2014.09.15

“성공적인 데이터 분석 팀 구성을 위한 조언”

Chris Nerney | CITEworld

빅데이터 프로젝트, 혹은 이 기회에 기업 내에 완전한 ‘분석 문화’를 도입하고자 하는 기업이라면 빅데이터에 예산을 투자하기에 앞서 ‘데이터 분석을 비즈니스에 어떻게 활용할 것인가’, ‘어떤 빅데이터 툴을 사용해야 하는가’, 그리고 ‘빅데이터 작업을 외부 분석업체에게 맡길 것인가’ 혹은 ‘만약 자체적으로 분석 팀을 신설한다면, 어디에서 이러한 인력을 조달할 것인가’ 등과 같은 구체적인 질문에 답을 제시할 수 있어야 한다.



앞서 언급한 질문들 가운데 마지막 ‘인력 조달’ 문제는 기하급수적으로 증가하는 기업 및 고객 데이터를 분석할 수 있는 데이터 과학자에 대한 수요가 치솟고 있는 현재의 상황과 밀접하게 연관돼 있다.

그러나 만약 기업이 빅데이터 분석 역량을 기르기로 결심하고 투자를 감행한다면 이러한 인력을 확보하거나, 심지어는 자체적으로 양성하는 것도 가능하다. 특히, 데이터 분석 팀을 신설하려는 기업에게 있어 더 근본적인 해결 과제는 단순한 데이터 과학자 인력의 확보 문제가 아니라 분석 팀원들 각각의 기술과 배경, 그리고 성격을 어떻게 잘 조화시켜 하나의 유기적인 조직을 구성하는 것이다.

디지털 마케팅 데이터 관리업체 엑셀레이트(eXelate)의 데이터 분석 부문 부회장 케빈 리온스는 “분석 팀을 구성하는 것은 뚜렷한 자신의 기업에게 맞는 구체적인 ‘비즈니스 목표’를 설정하는 것에서부터 시작한다"고 설명했다. 리온스는 “만약 이 기본적인 질문에 대답할 수 없다면 분석 팀의 개설은 물론 빅데이터 활용도 어려워진다”고 강조했다.

예를 들어, 구글과 페이스북과 같은 IT업체들의 데이터 과학자들은 빅데이터를 바탕으로 사용자의 행동을 ‘학습’, 나아가 이들의 미래 행보를 ‘예측’하는 컴퓨터 분석 모델을 개발해야 한다. 즉, 이러한 기업의 데이터 과학자들은 일반적으로 탄탄한 수학 및 컴퓨터 실력이 뒷받침돼야 한다.

반대로, 제품 개발이나 각종 영업 결정을 위해 소비자의 구매 행동이나 성향을 분석해야 하는 업체들의 데이터 과학자들은 이보다 좀 더 ‘소프트’한, 인문학적 소양을 갖추고 있어야 한다.

기업 고객이 온라인 광고사업을 효율적으로 할 수 있도록 웹 분석 서비스를 제공하는 마케팅 대행업체 디스틸러리(Dstillery)의 수석 과학자 클라우디아 펄리치는 "이러한 경우 데이터 과학 팀에는 영업이나 마케팅 팀 등과 소통할 수 있는 인원이 최소한 한 명은 있어야 한다”고 말했다.

펄리치는 "CTO나 CMO, 그리고 CEO와 마주앉아 이야기할 수 있는, 각종 비즈니스 문제를 규명하는 안목이 있는 팀원이 있을 때 비로소 해당 기업의 데이터 분석 팀이 뚜렷한 목표를 설정하고 빛을 발할 수 있을 것”이라고 설명했다.

한편, 데이터 과학자들이 이러한 ‘소프트 스킬’ 이전에 기본적으로 갖추고 있어야 할 소양은 최소한의 데이터 분석 기술인 것은 두말할 것 없다.

펄리치는 “구글이나 페이스북에서 요구하는 만큼의 분석기술까지는 아니더라도 최소한 데이터에 접근하고 분석할 수 있는 코딩 능력, 즉 펄(Perl)이나 파이선(Python)같은 컴퓨터 언어에 대한 지식은 있어야 한다”고 강조했다.

이어, “그리고 이와 더불어 통계학에 대한 실질적인 이해도 필요하다. 또한, 방대한 확률론 지식이 필요한 것은 아니지만 최소 빅데이터의 경험적 분포와 ‘평균’이라는 개념이 롱테일 시장에서 어떻게 치명적으로 작용할 수 있는가에 대해서는 이해하고 있어야 한다”고 말했다.

리온스는 펄리치가 언급한 것에 더해 “데이터 과학자 가운데서도 관련 전공자들을 채용하는 것이 더 낫다고 생각한다”고 덧붙였다.
 


