◆ 책 소개
본격적으로 개막된 챗GPT와 생성AI 시대, 당신은 과연 살아남을 수 있는 역량을 갖췄는가? 데이터의 가치를 찾아내고 좋은 질문을 던지는 능력으로 미래를 바꿔라!
최근 불고 있는 챗GPT 열풍은 격하게 요동칠 미래의 단면을 짐작하게 해준다. 생성AI 기술은 우리 주변의 거의 모든 것을 바꿀 것이고 그 변화는 이미 시작되었다. 하지만 무턱대고 이 신기술의 뒤를 따를 수만은 없다. 챗GPT는 틀린 답도 천연덕스럽게 정말 그럴듯하게 내놓기 때문이다. 결국 인공지능의 데이터를 정확하게 해석하고 옳은 판단을 내려야 하는 ‘사람’의 역할이 그 어느 때보다 중요해지는 것이다. 그렇다면 데이터를 해석하고 판단하는 능력은 어떻게 길러야 할까? 이 책은 미래의 생존 역량으로 대두되는 데이터 리터러시란 무엇인지, 어떻게 길러야 하며 앞으로 어떻게 변할지까지 함께 다루고 있다. 단언컨대, 데이터 리터러시는 개인과 조직의 미래를 바꿀 것이다. 똑같은 데이터라 할지라도 다루는 사람의 능력에 따라 그 가치는 천차만별로 달라진다. 챗GPT 시대에도 살아남고 성공하고자 하는가? 이 책 『2030 데이터 리터러시 레볼루션』에 생존과 성공의 비결이 담겨 있다.
|
“지금 당장 갖추지 못하면 생존할 수 없다!”
AI의 발전을 내 편으로 만드는 데이터 리터러시 활용법!
문해력의 위기와 인공지능의 열풍이 동시에 감지되고 있다. 디지털 기술의 유례없는 발전, 모든 취미를 집어삼키고 있는 유튜브의 파괴력, 전 세계를 휩쓸고 지나간 코로나 팬데믹, 그로 인해 촉발된 업무와 창작 환경의 거대한 변화, 그리고 이 폭풍처럼 짓쳐 드는 미래를 온몸으로 겪어내야 하는 우리.
이 와중에 출간된 『2030 데이터 리터러시 레볼루션』은 제목 그대로 데이터 리터러시와 혁명 같은 변화를 다루는 책이다. 데이터 리터러시란 무엇인가? 데이터 리터러시는 ‘데이터를 읽고 쓸 줄 아는 능력’이다. 매분 매초 데이터가 실시간으로 생성되어 점점 늘어만 가고 있는 세상에서 ‘데이터를 제대로 해석하고 가치를 발견하고 발전시키는 능력’, 즉 데이터 리터러시의 중요성은 갈수록 커지고 있다. 미국의 IT 리서치 기업인 가트너는 데이터 리터러시를 가리켜 ‘기업이 성장하기 위해 갖춰야 할 제2외국어’라고 정의했다.
그러나 한 설문조사 결과에 따르면 데이터 리터러시에 자신감을 느끼는 사람은 겨우 21%에 불과하다. 최근 등장한 챗GPT로 인해 데이터 리터러시의 필요성은 더욱 부각되었다. 똑같은 챗GPT의 답변이라도, 데이터 리터러시를 갖췄는지에 따라 각각 다르게 해석할 것이다. 데이터 리터러시를 갖춘 사람의 해석이 우월한 경쟁력을 갖게 되리라는 점은 의심할 여지가 없다. 더불어 인공지능이 제공하는 결과를 해석하고 검증하는 역량은 앞으로 더욱 중요해질 것이다. 구글의 수석 이코노미스트 할 베리안Hal Varian은 “당신이 누구든, 어떤 비즈니스에 종사하든, 향후 10년간의 가장 중요한 비즈니스 역량은 데이터 리터러시다.”라고 선언했다.
