즐겨 듣는 라디오 프로그램 코너 중 하나에는 빅데이터 전문가가 나와 검색량이 많은 키워드에 관한 이야기를 해준다. 가만 생각해보면 이 코너는 빅데이터가 정말 우리 생활에 깊이 들어와 친숙해졌다는 것을 말해주는 듯 하다. 빅데이터에 관해 막연한 인상만 가지고 있을 뿐 알아보려는 노력은 없었는데, 책 표지의 “데이터만 잘 다루면 다 같은 데이터 사이언티스트일까?”라는 문장에 그 답이 궁금해졌다.

빅데이터란 ‘기존의 데이터베이스로는 수집, 저장, 분석 따위를 수행하기가 어려울 만큼 방대한 양의 데이터’를 말한다.

18

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.

19

AI는 많은 데이터들 중에서 금광을 찾아준다. 문제해결에 도움을 주는 지식을 자동으로 선별해주는 것이다. 빅데이터는 AI가 있어야 분석과 활용이 가능하다. 반대로 AI에게 있어서도 빅데이터는 중요하다. 적은 데이터보다 대량의 빅데이터가 AI에게는 핵심 요소가 되기 때문이다. 사람도 작은 사례들로만 학습할 경우 편향된 시각을 갖기 쉽다. AI도 마찬가지다. 다양하고 많은 데이터를 학습할수록 시각이 넓어지고 판단의 오차도 줄어든다. 이처럼 AI와 빅데이터는 서로가 서로를 지지해주는 상호 보완적 관계라 할 수 있다.

20-21

이와 같은 빅데이터와 AI의 기본적인 개념과 관계를 설명하면서 시작하는 이 책은 빅데이터와 AI를 활용하기 위해 염두에 두어야 할 사항들과 기본 지식들을 알려주고 기업에서 사용하기 위한 구체적인 방법들도 언급된다. 저자가 프롤로그에서 이 책이 “데이터가 있는 모든 산업 관계자들에게 읽히기를 바란다.”고 하듯 책 곳곳에 빅데이터와 AI를 활용한 사례들, 특히 여러 기업의 매출 신장과 관련한 사례들이 나와 있어서 흥미롭게 읽힌다.

인공지능, 머신러닝, 딥러닝이 전부 같은 줄 알았던 내게는 이 도표가 세 가지 개념을 비교하며 이해하는데 도움이 되었다.

크리스티 경매에서 한화 약 4억 9,400만 원에 팔린 이 초상화는 AI가 GAN이라는 기술을 이용하여 그렸다고 한다. 개인적으로는 기업 매출에 관한 부분보다 AI와 예술 관련 부분이 제일 흥미로웠다.

그리고 기술적인 설명이 많이 제시되는 부분들보다 데이터 사이언티스트가 가져야 할 요건들을 설명한 5장을 깊이 공감하며 읽을 수 있었던 것은 요즘 개인들도 여러 경로와 매체를 통해 엄청난 정보를 접하며 살아가고 있기에 저자가 언급하는 7가지 요건이 도움이 되어 보이기 때문이다. 그리고 이 부분은 책 표지에서 내게 궁금증을 일으킨 문장에 관한 대표적인 답변 부분이기도 했다.

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

기술적인 내용이 설명되는 부분은 생소한 용어들이 많아서 조금 어렵긴 했지만, 사례가 풍부하게 들어있어서 빅데이터와 AI, 그리고 이의 활용에 대해 이해할 수 있는 좋은 기회가 되었다.

출판사에서 서적을 제공받아 주관적으로 작성한 서평입니다.

