크레마클럽

데이터가 실제로 어떻게 쓰이는지에 대해 조사하는 중 이 책을 발견하게 되었습니다. 실무자 입장에서 데이터 과학이라는 분야가 어떤 것인지, 다른 분야 사람들도 쉽게 알 수 있도록 써있어서 많은 도움이 되었습니다. 물론 이 책만 가지고 전문가가 되기는 어렵겠지만, 데이터 과학자가 되고 싶은 사람 또는 데이터 과학자가 무슨 일을 하는지 알고 싶은 사람들에게 추천하고 싶은 책입니다. 

데이터 사이언스에 대해 많은 관심이 있어서 읽었는데 정말 후회하지 않을 만한 책이네요. 

보통 책을 본다면 전체적으로 각 환경에 대한 부분을 전혀 언급하지 않습니다. 그리고 정확히 데이터 사이언티스트가 무엇을 하는지도 언급을 하지 않죠. 그런데 어떤 순서로 가야하는지 어떤 부분을 고려 해야하는지, 어떤 전략을 써야하는지 상세히 나와있어서 정말 좋았습니다. 전 특히 각 기업마다 다른 환경임을 고려해야하고 데이터 사이언티스트는 알고리즘 개발자가 아니라는 말이 상당히 마음에 와 닿았어요. 사실 저도 개발자로, 직장인으로 지내다보면 한 사람이 일당백으로 해야 되는 일이 많이 발생을 하게 되는데 이러면 사실 일에 대한 퀄리티가 떨어집니다. 그래서 이게 늘 올바른 길일까 많은 고민을 들게 하는데 이 책은 한방에 정리를 해주네요. 정말 추천드립니다. 

4차산업혁명시기에 대표적인 핵심분야가 빅데이터일겁니다. 이 빅데이터에 생명을 불어넣는 일이 바로 빅데이터분석입니다. 그러나 제목만 알고 있는 사람들에게 빅데이터로 구체적으로 무엇을 할수있을까하면 사실 막막한 것도 사실입니다. ＜데이터 과학, 무엇을 하는가?＞ 이 바로 이 궁금증을 현업에서 활동하는 데이터과학자의 이야기로 풀어간다는점이 가장 큰 장정입니다.

저자 김옥기는 미국에서 데이터가공회사 엑시엄에 근무하면서 뱅크오브 아메리타, 메트라이프프로젝트 등 대규모 굵직한 프로젝트를 진행하며 실무를 쌓은 최고의 현장 데이터과학자라고 합니다. 그가 겪은 경험은  저에게도 데이터과학이 무척 가깝게 느껴지게 하고 구체적으로 어떤 그림을 그릴지 알려주는 최고의 경험이었습니다.

저자가 다시 한국에 들어와서도  한국의 데이터를 어떻게 다루고 해석해야 할지는 민간부분그리고 공공부분까지 친절히 살핍니다.

그렇다고  ＜데이터 과학, 무엇을 하는가?＞가 데이터과학의 초보적 수준의 지식만 다루는것이 아니었습니다. 전문적 기술처리기법을 제외하고는 대부분 상황을 언급하고 있음을 데이터분석초보인 저도 알수가 있었습니다. 데이터활용성숙도에서 미국이 최고단계인 5단계라고 보면 한국은 2-3단계라고 저자는 이야기합니다. 시작지점으로 보입니다만 공공부분에서 정보공개가 점점 많아지고 있어서 데이터로 할수있는 분석이 점점많아지고 있음도 가슴을 뛰게 합니다.
다만 끝부분에 저자 김옥기가 한국에서는 데이터과학자의 임금이 낮고 일만 많다고 하며 영어가 되면 외국으로가라는 한국의 풍도가 참 답답한 느낌도 받았습니다. 이러한 저자의 코멘트는 사실 데이터분석을 꿈꾸는 사람들에게 현실감도 안겨주는 좋은 조언같습니다.
아마도 데이터에 대한 처리와 분석하는 일은 늘어날겁니다. 저도  이책을 통해 좋은 인사이트를 받아서 좋았습니다.