데이터 리터러시는 왜 필요할까? 첫째, 데이터는 탁월한 인식 능력을 갖추게 해준다. 둘째, 데이터는 판단력의 기초를 제공한다. 셋째, 데이터를 통해 상대방을 설득하고 동기를 부여할 수 있다. 그렇다면 데이터 리터러시는 어떻게 길러야 할까? 우선 데이터가 필요하다. 둘째, 개념이나 기법을 알아야 한다. 셋째, 데이터를 적합한 방법으로 분석할 수 있는 분석 도구가 있어야 한다. 넷째, 사람이 중요하다.
이 책의 1부에서는 데이터 리터러시의 정의와 중요성에 대해서 다룬다. 챗GPT 시대에 데이터 리터러시가 갖는 의미를 알아보고 높아지는 중요성을 강조한다. 또한 데이터 리터러시라는 역량의 습득을 어떻게 시작해야 할지, 어떻게 이해하고 활용해야 할지 알아본다.
2부에서는 데이터 활용을 통해 조직의 역량을 높이는 법과 고객경험을 혁신하는 방법에 대해 다룬다. 데이터를 중심으로 조직의 혁신을 위해 상응하는 기업문화를 갖춰야 하며 리더가 올바른 역할을 해야 함을 강조한다. 또한 기업의 미래가 좌우할 수 있는 챗GPT 활용 역량을 기르고 인공지능의 발전에 어떻게 대비해야 하는지 알아본다.
3부에서는 개인의 데이터 분석 역량을 기르는 법을 다룬다. 자신에게 필요한 데이터를 어떻게 찾고 어떻게 수집하고 관리할 것인지가 미래를 대비하는 데 무엇보다 중요한 관건이다. 목적을 분명히 하고 문제를 구체적으로 정의해야 한다는 조언을 던지는 동시에 빅데이터뿐 아니라 스몰데이터와 딥데이터의 중요성 또한 강조한다. 나아가 데이터의 효과적인 시각화와 스토리텔링에 대해서도 다룬다.
데이터 축적과 활용이 전담 부서나 담당자만의 일로 여겨졌던 과거와는 달리, 이제는 마치 모국어를 익히듯 데이터를 자연스럽게 배워 능숙하게 써먹어야 살아남을 수 있는 시대다. 이 책을 통해 데이터 리터러시를 기르고 챗GPT 시대의 경쟁력을 갖춰야 할 때다.
◆ 저자 소개
이재원
데이터 혁신·디지털 전환DX·보험금융 전문가
기업 현장에서 데이터를 활용해 고객경험과 비즈니스 혁신을 추진하는 데이터 혁신 전문가이다. NH농협생명(주) 디지털전략단장으로 근무 중이며 빅데이터 모델링, 마이데이터 전략 수립, 생활 밀착형 플랫폼 구축, 로봇 프로세스 자동화 등 금융 비즈니스의 디지털 전환을 추진하고 있다. 아울러 보험업계에서 35년간 근무하면서 다양한 경력을 쌓은 보험금융 전문가이기도 하다.
삼성생명(주)에 입사하여 경영혁신과 경영기획 과·차장을 거쳐 보험심사기획과 재보험 부장을 역임하였다. 중국에 생명보험 합작사 설립을 추진하였으며 인도 주재 사무소장으로 일하면서 글로벌 통찰력을 키워왔다. 2011년부터는 NH농협생명(주)에서 보험금심사, 영업교육, 고객서비스 팀장을 맡았으며 2015년에는 민원 감축 우수 공로로 금융감독원장상을 받았다. 2020년부터는 상품개발 업무를 총괄하였으며 신상품에 대한 배타적 상품 사용권 2종을 획득하였다.
특히 2022년에는 저서 『마이데이터 레볼루션』을 출간하여 마이데이터의 중요성과 변화와 대응 방향을 대중과 기업들에 널리 알렸다. 현재는 핀란드를 거점으로 하는 국제 시민단체 ‘마이데이터 글로벌’의 코리아 허브 이사를 맡아 한국의 마이데이터 발전을 위해 열심히 뛰고 있다. 연세대학교 응용통계학과를 졸업하였으며 서울과학종합대학원에서 경영학 석·박사를 취득하였고 동 대학원에서 AI 전략경영 MBA 과정을 수료하였다.