요즘은 데이터 시대라고 해도 과언이 아닐정도로 빅데이터 속에서 살고 있습니다.
이런 데이터를 통해서 예측분석을 할 수 있습니다. 
예를 들어 커피숍에서 매출은 늘어나는데 계속 적자가 난다고 가정하면 원인을 파악하기 위해서 매출 데이터와 인건비, 재료비, 임대료 등을 시각화해서 어떤게 문제인지 진단 분석을 합니다.
이런 진단 분석을 통해 아직 일어나지 않은 일에 대한 예측분석을 합니다. 
인건비, 재료비, 임대료, 주변 커피숍과의 거리와 매출 데이터를 통해 패턴을 파악한 뒤 머신러닝이나 딥러닝 같은 AI를 활용해서 예측하는 방식입니다.
이런 분야에 있는 사람들을 데이터과학자라고 이야기 합니다. 데이터를 관리하고 분석하여 비즈니스 문제를 해결하기 위한 다양한 기술을 활용하는 직업을 말합니다.
데이터 과학자는 숲 전체를 볼 줄 알아야 합니다. 당장의 데이터 처리에 급급해하지 말고 문제를 명확하게 인식하는 일이 필요합니다.
해당 데이터가 어떻게 문제를 해결할 수 있을지를 숙고하고 데이터 분석과 비즈니스 모델과의 연결고리를 파악해야 합니다.
그리고 고객을 이해하고 이를 데이터와 연결지어 생각할 수 있어야 합니다.
이제는 개인화 시대이기 때문에 제품보단 고객우선, 각자 개인과의 연결이 중요한 시대입니다. 그리서 고객을 명확하게 이해해야 합니다.
고객 데이터를 분석하고 명확하게 타이팅한 고객의 니즈를 파악해야 합니다. 이런 데이터를 통한 분석이 사업에 대한 매출에 영향을 끼치기 때문에 중요합니다.
빅데이터를 활용하려면  어떤 답을 원하는지 정확히 이해해야지 학습을 통해 답을 유추할 수 있습니다. 그리고 변화에 대한 수용력도 필요합니다.
다양한 변수 속에서 계획을 유동적으로 변경하고 대응할 수 있는 융통성이 필요한 직군입니다.



 

데이터 과학자라고 하며 소위 캐글과 같은 곳에서 실력을 쌓았다는 사람도 많다. 캐글은 2010년에 설립된 플랫폼으로, 특정 기업 및 단체에서 데이터와 해결 과제를 등록한다. 그러면 데이터 과학자들이 이를 해결하는 인공지능이나 여타의 기술에 기반한 모델을 개발한다. 수많은 데이터 과학자들이 공통된 데이터를 놓고 경쟁할 수 있다.이런 예측 모델 및 분석 대회 플랫폼이 캐글인 것이다. (-73-)


어머니가 농번기에 오이를 9가지 등급으로 분류하는 데 하루에 8시간을 소비한다는 사실이었다. 고이케는 딥러닝을 이용해 오이를 자동으로 분류하는 기술을 개발하기 시작했다. 이를 위해 오이 사진 7,000장을 3개월간 일일이 찍었다고 한다.
초기에는 오이의 해상도가 80 X 80 픽셀로 낮아 분류 정확도도 낮았는데, 클라우드 서비스를 이용해 이를 해결했다. 믈라우드 서비스를 이용하면 해당 서비스를 제공하는 회사의 고성능 컴퓨터를 원격으로 이용해 좀 더 고화질의 이미지를 학습할 수 있었다. 이를 바탕으로 기계학습을 진행해서 오이의 등급을 자동으로 분류할 수 있었다. (-109-)


AI를 활용한 자유주행 기술은 이를 공략한다. 아예 사람이 직접 운전할 필요가 없게 만들었다. 자율주행 기술이 높은 단계까지 진척된다면 CVC의 많은 단계들이 분리될 수 있다. 차를 소유할 필요도 없고 직접 운전할 필요도 없다. 차 안에서 휴식을 취하거나 공부를 하는 등 자신에게 가치를 주는 행위를 할 수 있다. 차를 사는 돈으로 다른 제품을 사는 것고 얼마든지 가능하다. 차를 소유하지 않으니 차를 파는 단계도 생략된다. (-137-)


추천 시스템은 크게 협업 기반 필터링과 내용 기반 필터링으로 나뉜다. 협업 기반 필터링의 경우 기존 사용자들의 데이터를 기반으로 한다. 가령 영화 ＜타이타닉＞"을 좋아하는 사람들이 영화 ＜어바웃 타임＞도 좋아하는 경우가 많다고 하자. 이 경우 ＜타이타닉＞을 본 사람에게 ＜어바웃 타임＞을 추천해주는 것이다. (-198-)


