Offcanvas

��������� ���������

‘데이터를 가치로 바꾼다’··· 데이터과학 ABC

데이터 과학은 통계 분석에서 머신러닝에 이르는 각종 접근법을 사용하여 정형 및 비정형 데이터에서 통찰력을 얻는 방법을 의미한다. 대부분의 조직에서는 매출 개선, 비용 절감, 비즈니스 민첩성, 고객 경험 개선, 신제품 개발 등의 형태로 데이터를 가치로 변환하기 위해 사용된다. 즉 데이터 과학은 조직이 수집한 수많은 데이터에 목적과 가치를 부여한다.   데이터 과학 vs. 데이터 애널리틱스 밀접한 관계이기는 하지만 같은 용어는 아니다. 데이터 애널리틱스는 조직의 데이터가 어떤 모습인지 이해하는 데 사용되는 데이터 과학의 구성 요소이다. 데이터 과학은 애널리틱스의 산출물을 이용하여 문제를 해결한다.  데이터 과학자들은 데이터로 무언가를 조사하는 것은 단순히 분석이라고 말하곤 한다. 데이터 과학은 문제를 설명하고 해결하기 위해 분석을 또 다른 단계로 나아가게 한다. 데이터 애널리틱스와 데이터 과학 간의 차이는 또한 시간 척도(timescale)에서도 나타난다. 데이터 애널리틱스는 현재의 현실 상태를 기술하는 반면, 데이터 과학은 미래를 예측 또는 이해하기 위해 데이터를 사용한다.  장점 데이터 과학의 비즈니스 가치는 각 조직과 조직의 필요에 따라 다르다. 가령 데이터 과학은 하드웨어 장애를 예측하도록 도울 수 있어 다운타임을 방지할 수 있게 해준다. 매장 진열대에 무엇을 놓을 것인지, 혹은 제품의 특성에 기초하여 그것이 얼마나 인기가 있을 것인지를 예측하는 데 도움이 될 수도 있다. 데이터 과학의 비즈니스 가치에 대한 자세한 통찰력에 대해서는 ‘데이터 애널리틱스의 예상치 못한 이점’(영문)과 ‘데이터 애널리틱스이라는 암흑 과학 설명’(영문)을 참조한다.   ->나쁜 데이터 과학자 구별하기 '8가지 신호' ->이상은 '데이터 과학자', 현실은 '디지털 청소부' ->데이터 과학자에 관한 4가지 오해 일자리 데이터 과학 학위 프로그램의 수는 빠르게 증가하고 있지만, 조직이 데이터 과학자를 구...

데이터 과학팀 데이터 과학자 데이터 애널리틱스

2022.04.26

데이터 과학은 통계 분석에서 머신러닝에 이르는 각종 접근법을 사용하여 정형 및 비정형 데이터에서 통찰력을 얻는 방법을 의미한다. 대부분의 조직에서는 매출 개선, 비용 절감, 비즈니스 민첩성, 고객 경험 개선, 신제품 개발 등의 형태로 데이터를 가치로 변환하기 위해 사용된다. 즉 데이터 과학은 조직이 수집한 수많은 데이터에 목적과 가치를 부여한다.   데이터 과학 vs. 데이터 애널리틱스 밀접한 관계이기는 하지만 같은 용어는 아니다. 데이터 애널리틱스는 조직의 데이터가 어떤 모습인지 이해하는 데 사용되는 데이터 과학의 구성 요소이다. 데이터 과학은 애널리틱스의 산출물을 이용하여 문제를 해결한다.  데이터 과학자들은 데이터로 무언가를 조사하는 것은 단순히 분석이라고 말하곤 한다. 데이터 과학은 문제를 설명하고 해결하기 위해 분석을 또 다른 단계로 나아가게 한다. 데이터 애널리틱스와 데이터 과학 간의 차이는 또한 시간 척도(timescale)에서도 나타난다. 데이터 애널리틱스는 현재의 현실 상태를 기술하는 반면, 데이터 과학은 미래를 예측 또는 이해하기 위해 데이터를 사용한다.  장점 데이터 과학의 비즈니스 가치는 각 조직과 조직의 필요에 따라 다르다. 가령 데이터 과학은 하드웨어 장애를 예측하도록 도울 수 있어 다운타임을 방지할 수 있게 해준다. 매장 진열대에 무엇을 놓을 것인지, 혹은 제품의 특성에 기초하여 그것이 얼마나 인기가 있을 것인지를 예측하는 데 도움이 될 수도 있다. 데이터 과학의 비즈니스 가치에 대한 자세한 통찰력에 대해서는 ‘데이터 애널리틱스의 예상치 못한 이점’(영문)과 ‘데이터 애널리틱스이라는 암흑 과학 설명’(영문)을 참조한다.   ->나쁜 데이터 과학자 구별하기 '8가지 신호' ->이상은 '데이터 과학자', 현실은 '디지털 청소부' ->데이터 과학자에 관한 4가지 오해 일자리 데이터 과학 학위 프로그램의 수는 빠르게 증가하고 있지만, 조직이 데이터 과학자를 구...

