QR/바코드 검색
품목정보
| 발행일 | 2021년 04월 05일 |
|---|---|
| 쪽수, 무게, 크기 | 322쪽 | 514g | 140*216*19mm |
| ISBN13 | 9791191307153 |
| ISBN10 | 1191307158 |
돈이 되는 빅데이터 읽기
: 비전문가도 바로 써먹는 데이터 기술
이안 셰퍼드 저 / 최희빈 역
|
시그마북스
|
2021년 04월 05일
저자/출판사 더보기/감추기
- eBook
11,550원이동 - 이미 소장하고 있다면 판매해 보세요! 이 상품 팔기 매입가 1,400원 더보기/감추기
- 해외배송 가능
- 최저가 보상
- 문화비소득공제 신청가능
![[사락] 매월 혜택 증정! 꾸준하게 독서모임](https://image.yes24.com/sysimage/renew/loadSpace.png)
.jpg)
.jpg)
관련분류
이 상품의 태그
카드 뉴스로 보는 책
책소개 책소개 보이기/감추기
목차 목차 보이기/감추기
상세 이미지 상세 이미지 보이기/감추기
상품 이미지를 확대해서 볼 수 있습니다.
원본 이미지
저자 소개 (2명)
책 속으로 책속으로 보이기/감추기
모든 기업이 데이터에 집중하는 데는 그만한 이유가 있다. 오로지 온라인 사업만 하는 기업은 최신 기술과 많은 비용이 드는 점포나 쓸모없는 투자에서 자유롭다. 이러한 기업의 도약으로 기존 소비자 기업은 전 세계적으로 엄청난 도전에 직면한다. 신생 온라인 기업이 가진 다른 이점들이 충분하지 못한 것 같지만, 온라인 기업은 데이터가 넘쳐난다. 왜냐하면 온라인 기업에 이메일 주소와 실제 주소를 제공하지 않고는, 온라인으로 산다는 행위가 불가능하기 때문이다. 온라인 기업은 자연스럽게 고객 데이터베이스를 획득한다. 그리고 온라인 기업은 당연하게도, 이런 데이터의 이점을 무자비하게 활용해 예측 모형을 구축하고 통찰을 얻는다. 그래서 일반적인 경쟁 업체보다 개별 고객이 조금 더 소비를 하도록 촉진시킬 수 있다.
--- 「서문」 중에서
기업이 데이터를 다룬다는 것은, 어떻게 데이터에서 수익을 창출하는지 파악하려 애쓴다는 의미다. 데이터를 다룰 때, 헤드라인에 나온 통계를 피하는 다른 방법은 없다. …(중략)… 업계에 분석 전문가가 정말 있을까? 누가 이 모든 데이터를 분석하고 우리에게 결론을 간단히 전달할까? 아마도 있을 것이다. 데이터를 캐묻는 방법에 스스로 친숙해질 때 한 가지 장점이 있다. 분석 전문가가 수행하는 업무를 더 쉽게 이해하고, 분석 전문가에게 더 수준 높은 질문을 할 수 있다는 것이다. 또 다른 장점은 데이터와 친숙해질수록 기업이 평균에 속아 흔히 저지르는, 값비싼 실수를 더 많이 피할 수 있다는 것이다. 데이터를 분석하는 여정을 계속하기 전에, 다음 장에서 매우 전형적인 실수 한 가지를 짚어보려고 한다. 아마 남 일 같지 않아서 읽으면서도 편하지는 않을 것이다.
--- 「Chapter 1 데이터 분석을 위한 몇 가지 유용한 개념」 중에서
마케팅 커뮤니케이션 관점에서 세분화 연습은 더 이상 유용하지 않다. 그렇더라도 기업의 생각이나 다른 소외된 부분을 발전시키는 데는 유용한 요소가 될 수 있다. 가능한 한 해당 세그멘트를 보고에 포함시켜, 고객이 서로 어떻게 다른지 앞에서 관찰할 수 있을 것이다. 뿐만 아니라 다른 세그멘트가 다른 시장 움직임이나 전략적 행동에 어떻게 반응하는지 추적하는 것도 가능하다.
--- 「Chapter 4 모두가 똑같지는 않다」 중에서
구축할 모형이 무엇이든지, 사업 전반에서 중요한 단계 몇 가지를 미리 생각해봐야 한다. 예측 모형을 구축하는 것은 단지 데이터 분석팀만의 업무가 아니고, 데이터 분석팀도 그저 학구적으로 연습하는 게 아니다. 다른 팀도 고려해야 한다. 먼저 당신의 팀이 분석 전문가와 함께 논의할 의제는 분명하다. 예측할 수 있는 유용한 무언가를 찾을 수 있을까? 이 논의를 시작하기 전에, 기업이 성공하는 데 필요한 핵심 작업을 고려해야 한다. 그리고 어떤 데이터 모형이 훌륭하게 다음을 예측하는 데 도움을 줄지 스스로에게 물어보자.
