고 더 많은 경험을 할 수 있는지 등 자신의 경력 성장에 관련한 다양한 점을 같이 고려하는 경향이 있다.

위와 같은 이유로 데이터 과학자 및 소프트웨어 엔지니어 등의 IT 분야 인재들을 기업이 끌어들이기 위해서는 연봉과 처우뿐 아니라 같이 일하게 될 팀, 회사가 최근 수행하고 있는 주요 프로젝트와 이를 통한 회사의 성장 가능성, 자유로운 출퇴근 시간을 포함한 유연한 근무 환경까지 신경 써야 할 것이 많아졌다. 이런 여러 가지 요소 중에서도 IT 분야 인재들을 끌어들이는데 필요한 것 중 하나가 회사가 채용하려는 팀이나 프로젝트에서 풀고자 하는 문제, 달성하고자 하는 비전을 설득력 있게 전달하는 것이다.

인터넷 서비스 IT 회사의 대표가 되어버린 구글의 경우를 한번 살펴보도록 하자. 구글의 경우 IT 분야 구직자들에게 많이 알려진 것은 놀이터와 같이 아기자기하고 일과 휴식을 하나의 공간에서 해결할 수 있도록 세심하게 배려한 근무 공간, 최고 품질로 무제한으로 공급되는 식사와 간식, 타 업종에 비해 높은 연봉 때문이기도 하지만, 무엇보다도 IT 인재들이 구글에 가서 일해보고 싶다고 생각하는 배경에는 구글에서 수행하고 있는 유명한 프로젝트 때문일 것이다.

최근 딥러닝 프레임워크 기술로 산업계의 표준이 되다시피 한 텐서플로(TensorFlow)부터, 하둡 열풍을 불러일으킨 빅데이터 기술 붐의 장본인인 빅테이블(BigTable)과 맵리듀스(MapReduce), 컨테이너 기반 클라우드 기술 붐의 주역인 쿠버네티스(Kubernetes), 인터넷 프로그래밍의 문턱을 낮추는데 공헌한 고(Go) 언어, 구글의 자회사인 웨이모에서 선보이고 있는 자율주행차 프로젝트와 역시 구글의 자회사인 구글 딥마인드(Google DeepMind)에서 세계를 깜짝 놀라게 한 알파고(AlphaGo)까지 구글이 만들어 선보인 기술들 대부분은 구글의 주가를 크게 높일 만큼 기술적인 가치가 높고 흥미로운 기술들이었다.

이뿐만 아니라 구글에서 지금까지 만들어 선보인 기술들은 과학자나 엔지니어라면 누구나 해보고 싶고, 자신의 이름을 걸고 도전해 얻은 성과물로 전세계에 선보이고 싶어 할 만한 것들이다. 자신의 재능과 쌓는 동안 갈고 닦아 쌓아온 전문성을 맘껏 발휘해서 세상에 영향을 끼치며 기여하고 있음을 직접 느낄 수 있고 볼 수 있는 프로젝트다. 이런 프로젝트에 참여하는 것 자체가 과학자나 엔지니어들의 이력서를 빛나게 하는 경력인 것도 이들이 구글에서 일하고 싶어 하게끔 하는 이유이겠지만, 이런 프로젝트들 자체가 이미 과학자나 엔지니어들이 자신의 분야에서 큰 공헌을 할 수 있고 의미를 가지는 프로젝트들이기 때문에 자신의 재능과 능력으로 자신만의 무언가를 남기고 선보이고 싶어 하는 과학자와 엔지니어들의 본성을 자극하는 것들이다.

데이터 과학팀도 마찬가지이다. 데이터 과학팀 리더가 팀원들이 자발적이고 자기 조직적으로 성장하면서 팀의 문제 해결 역량이 극대화가 되고 팀원들의 역량이 최고로 발휘될 수 있도록 하기 위해서는 팀원들의 도전 의식과 호기심에 불을 지를 수 있는 좋은 문제와 프로젝트를 만들고 제시하는 것이 가장 좋다.

