[와이즈넛] 데이터 활용 어떻게 할 것인가? (4차 산업혁명 시대의 Data Driven)

  • 필요한 Data(정보)를 어떻게 얻고 있나요? (미디어 경험에 따른 세대별 특징)
    • 50대 이상 : 전화/문자 활용
    • 30~40대 : 구글/네이버/SNS
    • 10~20대 : 유튜브/인스타그램

“The Future can’t be predicted, but futures can be invented.” (Dennis Gabor; 홀로그램 발명가)
“The Future always comes too fast and in the wrong order.” (Alvin Toffler; 미래학자)

  • Digital Transformation
    • 비즈니스의 모든 영역이 디지털 기술(IoT, AI)과 결합되어 변화를 일으키는 것
    • 디지털 기술을 사회 전반에 적용하여 기존 사회 구조를 혁신시키는 것
    • 산업적인 측면 : 인공지능(AI), 사물 인터넷(IoT), 클라우드 컴퓨팅, 빅데이터 솔루션 등 정보통신기술(ICT)을 플랫폼으로 활용해 제품 생산과 서비스의 혁신
      • 주52시간 근무제로 인해서 사람이 커버할 수 없는 서비스를 챗봇이 대체하게 될 것
  • 인공지능이 사람보다 잘할 수 있는 일
    • 분류 - 이미지나 영상에서 객체 인식해서 분류, 글자/글/소리 분류, 데이터 그룹핑, 연관성 발견
    • 예측 - 어떤 일의 발생 가능성 예측, 가치판단, 수요 예측
    • 생성 - 시각적 이미지 생성, 글 쓰기, 소리 만들기, 데이터 만들기
    • ex) GE(제조업체; 인공지능 대체), 켄쇼(금융 분석 프로그램), 왓슨(의료 인공지능)


[EBS과학다큐] 인공지능 이미테이션 게임

  • 인공지능이 사람을 능가할 것인가?
  • 4가지 테마로 사람과 인공지능 경쟁 (재즈 작곡 대결, 포커 게임, 소개팅 대결, 그림 그리기)

  • 인공지능과 소개팅, 주어진 질문에 대한 대답을 학습하기 위해 600만 건의 소셜 데이터 학습
  • 챗봇 제작과정
    • 20대 여성 1800명의 이상형 데이터 수집
    • 75가지 대화 주제로 데이터 분류
    • 딥러닝 기반 지도학습
  • 재즈 작곡, 포커게임, 그림 모두 사람이 이겼지만, 소개팅만 유일하게 인공지능이 이겼음
  • 인공지능은 창조 불가능, 사람들의 답변을 최적화했기 때문에 높은 호감도를 얻을 수 있었음


빅데이터의 필요성

  • 분석 대상을 빅데이터로 확대함으로써 과거를 좀 더 확실하게 알게 되고, 미래 예측 정확도 향상
  • 현재 상황 분석에서 미래 예측으로 진화
    • 1980년대 - 무슨 일이 일어났는가? (보고; 정형 Report)
    • 1990년대 - 왜 그런 일이 일어났는가? (다차원 분석; 엑셀, OLAP, )
    • 2000년대 - 지금, 무슨 일이 일어나는가? (모니터링; 대시보드 등)
    • 2010년대 - 이제부터, 무슨 일이 일어날 것인가? (예측, 분석, 최적화; 텍스트 마이닝 등)

  • 기업과 고객간의 인터렉션데이터가 미래 비즈니스에 성패 좌우

  • 기존 데이터 분석 한계
    • As-Is (Only 정형 모델) - 기존 고객에 대한 모델의 성능은 우수하지만, 정형 변수 데이터가 적은 고객은 찾아내기 어려움
    • To-Be (정형의 보완, 정형+비정형) - 기존의 정형 모델에서 감지하지 못하는 고객군 및 히든 요구사항을 찾아내는데 집중
  • 비정형 데이터 필요성
    • 비정형 데이터 부각 - 온라인 미디어 확대, 모바일 트래픽 증가, IoT 기술의 발전
    • 360˚ view : 폭넓은 고객 반응 정보 확보해서 다양한 분석 가능
    • Insight : 다양한 감성정보 추출, 히든 고객 요구사항 도출
    • Decision : 조기 Alerting, 프로세스 개선 및 선제적 대응, 미래 예측 및 대응 시나리오 도출
  • 데이터 분석 예시 (자체 플랫폼 사용; www.buzzinsight.net)
    • 다이슨 - 무선 청소기 대표 경쟁사별 소셜 분석을 통한 마케팅
    • 대상 - 온라인 관심 평가를 통한 경쟁 브랜드 비교 분석을 통한 브랜드 포지셔닝

