[독서] #4. 문과생, 데이터 사이언티스트 되다.

1부. 숫자와 현실을 연결하다: 데이터 사이언티스트의 등장

 

1장. 데이터 필수 시대

 

-개념보다 중요한 것은 활용이다.

 

-쌓일수록 가치가 생기는 것

 

하루는 쉬울지 몰라도 지속적으로 기록한 차트가 있다면, 원인은 무엇인지 파악 할 수 있는 근거자료가 되는 것이다.

데이터에는 사람들이 주장을 객관적으로 받아들이게 하는 힘이 있다.

논리적인 사람으로 인식된다.

 

-누구에게나 도움이 되는 데이터

 

당신의 의견을 뒷받침해주며, 논리적이고 싶이 있는 분석을 할 수 있게 도와준다. 더 합리적인 결정을 내릴 수 있고, 신제품 아이디어를 내놓을 수도 있다.

 

-데이터는 경쟁력을 좌우한다.

 

고객 유입 (시간대, 클릭 수, 카테고리 분석)

 

-모든 것이 데이터가 된다.

 

왜 실패했는지 잘 기억이 나지 않는다? (왜 다이어트 실패 했나?)

 

<SUMMARY>

-매일/매달 반복적인, 변화에 둔하며, 잊고, 구체적이지 않다.

-데이터는 사람들의 주장을 더 객관적으로 받아 들이게 하는 힘이 있다.

-논리적인 사람

 

-(데이터는) 당신의 의견을 뒷받침 한다.

-(데이터는) 논리적이고 깊게 분석 한다.

-(데이터는) 합리적인 결정을 도와준다.

-(데이터는) 새로운 서비스 / 신제품-아이디어를 도와준다

 

-(다이어트 실패) 왜 실패했는지 기억이 X

-(다이어트 실패) 데이터 X

 

2장. 데이터 사이언티스트의 역활

 

-이 시대에 꼭 필요한 전문가들

 

변호사와 비슷하다.

애널리스트, 비즈니스 애널리스트

그러스 해커 Growth Hacker

 

-기술, 통계, 인문의 경계를 넘나든다.

 

영역: 기술, 통계, 인문 3가지로 구분 (회사 안 부서로는, 엔지니어 속한 팀)

 

-숫자로 설득해야 한다.

 

기술 + 통계 + 인문  = "그래서 앞으로 뭘 어떻게 해야 하는데?" 이때 얼마나, 논리적으로, 이해하기 쉽게 숫자를 설명하는 지가 중요하다. 또 완벽하게 전달하기 어렵다.

'의사소통'을 잘하면 얻게 되는 이득이 생긴다.

자신이 만들지 않은 자료를 직접 만든 것처럼 가장하는 것??? 남이 쓴 보고서를 편집해 보고서를 만드는 이들은 데이터 사이언티스트가 될 수 없다.

 

(분석) A: 건물 내부 매장과 길거리 매장을 비교해보니 날씨 변수에 따라 매출 차이가 00% 있습니다. 이 모델은 .05 수준에서 유의미했습니다. 다른팀: 네 . . . (대충 느낌은 정확히 무슨 말이야?)

(제안) A: 매장별로 전력을 다르게 세워야죠. 유의미한 매출 차이가 있었잖아요.

(문제) A: 얼마나 구체적인 전략까지 보여줘야 하나요? 그럼 제가 직접 제품 기획 일까지 하는 건데, 그럴 필요가 있나요? (타 부서가 이해할 수 있는 언어로 설명하는 과정이 필요하다.)

(결과) 길거리에 있는 매장은 비나 눈이 올 때 매출이 00% 감소해요. 그런 날씨에도 고객들이 방문할 수 있도록 마케팅 전략을 제공하면 좋겠어요. 혹은 비나 눈이 올 때 건물 안에 있는 매장에서 매출을 더 많이 일으켜 전사 매출 균형을 맞추는 방법도 있어요. 비가 올 땐 특히 00제품이 더 잘 팔리고, 눈이 올 땐 xx 제품이 더 잘 팔리니 일시적으로 이런 제품을 노출하는 방법도 있습니다.

 

이렇게 구체적인 제언을 해줘야 한다. 그들이 무엇을 고민하는지, 무엇을 알고 싶은지 많이 들어야 한다. 고민의 본질을 이해해야 한다는 뜻이다.

나만의 강점을 찾고 그 역량을 더욱 키우라는 것이다.

잘하는 일을 더 잘하게 만드는 것이 훨씬 더 효율적이라는 관점이다.