◆ 목차
추천사 누구나 데이터를 분석하고 활용할 줄 알아야 한다 (이석준, NH농협금융지주회장)
추천사 데이터 리터러시가 국가 간 기업 간 격차를 만들 것이다 (윤혜정, 한국데이터산업진흥원장)
프롤로그 챗GPT 시대, 데이터 리터러시가 생존을 판가름한다
1부 데이터의 이해와 올바른 관점이 중요하다
1장 왜 데이터 리터러시인가
1. 왜 데이터 리터러시가 중요한가
2. 이제 성공 경험이나 직감이 통하지 않는다
3. 데이터 리터러시는 왜 필요한가
4. 데이터 기반의 의사결정이 필요하다
2장 챗GPT 시대에도 데이터 리터러시가 필요하다
1. 챗GPT는 무엇이고 파급력은 어느 정도일까
2. 챗GPT 시대에 데이터는 어떤 의미인가
3. 데이터 리터러시가 앞으로 10년의 무기가 된다
3장 데이터 리터러시 어떻게 시작할까
1. 데이터에 숨겨진 인사이트를 스스로 찾아야 한다
2. 데이터를 제대로 읽고 다루고 전달해야 한다
3. 데이터 이전에 사람의 생각이 먼저다
4. 파격 기업은 데이터 리터러시가 높다
4장 데이터의 본질과 힘을 이해하자
1. 데이터는 기록이자 실행의 기초다
2. 빅데이터는 방향타이자 생명선이다
3. 데이터 분석은 지혜로 이어져야 한다
4. 데이터는 어디에서 어떻게 활용되는가
2부 조직의 데이터 활용 역량을 올려라
5장 데이터 중심으로 경영을 바꿔라
1. 데이터 자산화와 민주주의가 먼저다
2. 데이터 거버넌스를 구축하라
3. 데이터 리더십을 발휘하라
4. 데이터 리터러시 문화를 조성하라
6장 데이터와 기술로 고객경험을 혁신하라
1. 고객이 원하기 전에 찾아내라
2. 데이터로 예측해 인류를 구하라
3. 서로 다른 데이터를 융합하라
4. 데이터와 기술을 결합해 새로운 시장을 열어라
7장 데이터 리터러시를 선도하라
1. 실패를 교훈 삼아라
2. 데이터를 활용하고 교육하라
3. 최고경영자가 진두지휘하라
4. 비즈니스 모델을 혁신하라
8장 챗GPT 리터러시도 함께 높여라
1. 챗GPT를 어떻게 활용할지 모색하라
2. 챗GPT 활용 역량이 기업의 미래를 책임진다
3. 챗GPT를 넘어 미래 생성형 인공지능에 대비하라
3부 개인의 데이터 분석 역량을 기르자
9장 목적과 문제해결을 먼저 생각하라
1. 목적은 분명히 하고 문제는 구체적으로 정의하라
2. 데이터 분석의 길라잡이 가설을 제대로 세워라
3. 데이터 분석 기획을 위한 계획을 수립하라
4. 데이터 안에는 답이 없다는 것을 명심하라
5. 챗GPT의 답변은 정답이 아닐 수 있다
10장 데이터 분석을 위한 수집과 관리는 어떻게 할까
1. 필요한 데이터를 어디에서 찾을지부터 물어라
2. 스몰데이터와 딥데이터도 수집하자
3. 데이터의 가치는 정제와 가공에 달려 있다
4. 올바른 수집과 저장과 정리가 관리의 기본이다
11장 데이터 분석에서 이것만은 알아두자
1. 데이터 분석이란 무엇인가
2. 분석 기법에는 무엇이 있을까
3. 데이터 분석에서 꼭 알아야 할 사항은 무엇일까
4. 어떻게 올바른 데이터 해석과 문제해결을 할까
5. 데이터 분석에도 챗GPT를 활용하라
12장 백 개의 숫자보다 한 개의 그림이 낫다
1. 왜 데이터 시각화가 중요할까
2. 시각화를 제대로 활용하자
3. 시각화도 의사소통이 우선이다
4. 데이터에 스토리텔링을 더하라
5. 데이터 시각화에 생성형 인공지능을 활용하라
에필로그 데이터 중심으로 근본적인 변화가 필요하다
미주
◆ 추천의 글
챗GPT 시대 인공지능 기술의 획기적인 발전은 방대한 데이터를 수집하고 분석하고 학습한 덕분이다. 이제 기업들도 다양한 데이터를 활용하여 고객의 취향과 선호도 등을 파악하고 맞춤형 상품과 서비스를 적기에 제공해야 하는 무한 경쟁 시대에 돌입했다. 이제 데이터 활용 능력은 모든 직원이 갖춰야 할 언어라고 말해도 지나치지 않다.