“작다고 꿈까지 작은 것은 아니다.” (라이트닝 맥퀸)


[SKT] BigData, AI 시대를 대응하는 청년인재

데이터과학 비즈니스 패러다임의 진화와 동인 키워드

  • 오픈소스 혁명 - 온디맨드 경제, 경제학적 패러다임이 제조 산업에서 공유,개방으로 바뀜
  • 데이터의 가치 - 데이터 스스로가 만들어내는 부가가치에 주목, 기준값(메타데이터) 필요
  • 데이터를 위한 데이터
  • 연결성의 극대화 - 초연결, 초시대
  • 경험의 통합화 - 온오프라인 경험 통합
  • 개인화를 지향하는 데이터 - cluster를 타겟으로 한 마케팅에서 one-to-one 마케팅으로 바뀜, 소규모 제조 환경 필요, 공유하는 labs
  • 멀티사이드 플랫폼 - 판매자와 수요자 뿐만 아니라 참여자가 복잡해짐 (기준 정보 생성자, 분석 대행자, 산업 도메인 지식 가진 사람 등)
  • 정책혁명
  • 예측의 시대 - 단순 수요 뿐만 아니라 리스크 예측
  • 보안과 보호

“창조 이후 처음으로 인간을 실질적이면서 영원한 문제, 즉 시급한 경제적 근심에서 벗어나 얻은 자유를 어떻게 활용할지, 과학과 자본의 복리가 가져온 여가시간을 어떻게 보내야 할지 하는 문제들과 직면하게 될 것이다.” (존 메이너드 케인스)

“생각하는 기계가 만들어진다면, 인간보다 더 지능적으로 생각할 수 있게 될 것이다. 그렇게 되면 우리 인간이 설 땅은 어디겠는가?” (앨런 튜링)

“AI가 초래할 위험은 광범위하게 퍼진 질병이나 폭력 같은 재앙에 비해 훨씬 경미할 것이다.” (마크 저커버그)

“모두가 AI를 안전하게 개발할 수 있도록 확인할 수 있게 통찰하고 관리할 공공단체(public body)가 필요하며 이는 엄청나게 중요하다. 나는 AI의 위험이 핵무기의 위험보다 훨씬 더 크다고 생각한다. 핵무기는 원한다고 해서 아무나 제조할 수 있는 것은 아니기 때문이다.” (엘론 머스크)


4차 산업혁명 시대

  • 제1차 산업혁명 - 증기기관 기반 기계화 혁명 (1784, 최초의 기계식 방직기)
  • 제2차 산업혁명 - 전기 에너지 기반 대량생산 혁명 (1870, 최초 조립식 생산 라인)
  • 제3차 산업혁명 - 컴퓨터, 인터넷 기반 지식정보 혁명 (1969, 최초의 PLC)
  • 제4차 산업혁명 - 혁신기술 기반 지능정보 혁명 (현재, 초지능, 초연결)
    • 기존 혁명에 비해 4차 산업혁명은 속도, 범위, 영향력에서 압도적

“4차산업혁명은 기대이면서 두려움이다. 속도는 쓰나미처럼 덮친다. 범위는 일상을 망라한다. 깊이는 존재를 흔든다.” (클라우드 슈밥; 다보스포럼 회장)


빅데이터

  • 빅데이터 기반의 데이터 과학이란 기존의 기업들이 수집할 수 없었던 다양한 이종의 데이터를 연계, 결합하여 비즈니스적 가치를 창출하기 위해 끊임없이 적용하는 지속적이고 창의적인 일련의 과정이며 방법론
  • 빅데이터가 등장한 배경 : 디바이스에서 생성되는 다양한 데이터, 네트워크 속도, 데이터 처리 비용 감소(클라우드)
  • 사이즈, 기술 측면에서 빅데이터를 바라보는 것은 적합하지 않음, 앞으로는 ‘빅’데이터가 아니라 그냥 데이터가 될 것

