요즘 데이터 분석에 관한 책을 집중적으로 읽고 있고, 별로 두껍지도 않은 책이라 가볍게 읽어보았다. 제목을 보면 '앞으로'와 '시작', '사람'이 있는데, 딱 데이터 분석에 대해 잘 모르지만 앞으로 시작하려는 사람들을 위한 좋은 책이다. 그리 깊이 있는 책은 아니라서 회사나 학계에서 데이터 분석을 실제로 수년간 하고 있는 독자들에게는 별 도움이 되지 않을 것 같다. 

  저자 구도 타쿠야는 현재 엑센츄어 일본 지사장을 맡고 있으며, 회사와 공공기관에서의 데이터 분석 실전 경험을 바탕으로 책을 썼다. 개인적으로 흥미로웠던 점은 저자가 일본에서 학사를 수료하고 직장생활을 하다가 미국에서 공공행정 분야로 석사학위 그리고 데이터과학으로 석사학위를 수료하였으며, 미국에서 데이터 분석관련 프로젝트를 수행했다는 점이다. (저자가 밝힌 바로는 데이터 분석을 통해 국가에 기여하고 싶어서 일본으로 돌아왔다고 하는데, 취업이 안되서 돌아왔을수도 있지 않았을까 라는 개인적인 생각을 해본다;;;뜬금. 결론은 때려치고 석사 두개 받고 뉴욕시의 공공관련 큰 프로젝트도 하고 돌아와서 부럽다.)

기억에 남는 내용 몇가지를 살펴보면.

1. '일단 해보자'는 최악이다. 

 데이터 분석의 목적과 도착점도 정하지 않은 상태에서 무작정 시간과 돈을 들여 뭐든 찾아보자 하는 것은 도박적인 발상이다. 이는 무엇을 만들지도 정하지 않은채 광활한 공장부지를 사는 것과 같은 무식한 행위라고 설명하고 있다. 이 부분에서 나는 마치 저자가 말하는 국내가 일본이 아니라 한국인지 알았다. '요즘 빅데이터, 딥러닝을 통해서 이러저러한걸 주변에서 한다고 하는데, 우리회사도 이런 TOOL을 쓰면 어떤 것이든 찾을 수 있겠지?' 하는 무식한 생각을 가지고 접근. 에휴. 우리나라 기업과 공공기관에 만연한 생각인데 역시 우리나라는 일본에서 많은걸 배운듯하다. 

2. 부분최적이 아닌 전체최적을 목표로 해야한다. 

 이부분도 회사생활하면서 참 많이 느끼는건데 책에서 지적하고 있다. 부분적으로 봤을 때는 이정도면 만족스럽고, 최적화된 결과로 향상을 꾀할 수 있는 것 같지만 전체로 보면 마이너스가 되는 시스템들이 많다. 예를 들어 제조업에서 재고비용 최소화만 추구하면 판매물량 대응에 힘들 수 있고, 물류비가 과다할 수 있다. 시스템을 구축할 때는 전체를 봤을 때 최적화 할 수 있도록 여러가지 변수들과 가설 검증을 하는 시간을 오랫동안 가져야 한다. 하나를 만들어도 제대로 만들어야 한다는 것이고, 시스템 구축전에 많은 고민을 해야 한다는 것이다. 

 여기에 반대되는 개념같지만 같이 생각해야 할 것이 오더오브매그니튜드(Order of Magnitude)이다. 전체 100개의 매장이 있다면 그 전체를 한번에 바꾸기 위해 많은 에너지를 쏳는 것이 아니라, 중요 몇 개 매장을 먼저 바꿈으로서 큰 효과를 얻을 수 있고 시행착오를 통해 배워서 다른 매장에도 적용할 수 있다는 점이다. 

3. 결국엔 사람이다. 

 이 문장이 저자가 가장 강조하고 싶었던 내용인 것 같다. 아무리 데이터 분석 기술이 뛰어나더라도 결국에는 사람을 움직여야 한다. 기술적으로 뛰어나서 컴퓨터만 보고 코딩 및 분석만 잘한다고 훌륭한 데이터 분석가가 되는 것이 아니라고 저자는 강조한다. 저자가 재직하는 엑센츄어와 같은 컨설팅 업계, 일반기업, 공공기관 등에서 데이터를 통해 사람들을 설득해야 한다면 분석 능력 못지않게 설득하는 능력이 중요하다. 