성인이 되고 나서 헤르만 헤세의 ＜나르치스와 골드문트＞라는 책을 인상깊게 읽었다. 나르치스와 골드문트는 각각 이 책에 등장하는 인물로, 일생동안 감각적, 예술적 삶을 추구한 골드문트는 파토스와 에토스가 탁월했다. 정신적 삶을 추구한 나르치슨은 로고스가 뛰어났다. 헤세는 이 두 인물을 감각, 감성 그리고 정신, 이서의 각 극단으로 묘사했다.하지만 그 둘은 종국엔 서로 이해할 수 있고 조화를 이루게 된다. (-235-)


제4차 산업 혁명이 언급되고 있으며, 빅데이터, 플랫폼, 패러다임이 등장하게 된다. 제4차 산업혁명은 우리의 미래 먹거리가 될 수 있고,그 먹거리의 원천은 빅데이터 기술이다. 빅데이터를 어떻게 활용하는지 아는 데이터 과학자의 수요가 커지게 된다. 빅데이터가 널리 쓰여진 사례로 알파고와 이세돌의 바둑대결이다. 알파고는 원격으로 바둑의 기보를 학습하였고, 인간이 대대로 학습해왔던 기보와 다른 앞파고 특유의 바둑을 두고, 이세돌에게 승리하게 된다. 인간이 두었던 바둑 대결을 빅데이터가 되었고,알파고는 빅데이터를 활용하여, 인간의 사고능력을 뛰어넘었다. 빅데이터가 매출을 증가하고, 인간의 사고를 대체할 수 있는 가능성이 재확인 되는 시점이다. 


인간이 할 수 있는 것을 AI와 빅데이터가 결합된 인공지능 플랫폼으로 해결이 가능하다면, 매출 증가를 꾀할 수 있다.농부가 직접 사과를 선별하고, 포도를 선별할 수 있는 자동선별기술에 대해,인간이 해왔던 일을 인공지능에 의해 대체가 된다면, 24시간 동안 적은 인력으로 적제적소에 상품가치가 되는 과일을 선별할 수 있다. 단적으로 3일동안 한 사람의 인간이 해왔던 선별작업을 한 시간안에 끝낼 수 있는 자동 판별 시스템이 만들어지게 된다. 인간이 원숭이와 침팬지를 구별할 수 있는 판별력을 빅데이터 기반 인공지능이 해결할 수 있다는 가정하에 완성된다. 인건비를 절약하여, 매출을 키울 수 있는 방법이 새로운 비즈니스 모델이 될 수 있다. 물론 빅데이터는 인간의 사고를 대체할 수 있는 기능 뿐만 아니라 예측의 정확도를 높일 수 있으며,통계를 완성할 수 있다. 즉 날씨나 기후 문제를 예측하거나, 스포츠나 선거 예측돌르 높여 나가는 일에 빅데이터 기반 인공지능이 쓰여질 수 있으며, 언어적인 한계를 극복하는 과정에서 통계의 한계를 극복하고, 정확도를 높일 수 있는 플랫폼 인프라를 만들어 낸다.

기업에서 빅데이터를 활용하는 ‘데이터 사이언티스트’에 대한

관심이 점점 높아지고 있는 이유

4차 산업혁명을 주도하는 주요 혁신기술은

드론

자율주행

3D 프린팅

사물인터넷(IoT),

AI

앞으로 기업의 사활도 변화하는 산업에 적용 가능한 핵심기술을

얼마나 잘 활용하느냐에 따라 판가름 날지 모르거든요

그렇다면 현재 AI 기술을 선도하는 기업은 누구인가?

FAANGT!!

(페이스북/애플/아마존/넷플릭스/구글/테슬라)

AI는 데이터가 축적될수록 더 똑똑해지고 정교해집니다

마소 발표에 의하면 AI를 도입한 기업의 매출 이익이

다른 산업 평균이윤보다

15% 높게 나타났다는 점

액수로 따지만 3조 5000억~5조 8000억 달러의 가치

AI 기술은 어마어마한 잠재력!!