-이석준, NH농협금융지주회장
이 책은 ‘데이터를 왜 알아야 하는지’에서부터 ‘어떻게 활용하여 문제를 해결해야 하는지’를 처음부터 끝까지 아주 잘 설명하고 있다. 데이터 리터러시 수준이 쑥 올라가는 기분이 든다. 이제 특정 부서에서 담당하던 데이터 분석과 활용을 모든 부서로 확대하고 조직 전체의 일하는 방식을 혁신해야 할 시기이다.
-윤혜정, 한국데이터산업진흥원장
이 책은 데이터 활용 능력을 키우기 위한 실전 교과서이며 기업들의 다양한 성공과 실패 사례를 통해 경영 인사이트를 제시하는 경영서이다. 데이터가 경쟁력의 필수 요소인 시대에 정말 유용한 책으로서 기업의 실무자, 경영진, 그리고 일반인이 꼭 읽어보길 권한다.
-김현중, 연세대학교 응용통계학과 교수
꼭 필요하지만 막연히 어렵게만 느껴졌던 데이터 리터러시의 힘을 개념적으로 확실히 이해하고 접근할 수 있게 해준다. 직장인들은 물론 일반인들도 문제해결이라는 본질적 접근과 함께 데이터 리터러시라는 핵심적 역량을 키울 수 있을 것이다.
-곽민정, 평택대학교 데이터정보학과 교수
데이터에 대한 해석이 ‘장님 코끼리 다리 만지기’ 식으로 왜곡되거나 또 그 진가를 찾지 못하여 중요한 기회를 놓치고 있다면 얼마나 안타까운 일인가? 최고경영자뿐만 아니라 전 직원들이 함께 일독한다면 데이터에 기반한 판단력과 문제해결 능력을 한 단계 더 도약시킬 수 있을 것이다.
-최호진, 동아제약 부회장
◆ 본문 중에서
1부 데이터의 이해와 올바른 관점이 중요하다
기업들도 전례 없이 방대한 양의 데이터를 최대한 활용해 경쟁적으로 분석 역량을 구축하고 있다. 데이터 경제 시대에 데이터 활용 없이는 기업 경쟁력을 가질 수 없게 됐다. 월마트와 구글 사례를 들어보겠다. 월마트는 플로리다에 허리케인 프랜시스가 오기 전에 비축해야 할 상품들을 알고 싶었다. 그래서 과거 폭풍이 지나갔던 다른 월마트 매장들의 구매 기록을 조사하고 엄청난 양의 고객 이력을 분류해 어떤 상품을 플로리다로 보낼지 찾아냈다. 바로 딸기 팝타르트와 맥주였다. 미국인들은 자연재해가 닥쳤을 때 두 가지 품목을 주로 찾는다는 사실을 발견한 것이다. 그래서 바로 허리케인의 경로에 있는 모든 월마트 매장들에 해당 품목들을 배송했다. 월마트의 예측 덕분에 폭풍우가 몰아치는 동안 플로리다 사람들은 맥주와 팝타르트를 먹으면서 자연재해를 이겨낼 수 있었다.