 한편으로 내가 든 생각은, 좀 더 고도화된 기술을 발휘해야 한다면, 예를 들어 학계라던가 알파고를 만드는 딥러닝, 자율주행차의 기계학습 등을 하는 데이터 분석가라면 또 다른 차원이 얘기가 될 것 같다. 

 (but, 90%의 데이터 과학 전공자는 결국 사람을 설득하는 일을 하게 될 것 같긴하다.)

 내가 앞으로 어떤 길을 가게 될진 모르겠지만, 결국 데이터 분석 분야로 석사를 하게 되면 지금 회사를 계속다니는 것과 다를 바가 없을 듯 하다. 비슷한 회사생활이지만 데이터 분석을 하는 정도? 제대로 하려면 박사까지 해야한다는 말이 조금씩 이해가 가기 시작했다. 계속 고민하자. 

- 먼저 서평을 작성하는 필자는 빅데이터에 관심이 있고, 데이터 분석쪽으로 진로를 생각하는 학생이다. 학생의 입장에서 봤던 데이터 분석의 첫 인상은, 무조건 데이터를 모델링만 하면 될 것 같은, 마술같은 느낌이었다. 그러나 공부를 하면 할수록 이 데이터 분석은 분석가의 많은 지식과 고민이 반드시 필요한 일이고, 데이터에 대한 수많은 탐색이 밑바탕이 되어야함을 느꼈다. 그래서 이 책의 제목을 봤을 때, 무조건 읽어봐야겠구나 라는 생각이 들 수밖에 없었다. 그동안 빅데이터를 어떻게 처리할까, 어떤 식으로 활용해왔나, 앞으로 어떻게 될 것인가 이런 전망에 대한 책은 많았지만 분석 자체에 대해 쓴 책은 많지 않았기 때문이다.

- 이 책을 쓴 저자는 이미 많은 분석 프로젝트에 참여한 일본의 데이터 사이언티스트다. 따라서 책에서 언급하는 '국내' 라는 건 일본을 의미한다. 처음에는 국내라는 단어에 약간의 이질감을 느꼈으나, 책을 읽으면 읽을수록 그 국내라는 단어를 자연스럽게 한국으로도 받아들일 수 있게 된 것은, 한국에서도 데이터 분석이 아직 완전히 뿌리내리지 않은 곳이 많다고 일전에 ADP 전문가 가이드에서 읽었던 부분을 떠올렸기 때문이라고 생각한다.

- 이 책의 전개는, 처음에는 데이터 분석이 필요한 이유와, 일본에서 데이터 분석이 약한 이유를 작가가 겪었던 실제 프로젝트와 비교해서 설명을 해준다. 그러면서 앞으로 데이터 분석이 가능하려면 어떤 조건이 필요한지 역시 서술하고 있다. 요즘 들어 주목받고 있는 의료에 관한 빅데이터 프로젝트를 어렵지 않고, 간략하게 자신이 겪었던 것을 써줘서 하나의 좋은 예시를 배울 수 있었다.

- 그렇게 데이터 분석이 필요하고, 조직에도 그에 맞는 환경이 조성되어야 함을 역설한 뒤에 작가는 데이터 분석에 필요한 개념과 몇 가지 분석에 대해서도 설명을 한다. 가장 간단한 요약통계량 (평균, 분산, 표준편차, 변동계수) 과 기본 분석과 데이터마이닝 기법에 대해서도 요약을 해주고 하나의 표로 정리를 해주는데, 이 부분은 통계학과 전공자라면 굉장히 정리가 잘 되는 기분으로 읽을 수 있겠지만, 비전공자 입장에서는 개념을 배울 수 있는 정도라 부족함을 느낄 수 있겠다는 생각이 들었다. 그러나, 이 책은 분석론 하나하나를 자세히 다루기 위한 책이 아니기에 이것으로 충분하다고 느꼈다.