--- 「Chapter 5 미래를 예측하는 과학」 중에서
시나리오에서 사용하는 브라우저와 휴대전화 광고 클릭에 대한 2가지 통계는 독립적이지 않은 대신 함께 치우쳐 있다. 사용하는 브라우저를 아는 것이 단서다. 당신이 크롬을 사용한다면, 휴대전화 광고에 더 긍정적으로 반응하리라 결론 내릴 수 있다. 흥미롭게도 이런 상관관계는 일종의 누적 품질을 갖는, 즉 더 많은 데이터가 축적될수록 결과가 좋아진다. 그래서 웹사이트 방문 기록, 어떤 정보로 당신이 휴대전화 구매자가 되는지 등 여러 가지 정보를 알면 당신에 대해 점점 더 확신할 수 있게 된다. 어쩌면 기술 관련 기사를 읽는 웹사이트 방문자가 휴대전화를 살 가능성이 더 높을지도 모른다.
--- 「Chapter 7 확률은 얼마나 될까?」 중에서
그러나 가장 놀라운 점은 ‘고객과 연결시킬 수 있는 거래 비중’ 수치가 다양한 범위에 있다는 것이다. 이는 다른 기업과 비교할 때 알 수 있다. 나는 매장을 기반으로 한 소매업체와 일을 한 적이 있다. 이 업체는 거래의 70~80%를 인식할 수 있지만, 비슷한 업종의 다른 소매업체는 20% 미만이었다. 이 차이는 대단히 중요하다. 〈파트 1〉에서 본 여러 종류의 모형과 세분화 모형을 구축하는 능력은 데이터 보유량에 제한될 것이다. 데이터 보유량이 많은 최상위권 업체는 모형을 구축할 수 있지만, 최하위권 업체는 어쩌면 거의 불가능할 수도 있다.
--- 「Chapter 9 먼저 고객부터 시작하라」 중에서
전사적으로 책임과 의무에 대해 주의 깊게 생각하자. 누가 데이터 또는 데이터 분석 변경 프로그램을 소유하며 책임을 지는가? 다른 부서도 확실하게 이 변화를 진지하게 받아들이며 ‘다른 사람의 문제’라고 여기지 않도록, 다른 부서의 책임과 의무, 직무 기술서를 어떻게 변경할 수 있을까? 각 주요 부서에서 핵심 데이터팀과 함께 일하는, 데이터 중심 사고방식을 갖춘 이를 임명할 수 있을까?
--- 「Chapter 13 문화 충돌, 그리고 마음이 편안한 사일로」 중에서
데이터 중심 기업이 되려고 결정한 뒤 직면하는 가장 큰 도전은 대부분 조직 차원의 문제다. 기업의 심장부(중심부)에 데이터를 모으기 위해 필요한 새로운 기술을 어떻게 습득할 수 있을까? 데이터 중심 기업에 도달하려면 어떤 프로젝트를 시작해야 할까? 프로젝트 초기 단계에 우리가 원하는 기술을 보유한 컨설턴트나 자문가나 외부업체와 일해야 한다면, 어떻게 일해야 할까?
--- 「서문」 중에서
기업이 데이터를 다룬다는 것은, 어떻게 데이터에서 수익을 창출하는지 파악하려 애쓴다는 의미다. 데이터를 다룰 때, 헤드라인에 나온 통계를 피하는 다른 방법은 없다. …(중략)… 업계에 분석 전문가가 정말 있을까? 누가 이 모든 데이터를 분석하고 우리에게 결론을 간단히 전달할까? 아마도 있을 것이다. 데이터를 캐묻는 방법에 스스로 친숙해질 때 한 가지 장점이 있다. 분석 전문가가 수행하는 업무를 더 쉽게 이해하고, 분석 전문가에게 더 수준 높은 질문을 할 수 있다는 것이다. 또 다른 장점은 데이터와 친숙해질수록 기업이 평균에 속아 흔히 저지르는, 값비싼 실수를 더 많이 피할 수 있다는 것이다. 데이터를 분석하는 여정을 계속하기 전에, 다음 장에서 매우 전형적인 실수 한 가지를 짚어보려고 한다. 아마 남 일 같지 않아서 읽으면서도 편하지는 않을 것이다.
--- 「Chapter 1 데이터 분석을 위한 몇 가지 유용한 개념」 중에서
마케팅 커뮤니케이션 관점에서 세분화 연습은 더 이상 유용하지 않다. 그렇더라도 기업의 생각이나 다른 소외된 부분을 발전시키는 데는 유용한 요소가 될 수 있다. 가능한 한 해당 세그멘트를 보고에 포함시켜, 고객이 서로 어떻게 다른지 앞에서 관찰할 수 있을 것이다. 뿐만 아니라 다른 세그멘트가 다른 시장 움직임이나 전략적 행동에 어떻게 반응하는지 추적하는 것도 가능하다.
