ADSP_1과목_가치 창조를 위한 데이터 사이언스와 전략 인사이트

book.naver.com/bookdb/book_detail.nhn?bid=15989437

ADsP 데이터 분석 준전문가 (동영상 핵심정리 + 최신기출 + 예상문제 660)

*해당 글은 학습을 목적으로 위의 도서 내용 중 일부 내용만을 요약하여 작성한 포스팅입니다.

 상세한 내용 및 전체 내용 확인을 원하신다면 도서 구매를 추천드립니다.

 

전략적 통찰과 빅데이터 분석

• 빅데이터는 무작정 큰 데이터를 찾는 것이 아니라, 비즈니스의 핵심에 대해 통찰을 찾을 수 있는 데이터를 선별하는 것이 중요하다.
• 전략적 통찰력을 가지고 분석하여 쓸데없는 분석 결과들만 쏟아내지 말아야 한다.

 

 

---

 

일차원적 분석과 전략도출을 위한 가치기반 분석

• 일차원적 분석은 부서나 업무 영역에서는 효과가 좋으나, 큰 변화에 대응하여 새로운 기회를 포착하기 어렵다.
• 전략도출 가치기반 분석은 사업에 대해 중요한 기회를 발굴하고, 전략적으로 변화시킬 수 있다.

 

---

 

데이터 사이언스

• 데이터로부터 의미있는 정보를 추출해내는 학문
• 정형, 비정형 데이터를 막론한 모든 데이터를 대상으로 한다.

 

---

 

데이터 사이언티스트

• 비즈니스의 성과에 직결된 핵심이슈에 답하고, 사업의 성과를 견인한다.
• 데이터 홍수 속에서 소스를 찾고, 구조화하여 불완전한 데이터를 서로 연결해야 한다.
• 스토리텔링, 커뮤니케이션, 창의력, 열정, 직관력 등 인문학적 능력도 갖춰야 한다.

 

---

 

데이터 사이언스의 구성요소와 데이터 사이언티스트의 요구 역량

데이터 사이언스의 구성요소

1. Analytics (분석 영역) : 수학, 확률모델, 머신러닝, 분석학, 패턴 인식과 학습, 불확실한 모델링 등
2. 비즈니스 분석 (컨설팅) : 커뮤니케이션, 프리젠테이션, 스토리텔링, 시각화 등
3. IT 영역 : 시그널 프로세싱, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우스, 고성능 컴퓨팅

 

데이터 사이언티스트 요구 역량

1. Hard Skill : 빅데이터에 대한 이론적 지식, 분석 기술에 대한 숙련도
2. Soft Skill : 통찰력 있는 분석, 설득력 있는 전달, 다분야간 협력을 위한 커뮤니케이션

 

---

 

데이터사이언스의 한계와 인문학

• 데이터 분석 과정에 인간의 해석이 반드시 포함되어 사람에 따라 다른 해석과 결론이 가능하다.
• 인문학을 이용하면 빅데이터와 데이터 사이언스가 데이터에 묻혀있는 잠재력을 풀어내어 새로운 기회를 찾고, 창조가 가능하다.

*데이터사이언스에서 인문학적 요소가 필요한 이유

1) 단순한 세계(컨버전스)에서 복잡한 세계(디버전스)로 변화

2) 비즈니스 중심이 제품생산에서 서비스로 이동

3) 공급자 중심의 기술경쟁에서 무형자산의 경쟁으로 변화 (생산 -> 시장창조)

 

 

---

---

---

 

1. 데이터 사이언스에 대한 설명으로 가장 부적절한 것은?

1) 데이터로부터 의미있는 정보를 추출하는 학문이다.
2) 분석의 정확성에 초점을 두고 진행한다.
3) 정형데이터 뿐 아니라 다양한 데이터 유형을 대상으로 한다.
4) 기존의 통계학과 달리 총체적 접근법을 사용한다.

2

2. 데이터 사이언스에서 인문학 열풍을 가져온 외부 환경 요소로 부적절한 것은?

1) 복잡한 세계화
2) 비즈니스 중심이 제품생산에서 체험 경제를 기초로 한 서비스로 이동
3) 경제의 논리가 생산에서 시장 창조로 변화
4) 빅데이터 분석 기법의 이해와 방법론 확대

4