- 그리고나서 작가는 데이터 분석을 실제로 행동에 옮기기 위해 필요한 점들을 이야기하고, 음료 회사에서의 데이터 분석을 예시로 필요한 점들을 풀어놓는다. 가장 인상이 깊었던 것은, 무조건 데이터 분석을 시작하지 말라고 한 점이었다. 로켓을 띄울 때도 아무런 목적없이 띄우지 않듯이 데이터 분석 역시도 분명한 목적을 두고 시작해야 하며, 단순히 데이터 분석만 해서 뭐든지 되는 마법과도 같은 것이 아니라고 하는 부분에서 마치 내가 혼이 나는 것 같은 느낌이었다. 실제로 프로젝트 경험이 있기에, 작가는 데이터 사이언티스트에게 필요한 점 중에서 중요한 것을 강인한 정신과 커뮤니케이션 능력으로 꼽는다. 뛰어난 수리 계산력은 일부분에 쓰일 뿐이며, 정말 중요한 것은 내부 사람들에게 이해시킬 수 있는 능력과, 데이터를 전처리 하는 과정의 지루함 등을 버틸 수 있는 정신력이라고 하는 부분에서 나도 모르게 감탄했다.

- 책의 마지막에서, 작가는 데이터 분석에 대해 자신이 느꼈던 생각과 올바른 데이터 분석의 장점을 다양한 사람들에게 공유하기 위해 이 책을 썼다고 서술한다. 그 목적에 맞게, 이 책은 데이터 분석에 대해 알고 싶었던 사람이나, 그저 스치는 관심으로 집어든 사람 모두에게 좋은 감상을 남길만한 책이라고 생각한다. 특히, 나와 같이 데이터 분석으로 진로를 생각하고 있는 사람이라면 꼭 읽어봤으면 하는 책이다.

아직 다 읽지는 못하고 중간 정도 읽었는데 그래도 읽기 편한 책인것 같아요. 중간중간에 번역상의

오류인지 모르겠지만 약간은 이해가 않되는 단어들도 있던데 그래도 너무 복잡한 책보다는 초기에 개념 잡는 용도로는 무난한 것 같아요. 하지만 책의 내용에 비해서 가격이 좀 비싼것 같아요. 번역서 라서 더 그런지 아니면 많이 팔리지 않을것 같아서 수량 감안해서 일부러 가격을 높게 책정했는지는 모르겠지만 그래도 좀더 현실적인 가격으로 많은 사람들이 읽었으면 좋겠습니다.

데이터 분석이라고 하면 사무실에 틀어박혀 컴퓨터로 데이터를 이리저리 주무르는 일이라고 생각하는 사람도 있을지 모른다.

그러나 현실은 다르다.

그런 작업은 어디까지나 일부에 불과하며, 실제로는 현장과 꾸준히 커뮤니케이션을 쌓아 나가야 한다. 207p

​

​

​이 책을 읽기 전까지만 해도 딱 이렇게 생각했었다.

왠지 데이터를 분석하는 일을 하면 컴퓨터와 일을 가장 많이 할 것 같았고 인간관계에 에너지를 소모하는 일이 적을 것 같았다.

요즘 인간관계에 고민이 많은 난 이런 생각 때문에 데이터과학자라는 직업에 끌렸었는데 그런 편견을 완전히 깨준 책.

​

​

​

1. 사람의 중요성 ​

데이터 분석은 의사 결정의 최적화를 돕는 도구일 뿐임을 강조하고 또 강조한다. 10p  

이 책이 다른 데이터(통계) 입문서와 다른 부분은 이렇게 사람의 중요성을 강조한다는 점이다. ~

그래서 ‘데이터 분석을 시작하려는 사람을 위한 책’인지도 모르겠다. 11p

비싼 돈을 주고 ‘내비게이션’을 손에 넣었다고 해도 ‘내비게이션’을 올바르게 활용할 수 있는 사람이 없으면 ‘자동차’는 올바른 길을 따라 목적지로 나아가지 못한다. 139p ​ 

데이터 분석을 통해 얻은 힌트나 그것이 가져다주는 결과는 오직 하나의 길만을 가리키지 않는다.

최종적으로 의사 결정을 하는 주체는 사람이다.

설령 똑같은 분석 결과를 얻었다고 해도 비즈니스의 영역과 공공의 영역은 그 결과에서 도출되는 행동이 달라진다. 232p ​

책을 읽으면 저자의 의도를 잘 파악하지 못하는 나도 알아차릴만큼 사람을 엄청나게 강조한다.