2022.04.26

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

데이터 과학팀 리더의 리더십 (5) – 머리와 가슴을 조화시켜라 (집중할 수 있는 환경 만들기) 지난 스물아홉번째, 서른번째 글에서 데이터 과학팀을 이끄는 리더가 자주 범하는 실수인 리더 자신이 걸림돌이 되는 리더십의 문제점, 팀의 문제 해결 역량과 시너지를 높이기 위한 팀 내 투명한 소통, 팀원 간 케미 및 관계, 팀의 집중력을 유지하는 문제를 다루었다. 이번 글에서는 데이터 과학자 및 데이터 과학팀 구성원 개개인의 역량을 최대로 끌어내기 위해 필요한 리 더십 요소들을 같이 생각해보자.   데이터 과학자들은 과학자의 호기심을 보통 사람들보다 강하게 가지고 있는 사람들이어서, 데이터 과학자가 자신의 흥미와 아이디어를 좇다가 팀의 미션과 목표에서 벗어나지 않고 팀이 팀 전체의 집중력을 잃지 않게끔, 팀 리더가 각 데이터 과학자의 업무 집중력을 세심하게 점검하고 부드럽게 조율해줄 필요가 있다고 얘기하였다. 호기심이 원동력이 되는 데이터 과학자들의 자율성과 자발적 헌신을 해치지 않으면서 각 데이터 과학자가 팀의 미션과 업무에 집중하게끔 하여 팀 수준의 집중력을 높이는 것도 중요하지만, 이들 각각이 업무에 집중할 수 있는 환경을 만드는 것도 매우 중요하다. 데이터 과학팀 구성원들이 업무에 집중할 수 있는 환경이란 단순히 조용하고 방해받지 않는 업무 공간을 만드는 것만을 의미하지 않는다. 데이터 과학팀 구성원들이 업무에 집중할 수 있는 환경이란 정서적, 감정적으로 안전하게 느끼고 팀의 미션을 위해 집중해서 풀어야 하는 문제 이외에 스트레스를 주는 다른 문제에 마음을 빼앗겨 온전히 집중하지 못하는 일이 없도록 팀 분위기를 유지하는 일을 포함한다.  많은 리더는 데이터 과학자와 같은 과학자를 마치 데이터와 자료만 주면 뭔가 대단한 것을 기계적으로 만들어 내는 기계처럼 생각하는 것 같다. 데이터 과학자들도 보통 사람들과 같은 감정과 정서를 지닌 사람이라는 것을 종종 간과하는 것이다. 데이터 과학자들이 보통 사람들보다 더 이성적이고 논리적인 사고에 ...

CIO 알파고 웨이모 김진철 빅테이블 데이터 과학팀 따돌림 아인슈타인의 보스 – 천재들을 지휘하는 10가지 법칙 쿠버네티스 텐서플로 구글 빅데이터 이직 컨테이너 맵리듀스 KPI 데이터 과학 딥마인드 직장내 괴롭힘

