상세정보

미국의 데이터 브로커 회사인 액시엄 출신의 저자가 데이터 과학자로서 국내외에서 경험한 데이터 과학 활용 사례들을 소개한 책. 데이터 활용의 구체적인 계획과 전략 수립, 플랫폼 구축 방법, 수행하고 평가하는 작업 등을 미국과 한국의 대표적인 사례를 통해 배울 수 있다.

이 책에는 액시엄의 고객 회사들이었던 미국 제너럴 모터스, 뱅크 오브 아메리카, 메트라이프 사례와 넷플릭스 분석경연 대회의 사례가 담겨 있으며 한국 기업의 경우, 통신, 금융, 보안, 유통, 제조까지 각 산업 분야별 대기업과 조직들의 실제 컨설팅 사례를 통해 생생한 데이터 과학 현장을 이해할 수 있다.

현장에서 사용되는 데이터 과학은 무엇이고 데이터 과학자들은 정말 어떤 일을 하고 있는지, 미국과 한국에서 데이터 과학자로 일해온 저자가 자신의 경험을 바탕으로 현실 세계에서 이루어지는 데이터 과학과 데이터 과학자의 일에 대해서 가감 없이 알려준다.

누구도 말해 주지 않았던 데이터 과학자의 실무

오바마 대선 승리의 숨은 공신이자 9·11 테러범을 찾는 데 결정적 기여를 한 것은 액시엄(Acxiom)의 데이터였다! 미국 최대 데이터 회사, 액시엄에서 근무했던 한국인 데이터 과학자가 미국 기업과 한국 기업에서 경험한 데이터 과학 실무 사례를 최초로 공개했다. 데이터 과학이란 무엇이며 보이지 않는 곳에서 데이터 과학자는 어떤 일을 하고 있는지, 미국 제너럴 모터스부터 한국의 대기업(통신, 금융, 보안, 유통, 제조)까지! 국내외 주요 산업 분야의 실무 케이스로 데이터 경제 시대를 준비하자. (이 책은 종이책과 전자책이 동시 출간되었습니다.)

[출판사 서평]

액시엄 출신 한국인 데이터 과학자가 알려주는 데이터 과학 컨설팅 사례
그동안 기본 알고리즘이나 컴퓨터 프로그램 그리고 빅데이터에 대한 일반적인 내용과 해외의 데이터 분석 사례 등이 있는 책은 많았지만, 국내 데이터 과학자가 실제로 한국과 미국 기업에서 데이터 과학을 적용한 사례를 소개한 책은 없었다.
<데이터 과학, 어떻게 기업을 바꾸었나?>는 미국의 최대 데이터 브로커 회사인 액시엄 출신의 저자가 데이터 과학자로서 국내외에서 경험한 데이터 과학 활용 사례들을 소개한 책이다. 데이터 활용의 구체적인 계획과 전략 수립, 플랫폼 구축 방법, 수행하고 평가하는 작업 등을 미국과 한국의 대표적인 사례를 통해 배울 수 있다. 이 책에는 액시엄의 고객 회사들이었던 미국 제너럴 모터스, 뱅크 오브 아메리카, 메트라이프 사례와 넷플릭스 분석경연 대회의 사례가 담겨 있으며 한국 기업의 경우, 통신, 금융, 보안, 유통, 제조까지 각 산업 분야별 대기업과 조직들의 실제 컨설팅 사례를 통해 생생한 데이터 과학 현장을 이해할 수 있다.

21세기 가장 주목받는 직업 데이터 과학자에 대하여
하버드 비즈니스 리뷰에서 발표한 ‘데이터 과학자: 21세기의 가장 섹시한 직업(Data Scientist: The Sexiest Job of the 21st Century, Harvard Business Review, 2012.)’이라는 자료를 보면 데이터 과학이라는 분야와 데이터 과학자라는 직업이 주목을 받고 있음을 알 수 있다. 데이터 과학자는 데이터 분석가, 분석 담당 최고책임자, 데이터 분석 전문가, 경영 빅데이터 분석사 등 여러 타이틀로 불리고 있다.
그러나 실제 현장에서 데이터 과학자가 어떤 일을 하고 있는지를 구체적으로 밝힌 책은 아직 없었다. 현장에서 사용되는 데이터 과학은 무엇이고 데이터 과학자들은 정말 어떤 일을 하고 있는지, 미국과 한국에서 데이터 과학자로 일해온 저자가 자신의 경험을 바탕으로 현실 세계에서 이루어지는 데이터 과학과 데이터 과학자의 일에 대해서 가감 없이 알려준다.