데이터 과학팀의 모든 문제와 프로젝트를 데이터 과학팀 리더가 만들어주고 제시하지는 못하겠지만, 적어도 조직에서 의뢰해온 경영 현안이나 문제들을 데이터 과학팀원들이 자발적으로 뛰어들 수 있는 흥미로운 문제로 만드는 것은 데이터 과학팀 리더의 전문성과 역량에 많이 달려 있다. 이렇게 하기 위해서는 데이터 과학팀의 리더가 우선 팀원들의 역량 수준 및 문제 해결의 의지, 호기심의 정도 등을 섬세하게 파악하고 있어야 적절한 팀원이 적절한 수준의 문제를 협업하여 풀 수 있도록 조율해줄 수 있다. 데이터 과학팀 리더가 팀원들의 도전 의식과 호기심에 불을 지를 수 있는 문제로 의뢰된 문제들을 바꾸어 전달할 수 있으려면 타 부서의 의뢰 내용의 핵심과 요구 사항을 정확하게 파악하면서 이를 위한 적절한 데이터 과학 문제로 의뢰 내용을 바꾸어 설명할 수 있을 만큼의 데이터 과학과 조직의 업의 본질과 현안에 대한 지식과 통찰도 필요하다.

데이터 과학팀 외부에서 의뢰해온 문제들을 팀원들이 달려들 수 있는 데이터 과학 문제로 바꾸어 커뮤니케이션하고 동기부여할 수 있는 것도 데이터 과학팀 리더의 중요한 역량이지만, 데이터 과학팀원들이 직접 발견하여 상향식으로 조직과 경영진에 제안하는 문제들을 조직과 경영진의 필요와 수준에 맞게 커뮤니케이션하여 해당 문제에 대한 조직의 지원과 관심을 받도록 하는 것도 팀 리더의 중요한 역할과 역량이다.

상향식으로 팀원들이 발견하여 타부서나 경영진에 제안하는 데이터 과학 문제는 데이터 과학팀원들이 직접 발견하여 풀어보겠다는 의지를 가지고 시작한 문제이니 이미 동기부여는 충분히 되어 있다고 볼 수 있다. 이런 문제나 데이터 과학 프로젝트에 대해서 팀원들의 동기와 자발성이 꺾이지 않고 발휘될 수 도록 조직 내 다른 부서와 경영진에게 적절하게 소통하고 지원을 얻어내는 것도 팀 리더에게 중요한 일이다.

좋은 문제와 프로젝트로 데이터 과학자들과 데이터 과학팀의 소프트웨어 엔지니어들을 동기부여하기 위해서는 다음과 같은 점들을 고려할 필요가 있다. 

첫번째로, 데이터 과학팀과 데이터 과학자들이 진행하게 될 데이터 과학 프로젝트가 조직의 목표와 조직 운영의 큰 그림 안에서 어떤 위치를 차지하며, 이렇게 프로젝트가 차지하는 위치 때문에 어떻게 조직 목표 달성과 운영에 도움을 주고 영향력을 끼치는지, 왜 중요한지를 팀원들에게 잘 설명하는 것이 중요하다.

데이터 과학자들과 같이 지적으로 뛰어나고 호기심과 내적인 동기에 의해 움직이는 사람들은 자신이 하는 일이 자신이 일하는 팀과 동료들에게 어떤 긍정적인 영향과 결과를 가져오는지, 자신이 하는 일이 왜 중요한지 알고 싶어 한다. 이렇게 자기 일에 대한 이해로 생기는 내적인 동기 부여에 의해 이들 데이터 과학자들은 자기 일에 더욱더 몰입하고 어려운 문제에 도전하게 된다. 이런 이유로 데이터 과학자에게 동기 부여를 위해 문제를 정의해줄 때 가장 중요한 것 중의 하나는 그 문제가 조직의 필요와 목표를 어떻게 만족시키고, 전체 큰 그림에서 어떤 위치를 차지하기 때문에 중요하다는 것을 잘 납득시켜 주는 것이다.

두번째로, 데이터 과학자들의 내적인 동기 부여가 그들의 자발성과 몰입을 이끌 수 있도록 물질적, 금전적 보상은 그들의 기대를 넘어서는 정도로 충분히 제공하라는 것이다.

데이터 과학자들이 자신들이 해결하게 될 문제에 몰입하기 위해서는 이 문제를 풀었을 때 주어질 보상에 대한 생각조차도 잊고 몰입할 수 있게 배려하는 것이 필자의 경험과 여러 사례를 살펴보면 더 낫다. 많은 기업이 기업 구성원들의 업무 생산성 향상을 위해 기본급 외에 업무 성과에 따른 인센티브나 보너스를 업무가 수행된 후 업무 평가를 통해 추가로 지급하는 식으로 동기 부여를 하거나 생산성을 높이려고 한다. 이런 방식이 데이터 과학자나 소프트웨어 엔지니어들에게는, 물론 사람에 따라 개인차는 있겠지만, 크게 도움이 되지 않는 듯하다.