분명히 기회인 거고

기업들은 전방위적으로 AI에 열광할 수밖에 없어요

하지만

데이터 과학자를 고용해도 매출이 무조건 10배 올려주지는 않습니다

오아시스로 데려가 줄 수는 있어도

물은 각자가 알아서 마셔야 하는 것처럼 말이죠

그래서 책은 문제를 제시 그리고 해결법을 얘기하고 있는 책입니다

디테일한 내용은 ::

https://blog.naver.com/dhqkak7/222616589403

기업의 입장에서 중요한 매출달성 및 성과개선, 그리고 개인의 입장에서도 배우며 활용해야 하는 다양한 형태의 경영전략 방침과 노선에 대한 입장정리, 이 책은 이런 현실적, 실무적 어려움을 어떤 형태로 활용하거나 재해석 된 기준에서 더 나은 가치와 결과를 추구해 나갈 수 있는지, 이에 대해 조언하고 있는 경영전략 가이드북이다. 책에서는 다양한 키워드나 트렌드적 용어에 대한 언급도 중요하나, 가장 기본이 되는 가치는 데이터 과학에 있다고 진단한다. 우리가 흔히 접할 수 있는 인공지능 및 빅데이터의 활용전략, 구체적으로 어떤 형태로 경영전략에 대입해, 사용해 볼 수 있는지 이에 대해 자세히 말한다.

누구나 쉽게 정보와 지식을 배우거나 자신의 업에서 활용해 볼 수 있는 시대, 이는 새로운 기회를 말하기도 하나, 잘못된 오판으로 인해 몰락이나 실패의 결과를 마주할 수 있다는 점도 알아야 한다. 나름의 경쟁력 강화나 차별화 전략, 이를 위해서도 인공지능 및 빅데이터에 대한 접근과 이해, 실무적 활용전략을 잘 수립해야 미래를 예측하거나 대응할 수 있고, 4차 산업의 시대에서 인재에게 요구되는 기본적인 역량이자 조건일 것이다. 그리고 기업의 관점에서도 다양한 광고 및 홍보효과, 또는 마케팅이나 세일즈, 브랜드화 과정에서 무엇에 가치를 두며 경영해 나가야 하는지, 그 본질적인 부분에 대해 판단하게 한다.

데이터 과학이 주는 단면적인 느낌, 이를 잘 사용하는 능력일 수 있지만 기술적인 역량이나 활용법도 중요하지만, 결국에는 대중들이 이해할 수 있는 쉬운 구조나 매뉴얼, 설계 등의 형태를 통해 공유와 공감의 정신을 계승, 유지해 나가는 행동력일 것이다. 그래서 인문학적 가치에 다시 몰입하게 되며 우리가 배우거나 알고 있는 정보와 지식을 세련된 방식으로 표현해 낼 수 있다면, 저자가 책에서 말하는 데이터 과학의 가치와 중요성, 실무적 활용방안에 대해 쉽게 배우며 이해할 수 있을 것이다. 

＜매출 올리는 데이터 사이언티스트＞ 앞서 가는 기업이나 개인들은 어떻게 이런 변화상을 바라보고 있으며 대중들이 바라는 니즈나 시대정신, 또는 새로운 트렌드를 어떤 형태로 접목시켜 활용해 나가려 하는지, 책을 통해 요약된 핵심가치를 답습하며 비즈니스 상황이나 개인의 사업 및 창업관리, 또는 기업들의 경영전략에 대해서도 함께 판단하며 배워보게 된다. 기술의 가치가 계속해서 부각되며 해당 분야도 빠르게 성장하고 있지만, 이를 쉽게 이해하거나 표현하며 많은 영역에서 활용해 볼 수 있는 능력, 그 의미에 대해 저자는 데이터 과학을 말하며 표현하고 있는 것이다. 인공지능 및 빅데이터발 변화상, 책을 통해 배우며 판단해 보자. 

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

뭘 볼지 고민하지 마세요: 넷플릭스 추천 시스템 p199

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. p215

이 책은 ,'AI 데이터'에 관한 책이다. 4차 혁명시대에는 제목 그대로 '데이터 사이언티스트' 직업도 주목받고 있다.

페이지를 넘길때마다 데이터의 의미를 잘 알게 되어 어떻게 활용을 해야할지, 경영자의 생각와 사업 성공 스토리로

이야기와 조언을 잘 해주고 있다. 특히 우리가 최근에 잘 아는 스타벅스 스루매장, 넥플릭스의 추천 알고리즘, 와인앱 비비노가 등장해서 이해하기 더 쉽게 설명을 했다.