2. 협업의 중요성, 권한 부여형 팀워크

* 권한 부여형 팀워크

 

톱다운형으로 비전을 제시하면서 목적을 이루기 위해 팀의 멤버들에게 권한을 대담하게 위임하고 신뢰 관계를 구축해 나간다.

현장의 자주성을 이끌어내 성과를 높이는 팀워크 방식 67p

​

​전문성과 배경이 다른 다양한 사람들이 하나의 프로젝트를 위해 모여서 협력할 경우, 서로가 상대를 신뢰해 자신의 성과물을 안심하고 넘길 수 있느냐가 성패를 좌우한다.

그러므로 리더는 최고의 멤버들을 모아서 명쾌한 비전과 도착점을 제시함은 물론이고 그들이 전체 최적을 실현할 수 있도록 협력하기 용이한 환경을 만들어야 한다. 43p

 

 

 

데이터 분석팀 편성 시 개별적인 면접처럼 번거로운 과정을 거치는 이유 :

프로젝트를 수행하기 위해 반드시 필요한 전문 지식을 갖췄는지, 아울러 의욕이 강하고 개인의 이익을 위해서가 아니라 팀으로서 프로젝트에 몰두할 수 있는 자질이 있는지 정확히 파악하기 위해서였다.

프로젝터의 성패는 팀의 실력에 달렸음을 알고 있었기에~ 62p

​

한 명이 처리할 수 있는 능력에는 한계가 있지만, 팀이 되면 큰 힘을 만들어낼 수 있다. 153p

비즈니스 세계에서 프로젝트를 진행할 때 무시할 수 없는 것은 ‘사람’, ‘물자’, ‘돈’, 그리고 ‘정보’와 관련된 전제 조건이다. 140p

​

3. '그냥' 이 최악인 이유

데이터 분석을 도입한 기업의 실패 사례를 보면 어떤 일이든 명확한 목표 없이 무작정 해 보는 것으로는 좋은 결과를 기대하기 어려움을 새삼 깨닫는다. 11p

"예산도 있고 데이터도 있소. 그러니까 일단 뭔가 찾아내 주시오."

이것은 말하자면 실낱같은 '성공' 가능성에 희망을 걸고 막대한 자금을 투자하는 도박적인 발상이다.

어떤 제품을 판매할지 결정하지도 않은 단계에서 광활한 공장 부지를 사들이거나 근처에 공항이나 대중교통 인프라가 없는데도 거대한 유원지를 건설하는 것과 다름 없다. 125p

언론의 선전 때문에 '빅 데이터'나 '데이터 분석'을 그전까지 채산성이 없던 부문을 일순간에 황금알을 낳는 거위로 변신시켜 주는 '마법의 지팡이'처럼 생각하는 기업이 많기 때문이 아닐까 싶다. 126p

데이터 분석을 실시할 때 '작게 시작해 크게 키우는' 방법부터 시작하는 경우가 많다. 126p

반드시 데이터가 완벽할 필요는 없다 :

내가 과거에 경험한 프로젝트를 떠올려 봐도 누적 데이터에 누락이나 오류가 없는 경우가 오히려 드물다고 할 수 있다. ~

'데이터가 제대로 갖춰져 있지 않으니 포기하자.'라는 소극적인 선택을 하는 기업이 많은 것이 현실이다.

이런 상황에서 어떻게 해야 할지 망설여질 때는 ‘작게 시작하는’것도 하나의 방법임을 알아 두기 바란다. 195p

실행력이 약한 나의 요즘 삶의 모토는 '걍' 이다. 

그렇지만 데이터 분석에선 최악이라고 한다.

​

4. 데이터분석자에게 필요한 능력

데이터 분석의 가장 큰 효과는 ‘의사 결정 프로세스의 최적화’다. 15p

​

​통계의 개념을 이해해야 비로소 복합적인 시점과 전문성을 바탕으로 가공되지 않은 데이터에서 알 수 없는 영향력을 분석하고 판단해 적절한 정책 설계로 연결할 수 있다. 37p

과학과 논리라는 축을 중심에 두고 경험과 전문성 있는 견식을 활용해 최종적인 의사 판단을 하는 것이 중요하다.