우선 기본적으로 주어지는 연봉이나 기본급이 이들 데이터 과학자들이 아쉽다는 생각이 들지 않을 정도로 충분히 주어져야 금전적인 보상에 대한 고민이나 생각 없이 주어지는 프로젝트에 온전하게 몰입할 수 있다. 프로젝트의 결과 유무에 따른 보너스나 인센티브를 개인별로 차등해서 지급하는 것보다는 실리콘밸리 스타트업과 기업들이 많이 하는 것과 같이 회사의 주식이나 스톡옵션을 부여해서 그들이 일하여 회사에 기여하는 만큼 그 열매를 공유하는 방식으로 보상을 제공하는 것이 가장 좋은 방법이라는 것을 알게 되었다.

데이터 과학자들과 소프트웨어 엔지니어들과 같이 지적인 업무를 수행하는 전문가들은 일 자체가 주는 성취의 기쁨도 동기 부여에 중요한 역할을 한다. 이러한 성취의 기쁨에 따르는 내적인 동기 부여를 통해 자발적인 몰입과 적극적인 업무 태도를 유도하기 위해서는 금전적인 보상에 대한 생각과 불편함이 마음속에 자리 잡아 프로젝트에 집중하지 못하게 방해하지 않고, 아쉬움이 없도록 하는 것이 프로젝트에의 집중력을 유지하고 유도하는데 더 효과가 크다.

세번째로, 데이터 과학자와 같은 전문가들의 호기심과 도전 의식을 바탕으로 한 내적인 동기 부여는 결코 어떤 구호나 캠페인, 편법으로 억지로 심어주거나 불러일으킬 수 없다는 것을 팀 리더가 잘 알고 있어야 한다.
 
호기심이나 성취의 기쁨과 같은 내적인 동기가 일을 적극적으로 하게 하는 이유가 되는 데이터 과학자와 같은 사람들은 외부에서 자신이 나아가고자 하는 방향을 억지로 튼다는 느낌을 받게 되면 자신이 하는 일의 맥락과 이유에 대해 갖지 못하는 확신과 혼란 때문에 오히려 생산성이 떨어진다. 내적인 동기에 의해 움직이는 사람들에게 동기 부여를 하기 위해서는 조직의 전체 운영과 달성하고자 하는 목표의 큰 그림과 맥락, 전체 큰 그림에서 현재 업무가 가지는 위치에 관해 설명해주는 것이 좋다고 앞의 첫번째 동기부여 요소로서 설명한 것도 바로 데이터 과학자들이 자신의 데이터 과학 업무에 대해서 내적인 확신으로 동기부여할 수 있도록 하기 위함이다.

이렇게 데이터 과학자들의 자발적이고 내적인 동기 부여를 위해서 데이터 과학자들을 납득시키는 과정이 없는 일방적인 업무 부여와 소통은 데이터 과학자와 데이터 과학팀의 생산성을 떨어뜨리는 주요 원인 중의 하나이다. 

조직의 필요에 의해 어쩔 수 없이 새로운 데이터 과학 프로젝트를 진행하지 않을 수 없거나 데이터 과학자들의 업무를 방향전환할 일이 있다면 새로운 프로젝트를 데이터 과학자들이 달려들 만한 매력적인 문제로 바라볼 수 있도록 하는 것이 제일 좋다. 프로젝트의 일정이 허락하는 범위에서 새로운 분석 기법과 데이터 가공 과정을 시험해보거나 프로젝트의 결과물과 이를 만들어가는 과정에서 얻는 기술적인 진보가 회사의 상품이나 프로세스 개선에 어떤 중요성을 가지는지 납득할 수 있도록 잘 설명해주는 것이다.