빅데이터 2.0 데이터 경제 시대, 데이터 과학자들은 무엇을 준비해야 하는가?
빅데이터 1.0 시대가 데이터 플랫폼의 기술적 혁신을 경험한 시대라면, 빅데이터 2.0 시대에는 빅데이터 기술을 기업에 적용해 데이터 활용의 길을 열어나가는 시대이다. 우리나라에서도 '정부 3.0-개방, 공유, 소통, 협력'이란 목표를 발표하고 대대적으로 공공데이터 개방을 추진 중이다. 이 책에 의하면 한국의 데이터 활용 수준은 3단계에서 4단계로 넘어가는 단계이다. 미국보다는 늦지만, 우리나라도 데이터가 미래의 성장 동력이 될 것은 분명해지고 있다. 이 책을 통해 기업은 데이터 과학이 어떻게 기업의 생산성을 높이고 있는지 빠르게 파악해야 하며, 성공적인 데이터 활용 전략을 세울 수 있다.
이 책의 넷째마당에서는 데이터 가공 데이터 거래 시장에 대한 국내외 현황을 살펴보고, 데이터 활용으로 인한 정보 공개와 정보 보호 문제의 양면성에 대해서도 다루고 있다.

정보제공 :

목차
프롤로그 : 데이터 과학자가 되기까지 = 12
첫째마당 : 데이터 과학과 데이터 과학자
 01 데이터 과학과 데이터 과학자 = 24
  데이터 과학과 빅데이터 = 25
  데이터 과학과 데이터의 크기 = 26
  데이터를 분석하는 다양한 직업들, 직책만 4,900개 = 30
  데이터 분석가와 데이터 과학자는 어떻게 다른가 = 33
  데이터 과학의 높아진 위상, 최고 데이터 책임자(CDO) = 37
  데이터 과학자, 무엇을 배우고 공부해야 하는가 = 38
  중요한 것은 현장에서의 경험이다 = 40
  데이터 과학자는 데이터 품질 전문가가 되어야 한다 = 41
  다양한 플랫폼 환경과 마주하게 되는 데이터 과학자 = 43
  데이터 과학자의 다양한 분석 도구들 = 45
  발전하는 분석 알고리즘 = 54
  데이터 과학자는 알고리즘 사용자이지 개발자가 아니다 = 57
  데이터 과학자가 갖추어야 할 소양 = 59
 02 데이터 과학과 빅데이터 플랫폼 = 63
  빅데이터 활용, 구체적인 계획과 전략이 먼저다 = 64
  빅데이터 플랫폼, 설계 단계부터 첫 단추를 잘 끼워야 한다 = 66
  빅데이터 플랫폼, 하둡이 만병통치약은 아니다 = 73
 03 성공적인 데이터 활용 = 78
  한국의 데이터 활용 수준은 5단계 중 3단계에서 4단계로 넘어가는 단계! = 79
  성공적인 데이터 활용 전략 세우기 1 : 기업의 분석 경쟁력 파악하기 = 82
  성공적인 데이터 활용 전략 세우기 2 : 전략적 로드맵 수립하기 = 85
  성공적인 데이터 활용 전략 세우기 3 : 분석할 주제 선정하기 = 88
  데이터 과학, 성공적 활용의 비밀은 클로즈 루프 프로세스! = 94
  데이터 중심의 경영과 조직 문화가 우선되어야 한다 = 97
둘째마당 : 미국 기업들의 데이터 과학 활용 사례
 04 미국 최대의 데이터 회사, 액시엄 = 104
  데이터, 왜 가공이 중요한가 = 105
  미국 최대의 데이터 전문 기업, 액시엄 = 107
  액시엄의 가공 데이터, 어떤 것들이 있나? = 109
  액시엄 데이터 활용 컨설팅 조직, 어떻게 구성되나? = 114
  액시엄의 가공 데이터, 정확도 떨어져도 가치 있는 정보로 변신한다 = 115
  액시엄 소비자 데이터, 모호함을 없애고 처리 과정을 투명하게! = 117
 05 GM 온스타 = 120
  GM 온스타, 정제된 고객 데이터에 기초한 텔레매틱스 서비스 = 121
  온스타 데이터와 액시엄이 만나다 = 123
  액시엄의 고객 데이터 정제 과정 살펴보기 = 124
  액시엄의 데이터 정제 소프트웨어 살펴보기 = 127
  마침내 사람들이 온스타 서비스를 사기 시작했다 = 130
 06 미국 대형 자동차 판매 딜러 = 132
  액시엄, 자동차 딜러들의 영업을 지원하는 마케팅 분석 모델을 개발하다 = 133
  데이터 분석 알고리즘 개발 과정 1 : 자동차 모델 세분화하기 = 134
  데이터 분석 알고리즘 개발 과정 2 : 구매자 성향 파악하기 = 136
  데이터 분석 알고리즘 개발 과정 3 : 적정 구매 시기와 구매력 파악하기 = 140
 07 뱅크 오브 아메리카 = 143
  뱅크 오브 아메리카 프로젝트, 금융 성과 분석 보고서와 고객 관리 모델을 만들다 = 144
