[1-3. 가치 창조를 위한 데이터 사이언스와 전략 인사이트]

1절. 빅데이터 분석과 전략 인사이트 
1) 빅데이터 열풍과 회의론
- 빨리 끓어오른 냄비가 빨리 식는다는 거품현상을 우려
- 빅데이터 회의론 >실제 우리가 빅데이터 분석에서 찾을 수 있는 수많은 가치들을 제대로 발굴해 보기도 전에 그 활용 자체를 사전에 차단할 수 있음

2) 빅데이터 회의론의 원인과 진단
1. 투자효과를 거두지 못했던 부정적 학습효과 (과거의 고객관계관리(CRM))
- 과거 CRM의 부정적 학습효과
- 공포 마케팅이 잘 통하는 영역 : 도입만 하면 모든 문제를 한번에 해소할 것 처럼 강조
- 막상 거액을 투자하여 하드웨어와 솔루션을 도입해도 어떻게 활용하고 어떻게 가치를 뽑아내야 할 지 난감
2. 빅데이터 성공사례가 기존 분석 프로젝트를 포함해 놓은 것이 많음
- 굳이 빅데이터가 필요 없는 경우(우수고객, 이탈예측, 구매패턴 분석 등)
- 국내 빅데이터 업체들이 CRM 분석 성과를 빅데이터 분석으로 과대포장
따라서 
- 빅데이터 분석도 기존의 분석처럼 데이터에서 가치, 즉 통찰을 끌어내 성과를 창출하는 것이 관건
- 빅데이터에 포커스를 두지 말고 분석을 통해 가치를 만드는 것에 집중

3) 빅데이터 분석, 'Big'이 핵심이 아니다
1. 빅데이터에 대한 관심 증대
- 데이터 기반의 통찰의 중요성에 대한 공감대 상승과 동시에 긍정적 효과를 기대
2. 빅데이터 프로젝트에 거는 기대
- 기존 프로세스의 자동화를 우선 시행한 후 점차적으로 거시적이고, 전략적인 가치를 이끌어 낼 수 있을 것으로 기대
3. 빅데이터 분석의 가치
- 데이터는 크기의 이슈가 아니라, 거기에서 어떤 시각과 통찰을 얻을 수 있는지의 문제
- 무작정 큰 데이터를 찾을 것이 아니라, 비즈니스의 핵심에 대해 보다 객관적이고 종합적인 통찰을 줄 수 있는 데이터를 찾는 것이 중요
- 전략과 비즈니스의 핵심 가치에 집중하고 이와 관련된 분석 평가지표를 개발하고 이를 통해 효과적으로 시장과 고객 변화에 대응할 수 있을 때 빅데이터 분석은 가치를 줌
*조슈아 보거 박사
: "직관에 기초한 의사결정보다 데이터에 기초한 의사결정이 그만큼 중요하다"
-> 데이터 자체의 중요성 강조

4) 전략적 통찰이 없는 분석의 함정 
- 단순히 분석을 많이 사용하는 것이 곧바로 경쟁우위를 가져다주지 X
- 분석이 경쟁의 본질을 제대로 바라보지 못할 때, 쓸모없는 분석 결과들만 잔뜩 쏟아냄.
->전략적인 통찰력을 가지고 분석하고, 핵심적인 비즈니스 이슈에 집중하여 데이터를 분석하고 차별적인 전략으로 기업을 운영해야 함

5) 일차원적인 분석 VS 전략도출을 위한 가치기반 분석
1. 산업별 분석 애플리케이션
-금융 서비스 : 신용점수 산정, 사기 탐지, 가격 책정, 프로그램트레이딩, 클레임 분석, 고객 수익성분석
-소매업 : 판촉, 매대관리, 수요예측, 재고 보충, 가격 및 제조 최적화
-제조업 : 공급사슬 최적화, 수요예측, 재고 보충, 보증서 분석, 맞춤형 상품 개발, 신상품 개발
-운송업 : 일정 관리, 노선 배정, 수익 관리
-헬스케어 : 약품 거래, 예비 진단, 질병 관리
-병원 : 가격 책정, 고객 로열티, 수익 관리
-에너지 : 트레이딩, 공급/수요 예측
-커뮤니케이션 : 가격 계획 최적화, 고객 보유, 수요 예측, 생산능력 계획, 네트워크 최적화, 고객 수익성 관리
-서비스 : 콜센터 직원관리, 서비스-수익 사슬 관리
-정부 : 사기 탐지, 사례 관리, 범죄 방지, 수익 최적화
-온라인 : 웹 매트릭스, 사이트 설계, 고객 추천
-모든 사업 : 성과관리

2. 일차적인 분석의 문제점
- 환경변화와 같은 큰 변화에 제대로 대응하거나 고객 환경의 변화를 파악하고 새로운 기회를 포착하기 어려움.
- 급변하는 환경에서 분석을 일차적 차원에서 점증적, 전술적으로 사용하면 성과는 미미할 수 있음

3. 전략도출 가치기반 분석
- 전략적인 통찰력 창출에 포커스를 뒀을 때 분석은 해당 사업에 중요한 기회를 발굴하고, 주요 경영진의 지원을 얻어낼 수 있으며, 이를 통해 강력한 모멘텀을 만들 수 있음
- 최고가 되기 위해선 일차원적인 분석을 통해 점점 분석 경험을 쌓아야하고, 작은 성공을 거두면 분석의 활용 범위를 더 넓고 전략적으로 변화시켜야 함
- 사업 성과를 견인하는 요소들과 차별화를 꾀할 기회에 대해 전략적 인사이트를 주는 가치기반 분석단계로 나아가야 함.