최종적으로 의사 결정을 하는 주체는 바로 사람이다. ~

과학적인 근거를 바탕으로 올바르게 판단하고 행동하는 자세가 가장 중요하다. 39p

​

​분석은 어디까지나 시장 설계나 비즈니스 전략, 제도 설계의 논거 중 일부에 불과하므로 분석 자체를 목적으로 삼아서는 안 된다는 점을 철저히 교육받았다. 46p

​

​'데이터 과학자=수학이나 통계의 전문가'라는 인식이 반드시 틀렸다고 할 수 없지만, 수학이나 통계에서밖에 전문성을 발휘하지 못하는 인재에게 데이터 분석 전반을 맡기는 것은 커다란 리스크가 따른다. 144p

프로젝트를 진행하는 과정에서 단독으로 수학이나 통계에 관한 전문 지식을 활용하며 진행할 수 있는 것은 수리 모델링 정도다.

데이터 분석 전체에서 이 작업이 차지하는 시간과 노력의 비율이 얼마나 될 것 같은가?

많이 잡아야 10퍼센트에서 20퍼센트에 불과하다.

그 외의 대부분은 경영 간부나 현장 사람들과 밀착해야 하는 작업들이다. 144p

이와 같이 데이터 과학자가 하는 일에는 분석 전의 데이터 전처리 같은 지루한 작업도 있고 예측 모델의 생성과 운용 설계를 위한 현장 의견 청취와 회의, 설명회 실시 등 사람을 상대해야 하는 실무도 많다.

그런데 단순히 계산만 잘하면 된다고 착각하다 이런 현실의 벽 앞에 좌절하는 엘리트가 많다. 145p

데이터 분석 프로젝트를 진행할 때 요구되는 노력 가운데 80퍼센트는 이 데이터의 사전 처리에 들어간다. 200p

데이터 분석만으로는 가설을 만들 수 없다 :

이 사실에서 몇 가지 ‘그럴듯한’ 스토리를 생각해낼 수는 있겠지만, 회의실에 틀어박혀 의논하기만 해서는 평생이 가도 ‘어쩌면’, ‘아마도’라는 전제가 들어가는 의견 이상을 기대할 수 없다.

그러므로 이런 상황에서는 데이터 분석팀이 직접 현장에 가서 담당자의 이야기를 들어 봐야 한다.

현장에는 경험이 뒷받침된 ‘정확도 높은 감’이 있다. 206p

​

현장에는 경험을 통해 얻은 지혜가 축적되어 있다.

그러므로 분석자는 올바른 분석과 가설입안의 힌트를 얻기 위해 현장과 커뮤니케이션을 하고 탐색적 자료분석으로 데이터를 다시 한 번 냉정하게 바라봐야 한다. 211p

​

​

단지 프로그래밍이 재밌어서 생각했던 직무에 대해 다시 생각해보게 되고 준비방법이 조금 달라졌다. 

통계학과 학부 4년 중 3년을 공부해도 시험을 치고나면 다 까먹고 그렇다고 학기가 끝나고 복습하기도 쉽지 않다.

그래서 정말 데이터분석자, 데이터과학자 분야에 일을 할거라면 분석 공부에 더 집중하고 신경써서 공부해야 하나 고민하고 있었는데

이 책을 보고 나서 지금처럼 프로그래밍 공부도 하면서 다른 내가 하고 싶은 일, 내가 지금 하고 있는 '나 공부하기' 를 같이 병행해야겠다는 생각이 들었다.

나를 공부하는게 결국 사람을 공부하는 것이니까.

​

​

인용구절이 정말 많은데 이게 다 추리고 추려서 넣은 것들........ㅋㅋㅋㅋㅋ

걍 나를 위한 포스팅임 ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ

진지하게 생각해보고 있는 분야와 관련돼서 처음 읽은 책이라 그런지 한 구절 한 구절들이 모두 소중했다.

데이터 분석을 할 때 알아두면 좋은 통계 지식들이 간단하게 나와있는 챕터가 있는데 쉽게 풀어서 설명되어 있어서 통계지식 다 까먹은 나에게도 너무 유용하다.

책 ＜앞으로 데이터 분석을 시작하려는 사람을 위한 책＞ 구절 더 보기

요즘 구글, 페이스북 등등 의 기업에서는 사용자의 검색 및 사용자의 관심을 중점으로 둔 데이터 분석들을 잘 활용하고 있습니다.