데이터 과학팀원들을 평소에 인간적으로 잘 이해하고 믿을 수 있는 리더로서 신뢰를 쌓아 놓는 것도 이렇게 데이터 과학팀 업무를 어쩔 수 없이 방향전환할 때 크게 도움이 될 수 있다. 평소에 팀 리더에게서 많은 내적인 지지와 지원을 받고 팀 리더의 언행과 의사 결정에 데이터 과학자들이 신뢰를 가지고 있다면 팀 리더가 어쩔 수 없이 데이터 과학자 각각의 업무와 팀 전체의 업무를 방향 전환하려고 할 때 팀 리더를 돕고 싶은 마음에 기꺼이 팀 리더의 결정에 따르려고 할 것이다.

데이터 과학자들의 내적인 동기부여는 업무 그 자체의 의미와 맥락에 대해 확신을 가지는 것으로도 오지만, 팀 리더와의 인간적인 신뢰로부터 오기도 한다. 지난 스물아홉번째, 서른번째 글에서 자세히 소개한 것처럼, 데이터 과학자들의 인간적인, 감정적인, 정서적인 어려움도 이해하고 도움을 주며, 일관되고 투명한 소통으로 데이터 과학팀원들의 신뢰를 평소에 잘 쌓아놓는 것도 데이터 과학자들의 내적 동기를 유도하는 좋은 방법이 된다.

네번째로, 데이터 과학자들의 내적인 동기부여를 일으키고 유지하기 위해서는 데이터 과학팀의 업무가 단순 반복적인 업무가 되지 않도록 유의해야 한다.

필자가 직접 본 경우 중에 이런 경우가 있었다. 어떤 서비스 상품의 서비스 이용 데이터를 분석해서 차기 버전 서비스 기획 및 개발을 위한 방향과 로드맵을 제시하기 위해 새롭게 데이터 과학팀이 조직되었다. 팀의 리더는 팀원들의 감정적, 정서적인 필요와 기대에 부합할 수 있을 정도로 팀원들과의 관계와 인간적인 면에서 좋은 리더였지만 아쉽게도 데이터 과학에 대한 경험이 없는 리더였다.

이 리더가 한 큰 실수는 서비스 이용 데이터를 분석하는 과정을 개선하거나 새로운 분석 시도를 하지 않고 데이터 분석과정을 자동화, 프로세스화한 후 데이터 과학자들을 이렇게 만들어진 데이터 분석 시스템의 운영자(operator)로 전락시켜 버린 것이었다. 대부분 팀원이 관련 부서의 급한 데이터 요청에 대응하는 일만 하게 되었고, 수집된 데이터에서 새로운 의미나 통찰을 얻는 연구와 분석을 전혀 하지 않고 오히려 마케팅 부서나 관련 부서가 직접 분석을 하거나 외주 용역으로 데이터 분석을 하게 되었다. 당장의 마케팅 및 타 부서의 급하고 필요한 업무에 대응하고 만족시키느라 데이터 과학자들의 내적 동기 부여를 할 여력을 팀이 가지지 못한 것이다.

여러 가지 이유로 이런 일이 생겼겠지만, 이렇게 데이터 과학팀에서 본연의 업무를 수행하지 못하고 데이터 과학팀의 분석 결과를 받아 업무를 수행해야 할 부서가 오히려 직접 데이터 분석을 하거나 데이터만 받아서 외주 용역으로 데이터 분석을 한다는 것은 조직이 이중으로 낭비를 하는 것이다. 이미 보유한 데이터 과학자들을 효과적으로 활용하지 못하는 데다가, 데이터 분석과 비즈니스 방향 제시를 위해 만든 데이터 과학팀이 본연의 업무를 하지 못하고 같은 업무를 다른 부서가 하거나 외주 용역을 쓴다는 것은 같은 일을 하는데 이중의 비용을 들이는 것이기 때문이다.

이런 어처구니없는 일이 생기지 않도록 데이터 과학팀 리더는 팀원들에게 데이터 과학팀의 미션과 본연의 임무에 대해서 지속해서 상기시켜줄 필요가 있고, 조직 내의 정치적인 역학 관계에 의해서 데이터 과학팀의 역할과 책임의 범위가 본연의 임무와 다르게 변질되지 않도록 타 부서와의 관계를 잘 다지고 협업 관계를 공고하게 다지는 것이 중요하다.