2절. 전략 인사이트 도출을 위한 필요 역량
1) 데이터 사이언스의 의미와 역할
1. 데이터 사이언스 의미 
- 데이터 공학, 수학, 통계학, 컴퓨터공학, 시각화, 해커의 사고방식, 해당 분야의 전문지식을 종합한 학문.
- 데이터로부터 의미있는 정보를 추출해내는 학문.
- 정형 또는 비정형을 막론하고 인터넷, 휴대전화, 감시용 카메라 등에서 생성되는 숫자와 문자, 영상 정보 등 다양한 유형의 데이터를 대상으로 분석뿐 아니라 이를 효과적으로 구현하고 전달하는 과정까지 포함한 포괄적 개념
2. 데이터사이언스 역할
- 비즈니스의 성과를 좌우하는 핵심이슈에 답을 하고, 사업의 성과를 견인해 나가야 함
  > 데이터 사이언티스트의 중요한 역량 중 하나인 소통력이 필요한 이유

2) 데이터 사이언스의 구성요소 
1. 데이터 사이언스의 영역

2. 데이터 사이언티스트의 역할
- 데이터 홍수 속에서 헤엄을 치고, 데이터 소스를 찾고, 복잡한 대용량 데이터를 구조화하고, 불완전한 데이터를 서로 연결해야 함
- 갖춰야 할 역량 중 한가지는 강력한 호기심.
  > 호기심 : 문제의 이면을 파고들고, 질문들을 찾고, 검증 가능한 가설을 세우는 능력
- 스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적 시각, 글쓰기 능력, 대화능력을 갖춰야 함

3) 데이터 사이언티스트의 요구역량 

4) 데이터 사이언스 : 과학과 인문의 교차로
- 분석기술보다 더 중요한 것은 소프트 스킬
- 전략적 통찰을 주는 분석은 단순 통계나 데이터 처리와 관련된 지식 외에도 스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력, 비판적 시각, 대화능력 등 인문학적 요소 필요

5) 전략적 통찰력과 인문학의 부활
1. 통찰력있는 분석
- 직관과 전략, 경영 프레임워크 경험의 혼합을 통해 통찰력있는 분석을 수행할 수 있어야 함
- 본인 회사 뿐 아니라 전체 업계의 방향과 고객이 무엇을 중시하는지에 대한 이해가 필요
2. 인문학의 열풍
- 기존 사고의 틀을 벗어나 문제를 바라보고 해결하는 능력, 비즈니스의 핵심가치를 이해
- 고객과 지원의 내면적 요구를 이해하는 능력 등 인문학에서 배울 수 있는 역량이 점점 더 요구되는 시대

3절. 빅데이터 그리고 데이터 사이언스의 미래
1) 빅데이터의 시대
- 디지털 환경의 진전과 더불어 엄청난 빅데이터가 생성
- 빅데이터 분석은 선거 결과에 결정적인 영향을 미칠 수 있음.
- 기업의 측면에서는 비용 절감, 시간 절약, 매출 증대, 고객서비스 향상, 신규 비즈니스 창출, 내부 의사결정 지원 등에 가치 발휘
2) 빅데이터 회의론을 넘어 가치 패러다임의 변화
- 과거(Digitalization) : 아날로그 세상을 어떻게 효과적으로 디지털화하는지가 과거의 가치 창출 원천
- 현재(Connection) : 디지털화 된 정보와 대상들은 서로 연결 시작, 연결을 더 효과적이고 효율적으로 제공하는가가 성공요인
- 미래(Agency) : 복잡한 연결을 얼마나 효율적이고 믿을 수 있게 관리하는가의 이슈
3) 데이터 사이언스의 한계와 인문학
1. 데이터 사이언스의 한계
- 분석과정에서는 가정 등 인간의 해석이 개입되는 단계를 반드시 거침
- 분석결과가 의미하는 바는 사람에 따라 전혀 다른 해석과 결론을 내릴 수 있음
- 아무리 정량적인 분석이라도 모든 분석은 가정에 근거한다는 사실
2. 데이터 사이언스와 인문학
- 인문학을 이용하여 빅데이터와 데이터 사이언스가 데이터에 묻혀 있는 잠재력을 풀어냄
- 새로운 기회를 찾고, 누구도 보지 못한 창조의 밑그림을 그릴 수 있는 힘을 발휘

*미래사회의 특성과 빅데이터의 역할
불확실성-통찰력
리스크-대응력
스마트-경쟁력
융합-창조력