--- 「Chapter 4 모두가 똑같지는 않다」 중에서
구축할 모형이 무엇이든지, 사업 전반에서 중요한 단계 몇 가지를 미리 생각해봐야 한다. 예측 모형을 구축하는 것은 단지 데이터 분석팀만의 업무가 아니고, 데이터 분석팀도 그저 학구적으로 연습하는 게 아니다. 다른 팀도 고려해야 한다. 먼저 당신의 팀이 분석 전문가와 함께 논의할 의제는 분명하다. 예측할 수 있는 유용한 무언가를 찾을 수 있을까? 이 논의를 시작하기 전에, 기업이 성공하는 데 필요한 핵심 작업을 고려해야 한다. 그리고 어떤 데이터 모형이 훌륭하게 다음을 예측하는 데 도움을 줄지 스스로에게 물어보자.
--- 「Chapter 5 미래를 예측하는 과학」 중에서
시나리오에서 사용하는 브라우저와 휴대전화 광고 클릭에 대한 2가지 통계는 독립적이지 않은 대신 함께 치우쳐 있다. 사용하는 브라우저를 아는 것이 단서다. 당신이 크롬을 사용한다면, 휴대전화 광고에 더 긍정적으로 반응하리라 결론 내릴 수 있다. 흥미롭게도 이런 상관관계는 일종의 누적 품질을 갖는, 즉 더 많은 데이터가 축적될수록 결과가 좋아진다. 그래서 웹사이트 방문 기록, 어떤 정보로 당신이 휴대전화 구매자가 되는지 등 여러 가지 정보를 알면 당신에 대해 점점 더 확신할 수 있게 된다. 어쩌면 기술 관련 기사를 읽는 웹사이트 방문자가 휴대전화를 살 가능성이 더 높을지도 모른다.
--- 「Chapter 7 확률은 얼마나 될까?」 중에서
그러나 가장 놀라운 점은 ‘고객과 연결시킬 수 있는 거래 비중’ 수치가 다양한 범위에 있다는 것이다. 이는 다른 기업과 비교할 때 알 수 있다. 나는 매장을 기반으로 한 소매업체와 일을 한 적이 있다. 이 업체는 거래의 70~80%를 인식할 수 있지만, 비슷한 업종의 다른 소매업체는 20% 미만이었다. 이 차이는 대단히 중요하다. 〈파트 1〉에서 본 여러 종류의 모형과 세분화 모형을 구축하는 능력은 데이터 보유량에 제한될 것이다. 데이터 보유량이 많은 최상위권 업체는 모형을 구축할 수 있지만, 최하위권 업체는 어쩌면 거의 불가능할 수도 있다.
--- 「Chapter 9 먼저 고객부터 시작하라」 중에서
전사적으로 책임과 의무에 대해 주의 깊게 생각하자. 누가 데이터 또는 데이터 분석 변경 프로그램을 소유하며 책임을 지는가? 다른 부서도 확실하게 이 변화를 진지하게 받아들이며 ‘다른 사람의 문제’라고 여기지 않도록, 다른 부서의 책임과 의무, 직무 기술서를 어떻게 변경할 수 있을까? 각 주요 부서에서 핵심 데이터팀과 함께 일하는, 데이터 중심 사고방식을 갖춘 이를 임명할 수 있을까?
--- 「Chapter 13 문화 충돌, 그리고 마음이 편안한 사일로」 중에서
데이터 중심 기업이 되려고 결정한 뒤 직면하는 가장 큰 도전은 대부분 조직 차원의 문제다. 기업의 심장부(중심부)에 데이터를 모으기 위해 필요한 새로운 기술을 어떻게 습득할 수 있을까? 데이터 중심 기업에 도달하려면 어떤 프로젝트를 시작해야 할까? 프로젝트 초기 단계에 우리가 원하는 기술을 보유한 컨설턴트나 자문가나 외부업체와 일해야 한다면, 어떻게 일해야 할까?
--- 「Chapter 15 자체 고용 vs 외부 고용, 어떻게 할 것인가?」 중에서
출판사 리뷰 출판사 리뷰 보이기/감추기
배송/반품/교환 안내
배송 안내
| 배송 구분 |
예스24 배송
|
|---|---|
| 포장 안내 |
안전하고 정확한 포장을 위해 CCTV를 설치하여 운영하고 있습니다. 고객님께 배송되는 모든 상품을 CCTV로 녹화하고 있으며, 철저한 모니터링을 통해 작업 과정에 문제가 없도록 최선을 다 하겠습니다.
목적 : 안전한 포장 관리 |
반품/교환 안내
상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)
| 반품/교환 방법 |
|
|---|---|
| 반품/교환 가능기간 |
|
| 반품/교환 비용 |
|
| 반품/교환 불가사유 |
|
| 소비자 피해보상 |
|
| 환불 지연에 따른 배상 |
|