  • CRM이 망한 이유 : 기존 고객들의 데이터로만 분석하게 되면 데이터의 편향성 발생 (특정 기업이 제공하는 서비스를 사용하는 소비자들 뿐만 아니라 대상이 아닌 일반 사람들의 데이터를 얻는 방법이 중요해짐)

  • 빅데이터 역할
    • 불확실성 → 통찰력 : 사회현상, 현실세계의 데이터를 기반으로 한 패턴분석과 미래 전망
    • 리스크 → 대응력 : 이슈를 사전에 인지, 분석하고 빠른 의사결정과 실시간 대응 지원
    • 스마트 → 경쟁력 : 소셜 분석, 평가, 신용, 평판 분석을 통해 최적의 선택 지원, 트렌드 변화 분석을 통한 제품 경쟁력 확보
    • 융합 → 창조력 : 타분야와의 결합을 통한 새로운 가치 창출


인재상

  • SKtelecom의 인재상
    • 자유(DYWT) : 근무시간, 장소 설정
    • 창의(Start-@) : 사내 벤처 지원
    • 전문성(CDC) : 자유로운 팀, 부서 간 이동
  • 빅데이터 시대의 인재상
    • Scientific mind, Data Lieteracy, Communication, Ethics, Co-work, creativity

“The best way to predict the future is to invent it.” (앨런 케이)


[이노션] 4차 산업 혁명과 미래 직업

[SKhynics] 기업 브랜드 가치 광고

SK하이닉스 안에서 세상 밖으로 - 1편 (TVC 60”)

  • SK하이닉스 자체의 인지도가 매우 떨어져서 인재 확보가 어려웠음
  • buzz량이 기존에 비해 13배 이상 폭발적으로 증가
  • SK하이닉스가 반도체를 생산한다는 것에 대해 광고
  • BUT 부정적인 키워드(이천)가 발견


[SK하이닉스 TVC] 이천 특산품편

  • 이천에 대한 긍정적인 인식을 심어주는 광고
  • 성공한 광고 (유튜브 1000만뷰 이상이면 대박 광고)


  • 빅데이터 연관어
    • 키워드끼리 4가지 그룹으로 클러스터링
    • 향후의미, 업무/유망, 학습방법, 학습대상
  • Q1 Data Scientist 의미 & 전망
    • 데이터 이면의 의미를 해석해 내는 인재
    • 데이터의 다각적 분석을 통해 조직의 전략 방향을 제시하는 기획자이자 전략가
    • 국내 : 민간부문 + 교통, 재난, 의료 등 공공서비스 빅데이터의 활용이 크게 증대될 것으로 전망
  • Q2 Data Scientist 광고/마케팅에서의 실제 업무
    • 인사이트 발굴
      • 상황분석(이슈 발견, 긍/부정 요인) → 선망분석(욕구발견[개선 및 혁신]) : 합리적 추론
    • 트렌드 추적
      • 흐름분석(이슈 변화, 긍/부정 변화) → 관심분석(라이프 스타일 변화 따른 관심 변화) : 합리적 예측
    • 인문계생은 사회현상에서 트렌트 뽑아내는 직관성 필요, 이공계생은 알고리즘, 하드웨어, 소프트웨어적 기술 필요


[현대자동차 i30] 신형 차 출시 광고

신형 i30 런칭 TV광고

  • 선정성 논란 등으로 광고 효과 폭망함
  • 몇십억 투자했는데 100 몇 대 팔림
  • 디지털 여론 분석 : 퍼포먼스 중심의 fun-driving car → 디자인 중심의 convenience car