  뱅크 오브 아메리카의 데이터센터, 슬림화와 효율성에 도전하다 = 145
  금융 성과 보고서, 과거 추이를 분석해 현재 성과를 평가하고 미래 전략을 시사한다 = 146
  신용카드 고객 이탈 모델, 고객 이탈률을 줄이고 마케팅 캠페인의 효과를 높인다 = 150
  이탈 모델 개발, 어떻게 이루어지나? = 152
  카드 연체 가능 고객 세분화, 마이크로 타기팅으로 마케팅 비용을 최적화한다 = 157
  신용카드 예비 신규 고객 선정, 고객 반응률을 높여 투자 대비 수익률을 높인다 = 162
 08 메트라이프 = 164
  메트라이프 프로젝트, 전사 데이터 웨어하우스와 BI 툴 구축을 지원하다 = 165
  BI 1.0에서 BI 3.0으로 발전하다 = 166
  전사 데이터 웨어하우스, 전사적 전략적 인사이트를 제공한다 = 168
  전사 데이터 통합 프로세스의 출발은 데이터 변수 선정과 품질 확인 = 170
  전사 데이터 통합 과정에 뒤따르는 조직 갈등과 재구성 = 171
  메트라이프의 빅데이터 활용 사례 3가지 = 173
  데이터 중심의 기업 조직과 문화가 경쟁력이다 = 179
 09 넷플릭스 = 181
  넷플릭스 분석 경연대회, 분석 모델의 예측력을 높여라 = 182
  우승팀은 어떤 알고리즘을 사용해 예측력을 높일 수 있었나? = 184
  기계학습에 대하여 = 192
  10억짜리 알고리즘, 현업 적용에 실패한 이유는? = 195
  넷플릭스 빅데이터 운영본부, 엄청난 양의 빅데이터를 문제 없이 처리하는 비결은? = 198
셋째마당 : 한국의 데이터 활용 사례
 10 전사 통합 CRM 전략 = 208
  과거 CRM 실패 요인은 빅데이터 활용의 실패 원인이 될 수 있다 = 209
  데이터 활용 중장기 전략, 왜 필요한가 = 211
  전사적 통합 CRM 전략, 중앙집중적 조직 구조일 때 최적의 성과를 낸다 = 213
  고객 접촉 이력 관리는 필수! = 217
  마케팅 캠페인도 데이터 중심 마케팅으로! = 218
  전사 전략적 고객 데이터 분석, 고객을 알아야만 서비스도 공략도 가능하다 = 222
  우수 고객 프로그램, 형식적인 이벤트가 아닌 맞춤형 특별 서비스를 제공하라 = 226
 11 통신 빅데이터 분석 = 228
  통신 데이터, 사용자의 성향과 행동 패턴을 분석할 수 있는 빅데이터 중의 빅데이터 = 229
  통화 데이터와 위치 데이터의 전처리 과정 살펴보기 = 231
  통화 데이터와 위치 데이터의 패턴 분석 과정 살펴보기 = 236
 12 부정 불법 감지 = 244
  부정 불법 사고로 매년 매출액의 평균 5％손실, 기업 이미지에도 치명적 타격 = 245
  부정 불법 감지를 위한 데이터 분석 방법론 4가지 = 246
 13 프랜차이즈 신규 가맹점, 매출 추정과 최적의 영업권 설정 = 255
  창업 후 3년 안에 50％가 문을 닫는 자영업 시장에서 살아남으려면? = 256
  창업 전 합리적인 매출 추정으로 손익을 따져보자 = 258
  매출 추정 방법 3가지 = 260
 14 제조업 사례 = 266
  변수가 많고 높은 정확성을 요구하는 제조업 데이터 = 267
  제조업 분석에 쓰이는 알고리즘 살펴보기 = 267
  사례 1 : 초당 1개의 제품을 생산하는 빠른 공정에서 불량 제품 찾아내기 = 271
  사례 2 : 과부하로 인한 장비 멈춤 사고 예방하기 = 279
  분석 못지않게 중요한 실시간 모니터링 시스템 = 285
넷째마당 : 빅데이터 2.0 : 데이터 경제
 15 빅데이터 2.0 시대, 무엇을 준비해야 하나? = 290
  빅데이터 1.0 시대를 지나 2.0으로 = 291
  공공 정보 공개, 데이터는 자산이다 = 296
  공공 데이터 활용을 위한 첫걸음은 데이터 통합 = 297
  외국의 가공 식별 번호 및 가공 데이터 판매 사례 살펴보기 = 300
  국내외 데이터 시장 현황 살펴보기 = 302
 16 데이터의 양면성, 보호 vs. 공개 = 307
  데이터의 양면성, 보호와 공개의 두 얼굴 = 308
  개인 정보 보호와 개인 정보 활용은 다르게 접근해야 한다 = 312
에필로그 : 데이터 과학자, 한국에서의 미래 = 315