 

-숫자와 현실을 연결해야 한다.

 

의사결정자들의 문장을 파악하는 것이 중요하다.

데이터 사이언티스트는 예산 절감에 도움이 된다. (마케팅 / 홍보 / 영업 / 운영) 노동력

 

-숫자와 언어 속에서 맥락을 읽어낸다.

 

앞으로 데이터와 관련된 모든 프로젝트에서 데이터 전문가 역할을 하는 사람이 될 것 이다.

 

2부. 기술보다 먼저 익혀야 할 것들: 데이터 사이언티스트의 역량

 

3장. 문과생 데이터 사이언티스트의 기초체력 다지기

 

-정도가 아닌 길을 걷는 이들에게

 

-외국어를 배우듯 코딩을 배워라

 

-맛있는 요리를 만들듯 통계를 배워라

 

어떤 툴이 절대적으로 필요하다고 말하지는 않겠다.

도구에는 장단점이 있다. 결과물을 잘 판단해봐야 한다.

 

-통계 관련 수업은 최대한 많이 들어라

 

내 전공이 아닌 다른 분야의 공부를 꾸준히 하다 보면 내 전공의 전문성에 그 분야가 더해져 나만의 강점이 생긴다.

 

-프로젝트에 대한 가치판단을 전달하라

 

데이터 사이언티스트는 이런 가치판단(지금 단계에서 이 기술을 도입하는 것이 어떤 영향을 미칠 수 있는지)을 전달 할 수 있어야 한다.

 

-스페셜리스트가 되려면 제너럴리스트가 되라

 

-박죄의 고통을 감수하라

 

박쥐처럼 어디에도 속하지 못하는 기분이 든다면 둘 다 섭렵하기 위해 노력하는 시간이 필요할지도 모른다.

두 나라의 언어에 능통한 통역가처럼 두 분야를 연결 할 수 있도록 역량을 키우면 된다.

 

-문과생이 아닌데 데이터 사이언티스트가 되고 싶다면

 

분석의 시작부터 끝까지 해낸다면 누구 보다도 데이터 사이언티스트의 역할을 잘해낼 수 있다.

 

4장. 데이터 사이언티스트의 마인드 세팅

 

-향상심: 지금보다 나아지고자 하는 욕구

 

늘 호기심이 끊이질 않고 더 발전하기 위해 스스로 공부하며 정신없게 바쁘지 않으면서도 부지런하다.

퇴근 후, 3-4시간씩 새로운 기술에 관해 애기하고 토의하는 시간을 자발적으로 갖는다.

주변 사람들과 내 경험을 공유하기 위해서다.

지금보다 나은 결과를 내기 위해 시간, 금전, 노력 이 모든 면에서 자신에게 아낌없이 투자한다.

향상심이 있는 사람은 이 일들을 하는 데 잘 맞을 것이고, 변화 없이 편안함을 추구하고 싶은 기질의 사람과는 잘 맞지 않을 수 도 있다는 것이다.

 

-호기심: 현상을 관찰해 문제를 파악하는 힘

 

이 문제를 수치화 할 수 있는지. 좋은 데이터 사이언티스트들은 호기심이 많다.

 

-사교성: 사람들이 원하는 것을 파악하는 능력

 

현실과 가장 맞닿아 있는 사람에게 도움을 요청해야 할 때가 반드시 있다.

 

-주도권: 데이터에 대한 주인 의식

 

-경험: 기획과 변형, 해석의 바탕

 

수비는 경험에서 나온다. 경험으로 상대가 어떻게 할지 예측하고 수비하는 것이다. (데이터 분석 결과를 해석하는 일도 마찬가지라고 생각한다.)

기계의 의사결정을 따르기로 하는 것도 인간이고, 의사결정을 재해석하기로 하는 것도 인간이다.

 

3부. 데이트가 사람을 위해 일하는 만드는 법

 

5장. 데이터 사이언티스트의 일

 

-데이터에서 가치를 찾아라

 

데이터가 기업에 도움이 되도록 하는 것이다.

데이터는 조금 더 합리적인 의사결정을 도와준다.

도무지 뭐가 나올지 알 수 없는 시간을 보낼 때도 있고

 

-감각, 기술, 소양을 갖춰라

 

-다양한 프로젝트들

 

-프로젝트 유형 1: 인사이트를 사람에게 전달하는 경우

 

프로젝트 초반: 기획

1.프로젝트의 목적을 정한다. (기한내 수행할 프로젝트의 범위를 정한다.)

