3. 가치 창조를 위한 데이터 사이언스와 전략 인사이트

(1) 빅데이터 분석과 전략 인사이트

가) 열풍과 회의론

나) 분석 기반 경영이 도입되지 못하는 이유

– 기존 관행을 따를 뿐 중요한 시도를 하지 않음

– 분석에 따른 결정보다는 직관적인 결정을 더 중요한 재능으로 여긴다

– 분석적 실험에 대한 역량을 갖춘 사람이 없다

– 아이디어 자체 보다는 아이어를 낸 사람에 관심을 두는 경향

다) 빅데이터의 분석의 핵심

– 음성, 텍스트, 로그, 이미지 등 새로운 정보 원천이 주는 기회

– 비지니스 핵심에 대한 객관적이고 종합적인 통찰

– 분석적 방법과 성과에 대한 이해

라) 전략적 통찰이 없는 분석의 함정

– 전략적 통찰과 성과는 정관계가 있다

마) 전략 도출을 위한 가치 기반 분서

– 일차원 적인 분석이 아닌 전략적 Insight 를 가진 가치 분석 필요

(2) 전략 인사이트 도출을 위한 필요 역량

가) 데이터 사이언스

– 데이터로 부터 의미 있는 정보를 추출해 내는 학문

나) 데이터 사이언스 구성 요소

– 구성요소 : Analytics , IT (DB Management .. etc) , 비지니스 분석

– 데이터 사이언 티스트 필요 역량

.Hard Skill : 빅데이터에 대한 이론적 지식, 분석 기술에 대한 숙련

.Soft Skill : 통찰력 있는 분석 (창의적사고, 논리적 비판, 호기심), 설득력 있는 전달, 다분야간 협력(커뮤니케이션)

다) 데이터 사이언스

– 과학과 인문의 교차로 : 데이터 사이언티스트에 요구하는 사고방식과, 비지니스 이슈에 대한 감각, 고객들에 대한 공감 능력 등 인문학적 능력의 강조

라) 인문학적 사고의 특성과 역할

– 요체 : 왜 우리는 여태 이런 식으로 생각했나, 왜 우리는 세상이 그런줄만 알았나? 라는 질문을 던지는 것

– 분석으로 다룰 수 있는 핵심 문제

. 리포팅 : 무슨일이 일어 났는가 ?

. 경고 : 무슨일이 일어나고 있는가?

. 추출 : 무슨일이 일어날 것 인가??

. 모델링 : 어떻게, 왜 일어 났는가?

. 권고 : 차선 행동은 무엇인가 ?

. 예측, 최적화, 시뮬레이션 : 최악 또는 최선의 상황은 무엇인가?

마) 인문학적 통찰력 활용 사례

– 성향적 관점 , 행동적 관점, 상황적 관점

(3) 빅데이터 그리고 데이터 사이언스의 미래

가) 빅데이터의 시대 : 기업에 비용절감, 시간절약, 매출증대, 고객서비스 향상, 신규 비지니스 창출, 내부 의사결정 지원 등에 가치

나) 가치 패러다임의 변화

다) 데이터 사이언스의 한계와 인문학