-p. 24
할리우드 스타 윌 스미스도 데이터 리터러시가 높은 사람으로 알려져 있다. 그는 시장 조사를 통해 최고 흥행을 올린 영화를 분석한 후 출연할 영화를 선택하는 전략을 사용한 것으로 유명하다. 1990년대 중반 가장 잘나가는 영화배우는 톰 행크스와 톰 크루즈였다. 당시 윌 스미스는 그들과 같은 영화에 출연하는 것을 거부했다. 대신 그는 최고 수익을 기록한 영화를 살펴보고 흥행 비결을 분석하는 전략을 택했다.
윌 스미스는 우선 최근 10년간 최고의 흥행 성적을 올린 영화 10편을 골랐다. 그다음 영화 내용을 분석해 흥행에 성공한 패턴을 찾아냈다. 그가 발견한 성공한 영화의 패턴은 다음과 같다. 10편 중 9편은 특수 효과를 썼고 8편은 외계 생명체가 등장하거나 러브 스토리가 포함된 것이다. 이러한 분석을 바탕으로 그가 출연한 영화가 바로 「인디펜던스 데이」와 「맨 인 블랙」이었다. 두 영화 모두 최고 수준의 특수 효과와 함께 외계인이 등장한다. 이러한 성공 패턴을 따른 덕분에 두 영화는 전 세계적으로 약 13억 달러의 수익을 올렸다.
-pp. 30~31
음악산업 커뮤니티인 올액세스에 따르면 흥미롭게도 2021년에는 1분마다 페이스북에서 140만 개의 메시지가 읽히고(스크롤링) 유튜브에서 500시간 분량의 콘텐츠가 올라온다. 또한 인스타그램에 서 69만 5,000개의 스토리가 공유되고 넷플릭스에서 2만 8,000명의 구독자가 시청하고 온라인상에서는 160만 달러가 소비된다고 한다. 이 모든 게 1분 동안 이루어진다. 50여 년 전 아폴로 11호가 이륙했을 때 전 세계에서 생성된 디지털 데이터의 양은 일반 노트북에 들어갈 수 있는 수준이었다고 한다. 하지만 IDC에 따르면 2021년에만 1바이트의 1021인 제타바이트 기준으로 약 90제타바이트 정도의 데이터가 만들어질 것이라 한다. 제타바이트는 DVD에 저장할 경우 달까지 12번 왕복할 수 있을 만큼의 디스크가 쌓일 정도라고 하니 정말 상상을 초월하는 규모다.
-pp. 90~91
2부 조직의 데이터 활용 역량을 올려라
에어비앤비는 호텔이나 부동산을 관리하지 않고도 공유 숙박 사업에 성공했다. 우버는 빈 차를 근처에 이동 수단을 필요로 하는 고객과 연결해 막대한 수익을 창출했다. 아마존은 신뢰할 수 있는 리뷰와 고객 피드백으로 마케팅과 타깃팅 기능을 향상했다. 농업 기업 존 디어는 작물 수확량과 위험에 대한 맞춤형 추정치를 제공해 사업 성공에 박차를 가했다. GE는 경비 절감을 통해 운영 효율성을 개선했다. 자동차 기술회사인 밴티지파워Vantage Power는 장비 유지 보수에 예측 시스템을 구축해 운전 자본을 최적화했다. 이렇듯 오늘날의 기존 시장 리더이든 업계 파괴자이든 유망한 신생 기업이든 데이터를 자산화하고 효과적인 데이터 사용을 통해 긍정적인 재무 결과를 끌어내고 있다.
-pp. 108~109
그렇다면 이 추천 시스템은 어떻게 작동되는가? 추천 시스템은 크게 ‘협업 필터링’과 ‘콘텐츠 기반 필터링’으로 나뉜다. 우선 협업 필터링을 살펴보자. 이 방식은 나와 다른 사람들의 취향을 분석해 취향이 비슷한 사용자가 좋아한 영화를 나에게도 추천하는 것이다. 내가 영화 「타이타닉」을 본다면 이 영화를 본 다른 사람이 좋아한 영화 「어벤저스」를 추천하는 식이다. 협업 필터링은 영화 데이터와 평점 데이터를 이용해서 분석한다. 사용자들이 평가한 평점을 기반으로 유사도 행렬을 구한 뒤 사용자들 간 유사도를 측정하기 위해 상관분석을 한다. 이를 통해 가장 유사도가 높은 사용자가 구매한 영화 중 아직 시청하지 않은 영화를 추천하는 방식이다. 협업 필터링은 사용자의 행동 데이터를 활용해 추천하기 때문에 시청할 확률이 높아진다. 더구나 사용자가 많아질수록 데이터가 쌓여 신뢰도와 추천 정확도가 올라간다. 반면에 사용자의 데이터가 없다면 추천하기 어려운 단점이 있다.