2.유관 부서의 현황과 궁금증을 듣는다. (함께 연구해야 할 문제를 정한다.)

3.프로젝트와 관련된 데이터를 최대한 끌어모은다. (추가 데이터)

 

프로젝트 중반: 분석

4.목적이 맞는 가설들을 검증한다.

5.검증한 가설들의 조각을 모아 하나의 애기를 만든다. (구체화 한다)

6.실제 개선할 수 있는 구체적 방향을 제언한다.

 

프로젝트 후반: 실행

7.유관 부서와 개선 방안을 논의하고 실행을 돕는다. (실제로 소비자에게 전달되었을 때 효과가 다르거나 전혀 없을 수도 있기 때문)

8.실행 효과를 데이터로 검증한다.

9.분석-실행-분석을 통해 확인한 것들로 다음 실행을 준비한다. (수정-보안한다)

 

<예시>

1. 프로젝트의 목적을 정한다

2. 유관 부서의 현황과 궁금증을 듣는다.

3. 프로젝트와 관련된 데이터를 최대한 끌어모은다.

4. 목적에 맞는 가설들을 검증한다.

5. 검증한 가설들의 조각을 모아 하나의 애기를 만든다.

6. 실제 개선할 수 있는 구체적 방향을 제언한다.

7. 유관 부서와 개선 방안을 논의하고 실행을 돕는다.

8. 실행 효과를 데이터로 검증한다. **데이터는 그 실행 과정에서 실패 가능성이 최소화되도록 계속 도와야 한다. 그리고 실행 결과를 다시 분석해야 한다.**

9. 분석-실행-분석을 통해 확인한 것들로 다음 실행을 준비한다.

 

-프로젝트 유형 2: 데이터를 실제 IT 서비스에 반영하는 경우

 

6장. 데이터 사이언티스트의 무기

 

-사고하고 판단할 수 있는가

 

인간의 인문학적 판단이 더욱 중요해지리라 예상된다. 사람만이 갖고 있는 고유의 사고력이 더 많이 요구되는 것이다.

기계가 대신할 수 없는 영역이 분명 아직 남아 있다.

결국 그 기계를 학습시키는 것도 사람이고 결과를 책임지는 것도 사람이고 기술이 알려주는 데이터를 기반으로 전략을 세우는 것도 사람이며 신제품의 디자인을 결정하는 것도 사람이다.

바로 인간의 판단력이나 창의성과 맞닿아 있는 지점이다.

 

-나만의 관점이 있는가

 

전혀 상관없어 보이는 분야의 지식이 내 일에 도움이 되는 순간은 언젠가 찾아온다.

 

-분석에 대한 그림을 그릴 수 있는가

 

1.머릿속에 대략적인 결과물이 떠올라야 한다.

2.논리적으로 사고해야 한다. (코딩의 기본은 논리력이다.)

3.내 손으로 결과물을 만들겠다는 의지가 있어야 한다.

 

-다양한 경험을 융합할 수 있는가

 

4부. '나'라는 데이터를 분석하는 워크숍: 적성을 찾고 확신을 얻는 과정

 

7장. 선택의 순간에 묻는다

 

-상상만으로 고민하지 않기를

 

해보는 것만큼 중요한 것은 없다.

뭔가를 정리하는 것을 좋아하는 사람인지, 결과물을 만들고 이름을 알리는 데서 희열을 느끼는지, 매일 반복적인 일을 할 때 마음의 안정을 느끼는 지.

 

 

-내 인생의 키워드

 

-잊고 지냈던 재능 찾기

 

쉽게 하는 건 내가 재능이 있기 때문이더라고, 쉽게 하는 게 적성일지도 몰라.

회사를 다니는 것은 연애를 하는 것과 비슷하다.

업무와 취미 생활을 돌아보면 새로운 일인지, 시각적으로 결과물이 남는 일인지

 

-내 선택의 공통점 찾기

 

-장래희망의 상상과 실제 확인하기

-내 선택의 전환점 찾아보기

-일상에서 벗어난 나 돌아보기

-감정 파악하기

 

8장. 캐릭터 마이닝

 

-키워드를 찾는 방법

 

내커리어를 3가지 단어로 정리한다면?

내가 좋아하는 것을 3가지 단어로 정리한다면?

내가 참기 어려운 것을 3가지 단어로 정리한다면?

 

-커리어 키워드 찾기

-내가 좋아하는 것들의 키워드 찾기

-내가 찾기 어려운 것들의 키워드 찾기

-미래의 나를 구체적으로 상상해보기