2019.07.23

데이터 과학팀 리더의 리더십 (5) – 머리와 가슴을 조화시켜라 (집중할 수 있는 환경 만들기) 지난 스물아홉번째, 서른번째 글에서 데이터 과학팀을 이끄는 리더가 자주 범하는 실수인 리더 자신이 걸림돌이 되는 리더십의 문제점, 팀의 문제 해결 역량과 시너지를 높이기 위한 팀 내 투명한 소통, 팀원 간 케미 및 관계, 팀의 집중력을 유지하는 문제를 다루었다. 이번 글에서는 데이터 과학자 및 데이터 과학팀 구성원 개개인의 역량을 최대로 끌어내기 위해 필요한 리 더십 요소들을 같이 생각해보자.   데이터 과학자들은 과학자의 호기심을 보통 사람들보다 강하게 가지고 있는 사람들이어서, 데이터 과학자가 자신의 흥미와 아이디어를 좇다가 팀의 미션과 목표에서 벗어나지 않고 팀이 팀 전체의 집중력을 잃지 않게끔, 팀 리더가 각 데이터 과학자의 업무 집중력을 세심하게 점검하고 부드럽게 조율해줄 필요가 있다고 얘기하였다. 호기심이 원동력이 되는 데이터 과학자들의 자율성과 자발적 헌신을 해치지 않으면서 각 데이터 과학자가 팀의 미션과 업무에 집중하게끔 하여 팀 수준의 집중력을 높이는 것도 중요하지만, 이들 각각이 업무에 집중할 수 있는 환경을 만드는 것도 매우 중요하다. 데이터 과학팀 구성원들이 업무에 집중할 수 있는 환경이란 단순히 조용하고 방해받지 않는 업무 공간을 만드는 것만을 의미하지 않는다. 데이터 과학팀 구성원들이 업무에 집중할 수 있는 환경이란 정서적, 감정적으로 안전하게 느끼고 팀의 미션을 위해 집중해서 풀어야 하는 문제 이외에 스트레스를 주는 다른 문제에 마음을 빼앗겨 온전히 집중하지 못하는 일이 없도록 팀 분위기를 유지하는 일을 포함한다.  많은 리더는 데이터 과학자와 같은 과학자를 마치 데이터와 자료만 주면 뭔가 대단한 것을 기계적으로 만들어 내는 기계처럼 생각하는 것 같다. 데이터 과학자들도 보통 사람들과 같은 감정과 정서를 지닌 사람이라는 것을 종종 간과하는 것이다. 데이터 과학자들이 보통 사람들보다 더 이성적이고 논리적인 사고에 ...

2019.07.23

김진철의 How-to-Big Data | 빅데이터 조직과 시스템 (9)

데이터 과학팀 리더의 리더십 (2) – 바윗돌을 뒤집어라 (투명한 소통) 지난 스물아홉 번째 글에서는 데이터 과학팀을 이끄는 리더십의 첫번째로 리더 자신이 걸림돌이 되는 경우, 그리고 리더 자신이 걸림돌이 되지 않는 방법에 대해서 살펴보았다. 데이터 과학팀과 같은 전문가 조직에서 리더 자신이 걸림돌이 되는 많은 경우가 적절치 못한 리더십을 행사하기 때문인데, 이런 적절치 못한 리더십의 배경에는 위계 중심 조직에서 성장한 리더가 역할 중심 조직으로 운영되어야 할 데이터 과학팀을 위계 중심 조직에서 성공했던 리더십 방식을 사용하여 이끌려고 하기 때문에 생기는 문제임을 설명하였다. 이번 서른 번째 글에서도 데이터 과학팀을 이끄는 리더가 염두에 두어야 할 리더십의 요소들을 계속해서 몇 가지 더 살펴보고자 한다. 리더가 걸림돌이 되지 않는 리더십 다음으로 데이터 과학팀의 리더가 중요하게 생각해야 하는 것이 바로 소통이다. 데이터 과학팀을 구성하는 데이터 과학자들, 소프트웨어 엔지니어들과 투명하고 원만한 소통이 없이는 결코 데이터 과학팀은 그 역할을 다할 수 없다.   최근 어느 조직이나 투명하고 격의 없는 소통을 강조하는 분위기가 사회 전반에 확산되고 있어 바람직하다는 생각이 든다. 하지만, 과거 유럽과 미국 등의 서구 국가가 겪었던 시민이 주도하는 혁명과 시민의식 성장의 과정을 역사에서 온전하게 겪지 못하고, 일제강점기의 식민 치하에서 생긴 좋지 못한 정신적 유산, 대한민국 건국 초기 민주주의가 온전하게 정착되지 못하면서 권위주의 정부가 보여준 리더십에 익숙한 우리나라는 유독 투명한 소통과 대화가 쉽사리 자리를 잡기가 어려운 듯하다. 이런 과거의 잔재가 패스트 팔로워 전략을 취했던 과거 제조업 중심의 경제에서 새로운 비즈니스와 기술 혁신을 통한 선진국형 경제로 우리나라가 나아가는데 계속해서 발목을 잡고 있다는 생각이 든다. 어느 조직, 어느 팀이나 효율적이고 기민하게 움직이기 위해서는 구성원 간 원활한 정보 교환과 소통이 필수적이다. 꼭 데이터 과학...