2014.09.15

“성공적인 데이터 분석 팀 구성을 위한 조언”

Chris Nerney | CITEworld

빅데이터 프로젝트, 혹은 이 기회에 기업 내에 완전한 ‘분석 문화’를 도입하고자 하는 기업이라면 빅데이터에 예산을 투자하기에 앞서 ‘데이터 분석을 비즈니스에 어떻게 활용할 것인가’, ‘어떤 빅데이터 툴을 사용해야 하는가’, 그리고 ‘빅데이터 작업을 외부 분석업체에게 맡길 것인가’ 혹은 ‘만약 자체적으로 분석 팀을 신설한다면, 어디에서 이러한 인력을 조달할 것인가’ 등과 같은 구체적인 질문에 답을 제시할 수 있어야 한다.



앞서 언급한 질문들 가운데 마지막 ‘인력 조달’ 문제는 기하급수적으로 증가하는 기업 및 고객 데이터를 분석할 수 있는 데이터 과학자에 대한 수요가 치솟고 있는 현재의 상황과 밀접하게 연관돼 있다.

그러나 만약 기업이 빅데이터 분석 역량을 기르기로 결심하고 투자를 감행한다면 이러한 인력을 확보하거나, 심지어는 자체적으로 양성하는 것도 가능하다. 특히, 데이터 분석 팀을 신설하려는 기업에게 있어 더 근본적인 해결 과제는 단순한 데이터 과학자 인력의 확보 문제가 아니라 분석 팀원들 각각의 기술과 배경, 그리고 성격을 어떻게 잘 조화시켜 하나의 유기적인 조직을 구성하는 것이다.

디지털 마케팅 데이터 관리업체 엑셀레이트(eXelate)의 데이터 분석 부문 부회장 케빈 리온스는 “분석 팀을 구성하는 것은 뚜렷한 자신의 기업에게 맞는 구체적인 ‘비즈니스 목표’를 설정하는 것에서부터 시작한다"고 설명했다. 리온스는 “만약 이 기본적인 질문에 대답할 수 없다면 분석 팀의 개설은 물론 빅데이터 활용도 어려워진다”고 강조했다.

예를 들어, 구글과 페이스북과 같은 IT업체들의 데이터 과학자들은 빅데이터를 바탕으로 사용자의 행동을 ‘학습’, 나아가 이들의 미래 행보를 ‘예측’하는 컴퓨터 분석 모델을 개발해야 한다. 즉, 이러한 기업의 데이터 과학자들은 일반적으로 탄탄한 수학 및 컴퓨터 실력이 뒷받침돼야 한다.

반대로, 제품 개발이나 각종 영업 결정을 위해 소비자의 구매 행동이나 성향을 분석해야 하는 업체들의 데이터 과학자들은 이보다 좀 더 ‘소프트’한, 인문학적 소양을 갖추고 있어야 한다.

기업 고객이 온라인 광고사업을 효율적으로 할 수 있도록 웹 분석 서비스를 제공하는 마케팅 대행업체 디스틸러리(Dstillery)의 수석 과학자 클라우디아 펄리치는 "이러한 경우 데이터 과학 팀에는 영업이나 마케팅 팀 등과 소통할 수 있는 인원이 최소한 한 명은 있어야 한다”고 말했다.

펄리치는 "CTO나 CMO, 그리고 CEO와 마주앉아 이야기할 수 있는, 각종 비즈니스 문제를 규명하는 안목이 있는 팀원이 있을 때 비로소 해당 기업의 데이터 분석 팀이 뚜렷한 목표를 설정하고 빛을 발할 수 있을 것”이라고 설명했다.

한편, 데이터 과학자들이 이러한 ‘소프트 스킬’ 이전에 기본적으로 갖추고 있어야 할 소양은 최소한의 데이터 분석 기술인 것은 두말할 것 없다.

펄리치는 “구글이나 페이스북에서 요구하는 만큼의 분석기술까지는 아니더라도 최소한 데이터에 접근하고 분석할 수 있는 코딩 능력, 즉 펄(Perl)이나 파이선(Python)같은 컴퓨터 언어에 대한 지식은 있어야 한다”고 강조했다.

이어, “그리고 이와 더불어 통계학에 대한 실질적인 이해도 필요하다. 또한, 방대한 확률론 지식이 필요한 것은 아니지만 최소 빅데이터의 경험적 분포와 ‘평균’이라는 개념이 롱테일 시장에서 어떻게 치명적으로 작용할 수 있는가에 대해서는 이해하고 있어야 한다”고 말했다.

리온스는 펄리치가 언급한 것에 더해 “데이터 과학자 가운데서도 관련 전공자들을 채용하는 것이 더 낫다고 생각한다”고 덧붙였다.
 


X