그리고 무엇보다도 데이터 과학팀 리더가 팀의 본질을 지키기 위해 해야 할 가장 중요한 일은 데이터 과학자들의 역량을 최대한으로 발휘할 수 있게 해주고 자발적인 동기 부여를 할 수 있게 하는 데이터 과학 문제를 팀원들과 같이 정기적으로 정의, 발견해내고 이를 구체적인 업무 목표로 정의하는 것이다. 앞의 사례에서 팀 리더가 한 가장 근본적인 실수는 데이터 과학팀원들이 본연의 임무를 할 수 있게 하는 목표 제시를 위한 문제 발굴과 정의를 게을리하면서 다른 부서에 데이터 과학팀의 본연의 역할에 대한 브랜딩을 하지 않았다는 데 있다. 이런 실수를 하지 않도록 조심하도록 하자.

다섯 번째로, 데이터 과학자들과 데이터 과학팀원들이 프로젝트를 통해 얻은 성과와 이를 통해 만든 기업 및 조직 문제 해결에의 기여를 팀원들과 같이 공유하고 축하, 격려하는 자리를 자주 만드는 것이 좋다.

데이터 과학자들을 포함한 과학자, 공학자, 연구자들은 대개 실생활과는 다소 거리가 있는 것처럼 보이는 아이디어나 문제에 매달려서 시간을 보내기 마련이다. 과학의 근본적인 문제를 자주 다루는 수학자, 물리학자들은 말할 것도 없고, 많은 과학자, 공학자들은 상품 개발을 하는 연구자들을 제외하고는 대개 자신들이 연구하는 문제와 이를 해결하기 위한 아이디어가 사회에 언제 어떤 결과를 가져올지 정확하게 알지 못한 채 연구하는 경우가 많다.

데이터 과학자들이 해결하기 위해 노력하는 비즈니스와 조직 경영의 문제들은 그래도 일반 과학자, 공학자들이 연구하는 문제에 비해서는 상당히 구체적이고 당장 필요한 문제들임에도 불구하고 경영진이나 기업의 다른 부서, 구성원들이 보았을 때는 굳이 저렇게 데이터 과학팀을 별도로 만들고 어려운 데이터 과학 기법을 쓰면서까지 데이터를 수집하여 분석할 필요가 있겠냐는 생각을 하기 마련이다.

데이터 과학자들 입장에서도 본인들이 해결하기 위해 노력하는 문제, 그리고 해결하여 만든 결론들이 실제 비즈니스와 기업 경영에 어떤 긍정적인 영향을 주었는지 잘 모르는 상황에서 본인들의 업무에 대한 자부심과 확신, 동기부여를 꾸준히 하기는 어려울 수 있다. 문제를 풀기 위해 데이터 과학자 자신이 사용하고 새롭게 고안해낸 분석 기법과 분석 소프트웨어 등의 산출물들을 만드는 과정 자체를 즐기면서 기꺼이 몰입하는 데이터 과학자들도 많이 있을 것이다. 그렇지만 이들이 만든 산출물들이 좀더 유용하고 쓸모 있는 것이 되기 위해서는 이들의 산출물과 분석 결과를 사용해 실제 비즈니스를 수행하고 조직을 운영하는 부서와 구성원들이 그 산출물과 분석 결과가 자신들의 업무에 가져온 긍정적인 결과에 대해서 피드백해줄 수 있다면 데이터 과학팀원들이 훨씬 더 보람 있고 자부심을 느끼면서 동기부여가 될 가능성이 높다.

이렇게 데이터 과학자들을 더 효과적으로 동기부여하고 데이터 과학팀에서 해결하고자 하는 문제를 기업 경영 현안과 더 밀접한 연관이 있는 문제로 만들기 위해서 데이터 과학팀에서 만든 성과와 그 결과에 대해 팀원들과 유관 부서와 같이 공유하고, 이렇게 얻은 성과를 서로 축하하고 격려하는 공식적인 자리를 자주 만드는 것이 좋다. 이렇게 해서 데이터 과학팀원들이 만든 성과를 팀 내부에서 기념할 만한 업적으로 만들어 공유하고, 그 내용을 지속해서 상기시킬 수 있도록 팀 공통의 소통 공간에 전시하거나 기록하여 남겨놓는 것이 좋다.