CIO 커뮤니케이션 빅데이터 데이터 과학자 의사소통 데이터 과학 김진철 데이터 과학팀 아인슈타인의 보스

2019.06.25

데이터 과학팀 리더의 리더십 (2) – 바윗돌을 뒤집어라 (투명한 소통) 지난 스물아홉 번째 글에서는 데이터 과학팀을 이끄는 리더십의 첫번째로 리더 자신이 걸림돌이 되는 경우, 그리고 리더 자신이 걸림돌이 되지 않는 방법에 대해서 살펴보았다. 데이터 과학팀과 같은 전문가 조직에서 리더 자신이 걸림돌이 되는 많은 경우가 적절치 못한 리더십을 행사하기 때문인데, 이런 적절치 못한 리더십의 배경에는 위계 중심 조직에서 성장한 리더가 역할 중심 조직으로 운영되어야 할 데이터 과학팀을 위계 중심 조직에서 성공했던 리더십 방식을 사용하여 이끌려고 하기 때문에 생기는 문제임을 설명하였다. 이번 서른 번째 글에서도 데이터 과학팀을 이끄는 리더가 염두에 두어야 할 리더십의 요소들을 계속해서 몇 가지 더 살펴보고자 한다. 리더가 걸림돌이 되지 않는 리더십 다음으로 데이터 과학팀의 리더가 중요하게 생각해야 하는 것이 바로 소통이다. 데이터 과학팀을 구성하는 데이터 과학자들, 소프트웨어 엔지니어들과 투명하고 원만한 소통이 없이는 결코 데이터 과학팀은 그 역할을 다할 수 없다.   최근 어느 조직이나 투명하고 격의 없는 소통을 강조하는 분위기가 사회 전반에 확산되고 있어 바람직하다는 생각이 든다. 하지만, 과거 유럽과 미국 등의 서구 국가가 겪었던 시민이 주도하는 혁명과 시민의식 성장의 과정을 역사에서 온전하게 겪지 못하고, 일제강점기의 식민 치하에서 생긴 좋지 못한 정신적 유산, 대한민국 건국 초기 민주주의가 온전하게 정착되지 못하면서 권위주의 정부가 보여준 리더십에 익숙한 우리나라는 유독 투명한 소통과 대화가 쉽사리 자리를 잡기가 어려운 듯하다. 이런 과거의 잔재가 패스트 팔로워 전략을 취했던 과거 제조업 중심의 경제에서 새로운 비즈니스와 기술 혁신을 통한 선진국형 경제로 우리나라가 나아가는데 계속해서 발목을 잡고 있다는 생각이 든다. 어느 조직, 어느 팀이나 효율적이고 기민하게 움직이기 위해서는 구성원 간 원활한 정보 교환과 소통이 필수적이다. 꼭 데이터 과학...

2019.06.25

김진철의 How-to-Big Data | 빅데이터 조직과 시스템 (8)