4차 산업혁명의 시대에 살고 있는 우리에게 빅데이터는 업무에 대한 통착력을 제공하며 기업에게는 생존을 좌우할 수 있는 중요한 정보를 제공한다. 감각이나 경험에 의지하지 않고 오직 데이터가 얘기해주는 객관적인 정보를 통해 예측하고 판단 해야한다.

저자는 오랜기간 데이터 과학자로 일한 경험을 바탕으로 데이터 과학자가 갖추어야할 지식과 소양, 빅데이터 플렛폼, 성공적인 활용 방안을 제시한다. 또한 미국 기업들과 한국 기업들의 데이터 과학 활용 사례를 제시하여 현실성을 더하고 있다.

초보자가 읽기에는 다소 어렵게 느껴진다. 용어도 생소하고 빅데이터 관련 기본적인 지식을 가지고 있지 않다면 여러번 읽어야 할 듯하다. 실제 데이터 과학자가 프로젝트를 진행하면서 겪었던 많은 경험들이 녹아들어 있어 실무에서 많은 도움이 될 것 같다.

데이터 과학이 대두되면서 각 기업에서 이를 활용하려는 움직임이 일어나고 있습니다. CRM으로 시작된 고객 데이터 수집은 데이터 과학을 만나면서 새로운 국면에 접어들고 있습니다. 그러나 타성에 젖어 데이터 과학을 도입할 뿐, 그것이 적합하고 효율적인 방법으로 가고 있는지에 대한 고민은 아직 불충분합니다. 데이터 과학이 단순 수집과 분석의 단계를 넘어, 숨겨진 고객의 니즈와 인사이트를 제공하는 단계로 가기까지 거쳐야할 관문은 무수히 많지만 대부분의 기업은 이에 대해 무지하거나 또는 알면서도 여러 한계로 인해 애써 외면하고 있는 상황입니다.

이처럼 머신러닝 등의 분석 기법의 발전, 그리고 데이터베이스와 정보처리 인프라의 발전으로 대표되는 IT의 발전에 힘입어 데이터 과학에 대한 기대감은 커지고 있지만, 현업에 적용하는 것은 다른 문제입니다. 본 서적에서 언급하기도 했지만 우수한 알고리즘이 현업에서 한계에 부딪히고 적용되지 못한 예도 있습니다. 데이터 품질을 잘 관리하고 분석 모델을 잘 고안한다고 해도 이론과 현실 사이의 괴리가 발생하곤 합니다. 아무리 훌륭한 기법도 현실적인 결과를 내야만 비로소 유의미해질 것입니다. 

본 서적은 그 답에 가까워지려는 시도들을 담고 있습니다. 기업이 데이터 과학을 적용할 때 기획자가 무수히 넘치는 데이터 속에서 길을 잃지 않게 도와주는 컨설턴트 같은 역할을 염두에 두고 쓰여진 듯 합니다. 서적의 초반부에 설명하는 빅데이터 분석의 조건들은 실제로 수행되기는 어렵지만 누구나 알 법한 당연한 이야기들입니다. 중반부부터는 저자의 엑시엄 재직경험에서 알게 된 데이터 분석 프로세스와 각 기업의 사례를 다루고 있습니다. 이 서적의 장점이자 단점을 한 마디로 정의하자면, '원론으로 정리되지 못한 사례집' 입니다. 사실 데이터 과학을 기업에의 적용하는 과정을 어느 것으로 정의 내리는 것은 불가능에 가깝습니다. 수집되는 정보가 다르고, 현업의 업무가 다르며, 분석으로 얻으려는 인사이트가 제각각이기 때문입니다. 저자 역시 이 부분을 잘 알고 있기에 해외와 국내의 데이터 분석 도입 사례를 소개하며 독자가 시행착오를 조금이나마 줄이며 스스로 답을 찾아나가길 원한 게 아닌가 싶습니다.

기업들이 형식적으로만 데이터 분석을 도입하며 시행착오를 거듭하고 있는 현실에 조금이나마 경종을 울리는 데 의미가 있다고 봅니다. 여러 분석 기법에 대해 논하고 있지만, 간단한 소개 정도에 그치고 있기에 어려운 내용이다 싶으면 이런 것이 있구나 하면서 가볍게 받아들이고 넘어가시면 될 듯 합니다. 데이터 과학의 현실을 한번 훑어보기에 적합한 도서입니다.