AI 시대에 살고 있는 사람, 데이터를 사용하는(입문자포함) 지인이 있다면 꼭 추천해주고 싶은 좋은 책이다.

＜ 매출 올리는 데이터 사이언티스트 ＞ | 김도환 지음 | 라온북

우리는 데이터의 홍수에 살고 있다. 물론 데이터 홍수를 느끼지 못할 수도 있지만 우리가 일상적으로 사용하는 휴대폰, 스마트 TV, OTT 등 다양한 디바이스와 매체를 통해 많은 데이터들이 쌓여가고 있다. 이는 개인만의 현상은 아니다. 기업도 무수히 많은 데이터를 만들어내고 저장하고 있다. 그리고 그 데이터를 통해 기존 사업에 대한 분석과 전망을 예측하곤 한다.

현재 만들어지는 데이터의 양은 너무 많아서 사람이 수작업 또는 툴을 사용해서 분석하기는 어려운 현실이다. 이런 현실과 보다 효과적인 데이타 분석을 위해 데이터 사이언티스트라는 직종이  생겨났고 많은 기업에서 활동을 하고 있다. 그러나 데이터 사이언티스트가 많은 데이터를 일일이 분석할 수는 없을 것이다. 따라서 방대한 양의 데이터를 분석하기 위해서는 그에 걸맞는 도구가 필요한데 그 도구가 바로 AI일 것이다.

데이타 분석과 AI에 대한 다양한 책들이 출판되어 있다. 하지만 대부분의 책들이 기술적인 측면에 초점이 맞추어져 있고 빅데이터 및 AI에 대한 활용적인 측면을 많이 부각하고 있다. 데이터 사이언티스트를 생각하는 사람들에게는 물론 필요한 정보이지만 기술적인 깊이를 가지지 못한 다른 영역의 사람에게는 뜬구름 잡는 듯한 내용일 수 있다.

기업에서 데이터 분석을 한다는 것은 기업이 마주한 문제를 해결하거나 필요를 충족시켜 주는 것이다. 궁극적으로는 기업의 매출 증대를 목적으로 한다고 볼 수 있다. 이러한 비즈니스적인 목표를 지향하기 위해서는 데이터 사이언티스트만의 노력으로는 불가능할 것이다. 해당 기업의 전반적인 구성원 마인드도 바뀔 필요가 있으며 정책 결정자의 판단도 매우 중요하다. 이러한 여러 조직에 소속된 사람들에게도 데이터 분석을 위한 정보과 필요성, 그리고 문화가 정착하기 위해서는 빅데이터와 AI에 대한 전반적인 설명과 방향을 이해시키는 것이 꼭 필요한 것 같다.

이 책은 이런 측면에서 유용한 내용을 담고 있다. 비즈니스와 AI에 대한 이해를 높일 수 있는 설명으로 시작해서 AI를 활용하는 데이터 과학자에 대해 소개한다. 그리고 매출을 올릴 수 있는 데이터 과학자만의 무기가 무엇인지를 설명하는데 이 파트가 데이터를 활용하고자 하는 업계 종사자들 누구에게나 도움이 될 수 있는 내용인 것 같다. 또한 데이터 분석을 통해 성공한 기업 사례를 분석하고 데이터 과학자가 지녀야 할 역량에 대해서 설명하면서 책을 마무리한다.

IT 기반 지식이 있는 사람이라면 내용을 수월하게 읽을 수 있을 것 같다. 기술적인 설명과 함께 AI와 빅데이터에 대한 폭넓은 정보, 그리고 기업에서 활용하기 위한 내용까지 포함되어 있기 때문에 IT 기반 지식이 부족하더라도 데이터 분석을 위해 필요한 것이 무엇인지와 준비해야 할 것이 무엇인지를 어느정도 감을 잡을 수 있을 것 같다.