가령 내가 좋아 하는 음식을 추천 해준다 던가 아니면 현재 위치의 맛집을 알려준다던가 이런 것 하나하나가 데이터를 분석하여 나오는 것 입니다.

저는 데이터 분석에 관심히 가는 개발자로서 처음 이 책으로 어떻게 데이터 분석을 시도 해야 하나 궁금하여 책을 읽기 시작 하였습니다.

책은 총 3장과 마무리로 구성 되어 있습니다.

1장은 국내 기업이 데이터 분석에 취약 한 이유와 미국의 PCIP로 본 데이터분석 성공 사례를 다루고 있습니다.

2장은 평균, 분산, 표준편차, 슈하트 관리도 등 기본적으로 데이터 분석을 시작 하기 이전에 알아 두어야 할 공식등을 다루고 있습니다.

3장은 소설방식으로 데이터를 수행하는 사례를 보여줍니다.

마지막으로 데이터 분석을 통해 삶의 질(재난,범죄예방등)을 어떻게 높여주는지에 대한 짧막한 이야기를 다룹니다.

The Data never lies 

데이터는 거짓말을 하지 않는다.

이 책의 머리말에 나오는 부분 입니다.

21세기가 되면서 인터넷이란 바다에 데이터란 생물들이 넘쳐나고 그 데이터들 가공하여 좀더 쓸모있는 정보를 얻기위한 분석들이 시작되고 있습니다.

이런 시발점에 데이터란 무엇이며 데이터 분석을 시작 하려는 분들에게 좋은 책인 것 같습니다.

책은 초심자가 읽기에도 충분히 이해할수 있는 수준의 책입니다.

다만 이책을 보았다고 바로 데이터를 이해하고 분석을 하기에는 다소 무리가 있습니다.

데이터를 이해하고 그 계통으로 들어가는 한 발자국을 좀 더 쉽게 내 뒬수 있는 기초적이고 좋은 책인 것 같습니다.

아무래도 데이터에 관심이 많다보니 이런 류의 책들은 꾸준히 보고 있는 편입니다.

특히나 최근 빅데이터 쪽 책들을 몇 가지 보면서 일본인이 쓴 책들을 많이 본 것 같습니다.

제가 못 찾은 것일 수도 있지만 한국 대비 일본에서 나온 책의 종류가 상당한 것 같아(번역이 안 된 원서 종류도 많음!)

일본인들의 통계에 대한 관심을 그간 쭉 느끼고 있었는데, 이 책의 작가이신 구도 다쿠야 님도

데이터가 만드는 힘에 대해 깊이 체감하고 계신 것 같았습니다.

이전에 봤던 책들과 다른 점이 있다면 서양의 다양한 데이터 활용 성공 사례와 더불어

작가 본인이 직접 일을 하며 경험했던 것도 기록되어 있어 좀 더 흥미를 유발했습니다.

또한 뒷편에 나온 상황 설정을 통한 현실 대입이 실전에 대한 이해를 도왔습니다.

책에서 아쉬운 점이 있다면 책의 제목과 같은 취지로 처음 작가는 책을 쓰기 시작한 것 같으나

데이터에 대한 지나친 열정?으로 '시작하려는 사람'에게 제공될 만한 지식을 뛰어넘은....

나름 세세한 부분까지 많은 정보를 한 권에 담으려다 보니 저에게 있어서는 내용이 확 다가오지는 않았습니다.

그러나 데이터 분석 실천에 대한 단계5는 데이터 분석으로 실적을 올리려고 하는 회사에서는

체크해두면 유용한 정보인 것 같습니다.

독자대상이 아무리 초보라 하더라도 내용이나 구성면 어느하나 수준이하입니다.

정가 2만원이나 하는 가격에 지면은 줄이고 내용은 작가가 근무했던 경험을 자랑듯이 일기 형식으로 썼으며,

마지막엔 갑자기 가상캐릭터를 등장시켜 예를들어 설명하는데 할 말을 잃게 만드는 구성이더군요.

몇몇 분이 추천하기에 구입했지만 정말 집어 던져 버리고 싶은 책입니다.

'국내=일본'이란 배경도 와닿지 않았습니다.