[CAR] i30 디스커버리즈(Discoveries) 아이유인나 달라송 편

  • 광고 모델 바꾸고, 해치백 디자인과 실용성을 부드럽게 광고
  • i30광고 변화에 따라 소비량 급격하게 증가


  • 데이터 사이언티스트 역량과 조건
    • 필요 역량 : 호기심, 영리함, 수학과 공학능력, 글쓰기 능력 및 대화 능력

“미래는 이미 우리 곁에 와 있다. 단지 고르지 않게 분배되어 있을 뿐이다.” (윌리엄 깁슨; 미래학자)


[신한카드] BIG DATA & JOBS

  • 4th Industrial Revolution
  • Digital Transformation
  • Age of Big Data
    • Big data: The next frontier for innovation, competition, and productivity (McKinsey&Company)
    • Analytics omes of age (McKinsey Analytics)
    • 빅데이터를 활용해서 수익을 얻음
  • Data Tech
    • IT(International Technology)
    • 향후 30년 간은 Data Technology가 지배할 것
  • Long tail
    • Pareto Pirnciple : 20%의 efforts를 통해서 80%의 results를 얻겠다
    • 거의 1:1 마케팅

“지금까지 물 속에 있던 영역은 지금 물 위에 나와 있는 작은 영역보다 훨씬 더 크다.” (크리스 앤더슨)

  • Data Companies
    • 데이터로 수익 얻는 기업들 : Apple, Amazon, Alphabet, Microsoft, Facebook, Alibaba
    • 기존에 축적된 데이터가 아니라 현재 비즈니스 목적에 맞게 데이터를 쌓고 있음
  • Data Science
    • Statistics, Computer Science, Mathematics
    • Marketing Engineering, Data Warehousing, Customer Insight, Data Monetization

“Data Scientist: Person who is better at statistics than any software engineer and better at software enginnering than any statistician.” (Josh Wills)

  • 2016년 다보스포럼 미래 일자리 보고서
    • 방대한 데이터 속에 숨겨진 뜻을 이해하고 소통할 수 있는 능력이 일자리가 요구하는 주요 소양이 될 것
    • 논리적, 다차원적 사고
  • Practical Skill Set
    • Domain Knowledge : 분석하려는 영역에 대한 다양한 지식 필요, 상식 많아야 함
    • Data Handling : 데이터를 검증할 수 있는 능력 필요
    • Problem Define & Modeling : 문제를 어떻게 구조화시킬지 생각하고 문제 정의
    • Hypothesis Verify & Optimize : 여러 도메인 지식을 가지고 추론가능한 가설 세움, 가설이 맞다면 최적화 진행
  • 잘나가는 Data Scientist
    • Best Story teller
      • 여러가지 데이터들을 묶어서 결론을 낼 줄 알아야 함
      • 다른 사람들을 설득할 수 있어야 하고, 실제 action을 할 수 있어야 함
      • 명확한 fact를 기초로 해서 의미 전달
  • Best Consumer Economic Data
    • Population : 일반적인 사람들 대다수의 모든 데이터 가지고 있음
    • Coverage : 특정한 업종에 치우치지 않고 대부분의 업종 커버 (품목 데이터는 없음)
    • R.F.M(Recency Frequency Monetary) : 매일 데이터 발생, 한 사람에 대해 반복적인 데이터, 구매 금액
  • Big Data 분석
    • Who 소비주체(Demography)
    • When 소비시점(Timestamp)
    • Where 소비장소/채널(Merchant)
    • What 소비객체(Category)
    • 추정&리서치&서베이 (Why, How)


[후기]

  • 인공지능과 사람이 대결하는 다큐멘터리가 흥미로워서 가르치는 학생들한테도 보여줬다. 재즈 작곡, 포커게임, 그림 모두 사람이 이겼는데, 소개팅만 유일하게 인공지능이 이긴 것도 생각해볼 만한 부분인 것 같다.
  • 이노션에서 오신 분의 발표가 가장 인상깊었다. 유튜브 볼 때 아무리 광고 내용이 참신하더라도 전혀 안 보고 스킵 하는데도 하이닉스 광고는 너무 특이해서 5초동안 본 내용을 기억하고 있었다. 브랜딩에 대해서 처음 접했는데, 스토리텔링을 잘 하셔서 발표 내용 전체가 기억에 남는다. 그 뒤로 TV나 유튜브 볼 때 광고를 유심히 보고 있다.