4차 산업 혁명으로 언급되는 AI와 빅데이터 시대에 데이터 분석은 피할 수 없는 필수 요소가 되고 있다. 궁극적으로 회사의 생존과도 결부될 만큼 중요성을 가진다고 볼 수도 있을 것이다. 특정 독자층이 아니라 데이터 분석을 필요로 하는 조직의 모든 구성원들이 생각해야 할 요소를 많이 담고 있어서 더 유용한 책인 것 같다. AI와 빅데이터를 활용한 데이터 분석에 관심이 있거나 시작하고자 하는 기업 구성원이라면 꼭 한번 읽어볼 필요가 있는 책이라고 생각한다.

AI, 빅데이터로 매출 10배 올리고 싶은 이들을 위한 비즈니스 전략서라는

부제를 달고 있는 이 책은

이제 세상이 빅데이터와 AI 기술을 모르고는

살 수 없는 아니 매출을 올려서 살아남는 방법을 찾지 못하는

기업은 소멸할 것이라는 근거 위에 쓰여진 책인듯합니다.

비즈니스 시장은 이미 빅데이터를 활용하는

데이터사이언티스트에 주목하고 있고

데이터를 다를 수 있을 뿐만아니라

데이터의 의미를 뽑아내고

그 의미를 재해석해서

통찰력과 역략을 보여주는 일이 필요하다고

생각합니다.

이 책은 현업에서 일하는 저자의 실제 사례와 자료 조사를 통해

기업이 진정으로 원하는 진짜 데이터 사이언티스트의 능력과

역할에 대해 이야기해주고 있습니다.

제가 제일 관심있게 읽은 부분은

넷플릭스의 추천 시스템 파트입니다.

코로나 바이러스의 가장 큰 수혜자가 아닌가 싶은

넷플릭스는 특유의 추천시스템이 있는데

제가 자주 이용하는 분야이기도 합니다.

타이타닉 영화를 본 사람들에게

어바웃 타임을 추천해주는 시스템이라

넷플릭스로 들어가면

무엇을 볼 지 굳이 고민안해도 된다는 것이

어떤 때는 참 마음 편하게 느껴지기도 합니다.

드라마와 영화 추천 시스템이 안내해주는 대로

보는 확률이 무려 75%라고 하니

대단하다고 볼 수 있습니다.

시간을 잘 보낼 수 있고

특별히 내가 머리를 더 쓰지 않아도

효율적인 아이템을 겟할 수 있다는 것

효율과 효과에 대해 생각하게 합니다.

무엇인가를 결정할 때

추천대로 했는데

성공의 경험이 쌓이면

결국은 친한 친구로부터 실질적인 조언을 받는

느낌일 수도 있겠네요.

이런 빅데이터 사이언스가 실제

우리 생활에도 많은 변화를 가져오니

반려동물을 위한 맞춤 사료 추천 서비스도

곧 더 많은 매출을 올려주리라 생각합니다.

＜이 책은 출판사로부터 도서를 제공받아 자유롭게 작성했습니다.＞

#매출 올리는 데이터사이언티스트 #김도환 #라온북 #컬처블룸 #컬처블룸리뷰단

19년 한국을 방문한 소프트뱅크의 손정의 회장이 앞으로의 투자 방향에 대해서 다음과 같이 조언했다. '첫째도 AI, 둘째도 AI, 셋째도 AI!' 우리는 AI가 왜 필요할까? 단지 4차 산업혁명의 트렌드이기 때문일까?

아직 인간이 AI보다 뛰어난 분야가 남아 있지만 인간을 뛰어넘는 능력을 가진 AI는 계속해서 등장하고 있다. AI를 활용해야할 이유는 많지만 나는 노동과 생산의 측면에서 AI의 필요성을 더욱 절실하게 느낀다. 우리나라는 급속한 출산율 감소를 경험하고 있다. 올해 0.83인데 내년엔 더 떨어진다. 인구가 유지되려면 2.0은 초과해야하는데 말이다. 반면 노령화 인구는 증가하고 있다. 생산활동을 할 수 있는 인구가 줄어들면 정부의 세수는 부족해진다. 그런데 노령화 인구 증가로 인해 국가에서 필요한 보건 복지 예산은 더욱 증가할 수 밖에 없다. 우리나라뿐만 아니라 노령화 시대를 맞이하는 세계의 모든 나라가 공통적으로 경험하고 있는 현상이다. 그리고 사람의 노동력을 줄이면서도 효율을 극대화 할 수 있는 방법이 있다면 그것은 바로 스마트 팩토리다. 스마트 팩토리는 AI없이는 불가능하다. 생활의 편리함을 넘어서 미래의 먹거리를 위해 AI는 필수적인 요소다.