이런 자리를 통해 데이터 과학자들이 자신들이 데이터 과학을 통해 해결한 문제가 다른 부서의 업무와 기업 경영 현안 해결에 어떤 긍정적인 영향을 주었는지 직접 확인하면서 본인이 하는 업무의 유용성과 전사 업무에서의 위치에 대해 좀더 구체적인 생각을 가질 수 있게 된다. 이런 자리를 통해 얻은 긍정적인 경험은 데이터 과학자들이 자신의 업무에 더 몰입하고 동기부여를 하는 계기가 될 것이다.

지금까지 살펴본 데이터 과학팀의 동기부여를 위해 염두에 두어야 할 다섯 가지 요소들을 관통하는 핵심은 이들이 내적인 필요에 의해 스스로 동기부여할 수 있도록 팀 리더가 팀을 이끌어야 한다는 것이다. 데이터 과학팀 업무에 팀원들이 스스로 동기부여할 수 있도록 하는 제일 좋은 방법은 이들을 매혹시킬 만한 좋은 데이터 과학 문제와 프로젝트를 지속해서 만들어내고 팀 업무 목표로서 제시하는 것이다.

지금까지 데이터 과학팀을 이끄는 리더가 염두에 두어야 할 리더십 요건에 관한 글의 마지막으로, 데이터 과학자 개개인의 집중력과 생산성을 높이기 위해 팀 리더가 고려해야 할 것들에 대해서 자세히 살펴보았다. 

스물아홉번째 글부터 이번 서른한번째 글까지 세 편의 글에서 꽤 많은 지면을 할애하여 데이터 과학팀을 이끄는 리더가 고려해야 할 리더십의 요건에 대해서 살펴본 것은 데이터 과학팀이 성공적으로 조직의 일부로 정착하고 조직의 비즈니스에 기여하기 위해서는 그만큼 리더의 역할이 중요하다는 것을 강조하기 위한 것이다.

이뿐만 아니라, 필자는 역량 있고 뛰어난 데이터 과학자들을 영입했음에도 잘못된 리더십으로 인해 뚜렷한 성과를 거두지 못하고 제 역할을 하지 못하는 안타까운 경우를 많이 보아왔다. 데이터 과학팀이 조직의 비즈니스에 진정한 소금의 역할을 하는 핵심 부서로 자리 잡기 위해 데이터 과학팀 리더들이 시행착오를 덜 겪고 진정한 리더로 성장하기를 바라는 마음으로 자세하게 적다 보니 글이 다소 길어졌다. 이 때문에 글이 다소 지루해졌다면 그것은 필자의 책임이다. 그렇지만, 필자가 언급한 내용을 염두에 두고 리더십을 발휘한 리더가 우리나라 기업들의 비즈니스 현장에서 빅데이터와 데이터 과학 도입의 성공적인 사례를 많이 만들어냈으면 하는 바람이다.

[참고문헌]
[1] 김진철, “LHC에서 배우는 빅데이터와 machine learning 활용 방안”, 2016년 9월 28일, A CIO Conversation for Technology Leadership – Breakfast Roundtable 발표 자료
[2] 로버트 흐로마스, 크리스토퍼 흐로마스, “아인슈타인의 보스 – 천재들을 지휘하는 10가지 법칙,” 더난 출판, 2018.
[3] 프레데릭 라루, “조직의 재창조,” 생각사랑, 2016.
[4] 홍성수, 구미영, 김정혜, 김동현, 박주영, 엄진령, 조경배, 주형민, 문유진, “직장 내 괴롭힘 실태조사”, 국가인권위원회, 발간 번호11-1620000-000662-01, 2017.

*김진철 박사는 1997년 한국과학기술원에서 물리학 학사, 1999년 포항공과대학교에서 인공신경망에 대한 연구로 석사 학위를, 2005년 레이저-플라즈마 가속기에 대한 연구로 박사 학위를 받았다. 2005년부터 유럽입자물리학연구소(CERN)의 LHC 데이터 그리드 구축, 개발에 참여, LHC 빅데이터 인프라를 위한 미들웨어 및 데이터 분석 기술을 연구하였다. 이후 한국과학기술정보연구원(KISTI), 포항공과대학교, 삼성SDS를 거쳐 2013년부터 SK텔레콤에서 클라우드 컴퓨팅과 인공지능 기술을 연구하고 있다. 빅데이터와 인공지능 기술의 기업 활용 방안에 대해 최근 다수의 초청 강연 및 컨설팅을 수행하였다. ciokr@idg.co.kr

CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

발행인 : 박형미 편집인 : 천신응 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.