이번 글부터 앞으로 두, 세편의 글에서는 데이터 과학팀 리더가 데이터 과학팀을 이끌기 위해 염두에 두어야 할 몇 가지를 같이 정리해보려고 한다. 사실 어떤 조직이든 리더십이야 공통된 요소가 있고, 특히 리더십에 대해서는 수많은 좋은 책과 자료가 많아서 필자가 여기 다시 그런 내용을 모두 언급하는 것은 지면과 시간의 낭비가 될 것 같다. 그래서, 데이터 과학팀에 꼭 필요한 리더십의 요소와 특성, 그리고 데이터 과학팀의 리더가 저지르기 쉬운 실수에 대해서 간단하게 짚어보고자 한다.   먼저 많은 경우 일반 기업과 조직에서는 데이터 과학 전문가가 리더를 맡는 경우보다는 현재 기업과 조직에서 리더의 역할을 하는 분들이 데이터 과학팀 조직 초반에 리더를 맡는 경우가 많을 것이다. 필자가 경험한 바에 따르면 기업과 조직에서 데이터 과학팀이 제대로 성과를 내지 못하고 자리 잡지 못하는 이유가 리더의 리더십과 리더십 행사 방식이 데이터 과학팀과 잘 맞지 않아서 생기는 경우가 많다는 것을 알게 되었다. 그렇다면 왜 리더의 리더십과 리더십 행사 방식이 데이터 과학팀과 잘 맞지 않는 경우가 생기는 걸까? 필자가 보고 듣거나 직접 경험한 바에 따르면 일반 기업과 조직의 리더들이 현재 구사하는 리더십의 방법들은 대부분 데이터 과학자와 같은 전문가 그룹을 이끌기에 잘 맞지 않는 방식인 경우가 많다. 우리나라 많은 기업과 조직들이 과거 우리나라의 경제적인 부를 가져다준 패스트 팔로워 방식의 비즈니스 추구 방식과 경쟁 우위를 추구하는 방법을 주로 쓰다 보니 데이터 과학팀에 필요한 스타트업과 같은 문제 해결 및 비즈니스 모델 검증에 적합한 비즈니스 추구 방식을 어색해하고 잘 사용하지 않는 경우가 많다. 여기에 승진과 조직 내 권력 구조와 관련된 문제가 얽히기 시작하면, 데이터 과학팀이 막 조직된 기업과 조직에서 데이터 과학팀을 누가 이끌고 이를 통해 이득을 얻게 되는가 하는 문제로 복잡한 양상이 나타나게 되고, 이 과정에서 막 조직된 데이터 과학팀이 날개를 펴보지도 못하...

CIO 데이터 과학자 김진철 어벤져스 데이터 과학팀 역할 중심 조직 위계 중심 조직

2019.05.24

이번 글부터 앞으로 두, 세편의 글에서는 데이터 과학팀 리더가 데이터 과학팀을 이끌기 위해 염두에 두어야 할 몇 가지를 같이 정리해보려고 한다. 사실 어떤 조직이든 리더십이야 공통된 요소가 있고, 특히 리더십에 대해서는 수많은 좋은 책과 자료가 많아서 필자가 여기 다시 그런 내용을 모두 언급하는 것은 지면과 시간의 낭비가 될 것 같다. 그래서, 데이터 과학팀에 꼭 필요한 리더십의 요소와 특성, 그리고 데이터 과학팀의 리더가 저지르기 쉬운 실수에 대해서 간단하게 짚어보고자 한다.   먼저 많은 경우 일반 기업과 조직에서는 데이터 과학 전문가가 리더를 맡는 경우보다는 현재 기업과 조직에서 리더의 역할을 하는 분들이 데이터 과학팀 조직 초반에 리더를 맡는 경우가 많을 것이다. 필자가 경험한 바에 따르면 기업과 조직에서 데이터 과학팀이 제대로 성과를 내지 못하고 자리 잡지 못하는 이유가 리더의 리더십과 리더십 행사 방식이 데이터 과학팀과 잘 맞지 않아서 생기는 경우가 많다는 것을 알게 되었다. 그렇다면 왜 리더의 리더십과 리더십 행사 방식이 데이터 과학팀과 잘 맞지 않는 경우가 생기는 걸까? 필자가 보고 듣거나 직접 경험한 바에 따르면 일반 기업과 조직의 리더들이 현재 구사하는 리더십의 방법들은 대부분 데이터 과학자와 같은 전문가 그룹을 이끌기에 잘 맞지 않는 방식인 경우가 많다. 우리나라 많은 기업과 조직들이 과거 우리나라의 경제적인 부를 가져다준 패스트 팔로워 방식의 비즈니스 추구 방식과 경쟁 우위를 추구하는 방법을 주로 쓰다 보니 데이터 과학팀에 필요한 스타트업과 같은 문제 해결 및 비즈니스 모델 검증에 적합한 비즈니스 추구 방식을 어색해하고 잘 사용하지 않는 경우가 많다. 여기에 승진과 조직 내 권력 구조와 관련된 문제가 얽히기 시작하면, 데이터 과학팀이 막 조직된 기업과 조직에서 데이터 과학팀을 누가 이끌고 이를 통해 이득을 얻게 되는가 하는 문제로 복잡한 양상이 나타나게 되고, 이 과정에서 막 조직된 데이터 과학팀이 날개를 펴보지도 못하...

2019.05.24

IDG 설문조사

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

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

Copyright © 2022 International Data Group. All rights reserved.

10.4.0.6