미래의 AI는 지금보다 훨씬 더 우리 생활 전반에서 활약할 것이다. 그런데 AI는 만능일까? 작동시키기만 하면 알아서 움직이는 기계일까? 그렇지 않다. AI가 작동하기 위해서는 데이터가 필요하다. 과거에는 다루지 못했던 빅데이터가 정보 통신 기술의 발달로 쌓이기 시작해면서 AI는 눈부신 활약을 할 수 있는 기반이 다져졌다. AI와 빅데이터는 한쌍이다.

그리고 AI는 학습을 통해서 성장할 수 있다. 아무리 똑똑한 학생이라도 10개의 문제를 풀어본 경우와 1000개의 문제를 풀어본 경우의 수학 실력은 차이날 수 밖에 없다. 또한 양질의 문제 다수를 풀고 연습한 경우와 제한되고 왜곡된 문제들이 뒤섞인 경우도 수학 실력에 서로 다른 결과를 가져 온다. 여기서 문제가 빅데이터라면 학생은 바로 AI다.

AI는 여러 종류가 있다. 각자 잘하는 분야도 다르다. 그리고 누구의 손길을 거치느냐에 따라 AI의 능력은 달라질 수 밖에 없다. 해결해야할 문제에 맞게 알고리즘을 만드는 사람, 어떤 가설과 검증을 거쳐야 하는지를 아는 사람, 어떤 데이터를 통해서 AI를 교육 시킬지를 결정하고 수정해가는 사람이 바로 데이터 사이언티스트이다. 자신의 산업 분야에 AI기술을 적용하기 위해서는 데이터 사이언티스트를 신뢰하고 잘 활용해야한다. 그리고 AI에 대한 기본적인 이해 역시 필요하다. 기본적인 이해도 없이 AI를 무작정 활용하려는 경우도 있다. 한가지 예를 들면 머신러닝 중에서도 신경망 학습을 거치는 딥러닝의 경우는 문제로부터 답을 얻을 때 중간의 과정은 블랙박스와 같은 상태가 된다. 따라서 딥러닝을 활용할 경우 결과를 받아들이지 못하고 검증을 계속해서 데이터 사이언티스트에게 요구하는건 말 그대로 무리다. 그런데 이런 기본적인 이해도 없이 검증을 계속 요구하는 일들이 실제 산업 현장에서 종종 벌어진다.

그래서 이 책은 데이터를 가지고 AI를 활용하고 싶어하는 산업 관계자들이 꼭 읽어봐야한다. 그리고 나와 같이 AI에 대해 관심이 많은 사람들도 읽으면 좋을 책이다. 이 책에는 AI를 활용하여 큰 매출을 내는 기업들의 실제 사례들을 소개하고 있는데, 우리가 잘 아는 와인앱 비비노, 넷플릭스의 추천 알고리즘도 등장한다. 실생활과 관련있는 내용을 이야기해주니 더욱 AI에 대해 잘 이해할 수 있었다.

이 책을 읽으면서 그동안 계속해서 공부해 왔던 AI에 대한 지식들이 정리되기 시작했다. 그리고 앞으로의 미래 산업에 대한 결정적인 통찰도 얻을 수 있었다. 미래는 여전히 '검색'의 시대가 아니라 '추천'의 시대가 되리라는 통찰말이다. AI에 관심많은 사람들은 이 서평으로 다 소개하지 못한 양질의 내용들을 직접 만나보길 바란다. 현장에서 AI를 다루는 데이터사이언티스트를 통해서 보다 많은 정보와 현장의 실질적 활동을 보다 잘 알 수 있을테니까 말이다.

- 서평단 참여로 무상으로 제공받아 서평을 작성했습니다-

#매출올리는데이터사이언티스트

#AI

#빅데이터

#김도환

#RAONBOOK

#컬처블룸

#컬처블룸서평단