여기에 당신의 욕망이 보인다: 빅 데이터에서 찾아낸 70억 욕망의 지도를 읽고 바로 이어 읽기 딱 좋은 책.
그냥저냥 읽을만 하다.
책 내용과 상관없이 읽는 동안 이런 저런 생각들이 많이 들었다.
자살한. 혹은 자살을 시도했지만 실패한 사람들의 트윗 혹은 SNS메시지들을 분석하면 이들이 자살을 시도하기 직전의 메시지들을 제대로 포착할 수 있지 않을까?
자살자들은 최후의 순간까지 바깥 세상으로 날 좀 잡아달라며 SOS메시지를 친다던데.
체육관에서 사물함 키를 받아들고 옷을 갈아입으러 들어가면
왜인지 한꺼번에 사람들이 한자리에 몰려서 옷을 갈아입으며 불편해하는 일이 자주 일어난다.
“얘들은 사물함 키를 좀 생각하면서 줄것이지 말이야.”라고 투덜투덜.
사물함 키에 RFID를 심고 사람들 체육관 내 사람들 동선을 분석하게 되면
효율적인 키 배분과 함께 생각지 못했던 여러 이점들이 있지 않을까!?
라는 쓸데없는 생각도 좀 해보고 ㅡ_;;;
그리고… 내가 2009년에 한국으로 와서 회사를 다니며 참 이상하게 느꼈던게.
팀별로 정보를 자기들만 가지고 있고.
“서비스가 궁금해서” “내용이 좀 궁금해서” 타팀에 자료를 요청하는건 정말 개념없는 짓으로 취급당했다는것.
팀별로 가지고 있는 데이터 자체가 그 팀의 힘, 영향력이고
팀에서 가지고 있는 자료를 섣불리 공개했다가는 그 팀에 불리하게 작용하는 공격마저 당할 수 있다는것이
그 원인이라는 것을 깨닫는게 꽤나 오래 걸렸으니..
눈치고 뭐고 전혀 없는 인간이라는거야 원래 알고 있었지만 다시 한번 인증.
바로 이런 문화 아래서는 회사 전체가 가진 데이터로 뭔가를 해보려는 시도는
CEO가 서슬 시퍼렇게 주도적으로 나서지 않는 이상 불가능한 것.
생명과학, 의학 연구에서 널리 쓰이는 시각화 도구 ‘사이토스케이프’
오픈소스 소프트웨어
SOPA 논쟁과정 분석에 쓰이기도
경영자들이 의사 결정에서 가장 쉽게 범하는 편견
1) ‘확증 편향’
자신이 믿고 싶은것만 믿는 것
객관적인 정보가 있어도 자신의 주장에 부합하는 정보만을 취사선택해 내가 옳다라는 확신만을 높이려는 편견
수사에서 범인을 단정한 후 이에 맞춰 증거를 수집하는 행위가 바로 확증 편향의 대표적 사례
챌린저호 O ring 문제사례 분석 오류2) ‘매몰 비용 오류’ 또는 ‘몰입 상승 효과’
이미 투자해 회수가 불가능한 비용에 집착하는것
주식 시장에서 개인 투자자. 매입때 가격에 집착하여 손해.3) ‘기점화와 조정’
첫인상을 바꾸지 않는것
What happened?
Where exactly is the problem?
What is happening next?
parse.ly: 출판과 관련된 웹 서비스 업체
지오비전(Geovision): 상권분석 사이트. SK텔레콤 제공
hype cycle for big data 2012
빅데이터 처리 및 관리 기술은 다소 뒤늦게 출발하고 이해도도 떨어지는 상황이지만, 분석 및 활용 기술은 이전부터 진행되어온 맥락이 있으므로 벌써 정점을 넘어선 것도 있다.
전반적으로 빅데이터 관련 기술은 1단계에서 2단계로 빠르게 넘어가고 있다.
빅데이터라는 이슈가 시장에서 기대의 정점을 통과하기까지 2년 남짓한 기간이 걸릴 것으로 보인다.
그 뒤에는 다른 기술이 그러했고 많은 현장관계자들이 예측하듯, 실망의 골짜기로 빠져들 가능성도 농후하다.
빅데이터를 활용하는 기업들은 기본적으로 정보를 관리할 줄 아는곳이다. 여러 방법을 통해 정보 관리 역량을 확보하고 있는 것 자체가 경쟁력이 된다. 이는 먼저 데이터를 신뢰할 수 있어야 한다는 뜻이다. 즉 데이터 품질을 관리해야 한다.
그리고 여러 부서와 기능들 간에 정보를 공유할 수 있는 통합적인 단일 데이터 플랫폼이 있어야 한다. 믿을 수 있는 유용한 데이터가 존재하고, 필요한 데이터가 어디에나 있으며, 그 데이터를 다른 부서나 팀과 쉽게 공유할 수 있는 시스템은 기본적인 정보 관리의 출발점이 된다.
대부분의 기업들을 보면 일반적으로 각 부서나 팀이 생성, 보유하고 있는 데이터들을 사내 영향력의 원천이라 생각해 잘 공유하지 않는다. 그러나 빅데이터를 실현하는 기업들은 이러한 데이터를 기꺼이 공유하며, 상호간에 도움을 주는 문화와 동기 부여도 체계적으로 자리를 잡고 있다.
연구 결과, 기업들이 빅데이터 활용에서 부딪치는 문제는 데이터의 부족보다는 오류나 누락처럼 데이터 품질과 관계된 문제들이며, 누구에게 관리 책임과 권한이 있는지 불분명한 데이터 거버넌스 문제가 더 큰 걱정거리로 나타났다. 따라서 보유한 데이터가 얼마 되지 않는다고, 기술적 장벽이 너무 크게 느껴진다고 오르지 못할 산으로 치부해버려서는 안된다.
빅데이터 역량을 획득하고 이를 토대로 소기의 성과를 거두기 위해서는 적지 않은 기다림의 과정이 필요하다. 하위유형에서 출발하여 거의 ‘전략적 데이터 관리자’유형까지 올라와 성과를 내고 있는 기업들의 사례를 조사해보면, 이들이 데이터 분석을 시스템화하고 조직에 완전히 정착시켜 성과를 끌어내기까지 평균 8년이라는 시간이 걸렸다고 한다.
0 Comments.