-p. 130
구글도 데이터 분석에 실패한 사례가 있다. 구글의 웹 서비스인 구글 독감 트렌드는 2008년에 약 25개국의 독감 유행을 예측하기 위해 시작됐다. 특정 지역의 독감에 대한 구글 검색어를 과거 기준선과 비교한 결과에 따라 독감 활동 수준을 낮음, 중간, 높음 또
는 극심으로 분류했다. 그러나 그 결과는 참담했다. 2009년은 물론 2013년 A형 독감 시즌이 절정에 이르렀을 때도 예측에 실패했다. 2013년에는 무려 140%나 차이가 났다고 한다. 나중에 알려지기로는 알고리즘에 결함이 있었고 여러 요인이 고려되지 않았다고 한다.
-p. 151
챗GPT가 나온 지 얼마 되지 않았지만 벌써 많은 사람과 기업이 그 파괴력을 인식하고 다양한 분야에서 활용을 모색하고 있다. 미국의 경우 부동산 중개업자들이 매물을 소개하는 서류 작성에 챗GPT를 사용하고 있다고 한다. 미국 배우 라이언 레이놀즈는 챗GPT에게 자신의 어투로 욕설과 농담을 섞어 광고 카피를 만들어달라고 주문했다. 실제로 이 카피를 광고에 사용했다고 한다. 2023년 1월에는 챗GPT가 직접 영화의 각본을 만들고 연출까지 해냈다. 28스퀘어드 스튜디오와 문벤처스는 챗GPT가 만든 첫 번째 영화 「세이프존The Safe Zone」을 시중에 배포했다. 챗GPT와 이미지 생성 인공지능 도구를 활용하여 초기 영화 제작에 대한 아이디어와 함께 자세한 각본을 쓰도록 했고 촬영 목록을 만들도록 했다. 또한 배우 위치, 카메라 위치, 조명, 등장인물들의 표정까지 챗GPT가 정하도록 하여 감독의 몫까지 수행했다고 한다.
-p. 174
3부 개인의 데이터 분석 역량을 기르자
데이터 분석에서 ‘문제 정의’의 모범을 보인 넷플릭스의 사례를 보자. 넷플릭스가 DVD를 우편으로 보내는 사업을 할 때였다. 2006년 넷플릭스는 ‘넷플릭스 프라이즈’라는 현상 공모에 100만 달러의 상금을 걸었다. 상금은 고객들이 이전에 본 영화에 매긴 평점을 바탕으로 다음에 어떤 영화를 선택할지를 예측하는 데 최적화된 알고리즘을 만드는 팀에게 돌아갈 것이었다. 2009년 9월 우승은 넷플릭스 자체 알고리즘보다 10.06% 개선된 성능을 보인 벨코의 프로그매틱 카오스팀이 차지했고 상금으로 100만 달러를 받았다. 그들의 아이디어는 나중에 알고리즘이 수정되고 보완됐음에도 불구하고 여전히 ‘추천 엔진’의 핵심 요소로 자리 잡고 있다. 이사례를 든 이유는 넷플릭스 프라이즈의 룰이 문제 정의에서 모범답안이라고 할 만큼 잘 정리돼 있기 때문이다.
-pp. 193~194
데이터 시각화에 줄거리와 상황을 잘 설명할 수 있는 스토리텔링을 입힌다면 조직에서 데이터로 소통을 아주 잘하는 사람으로 인정받을 수 있을 것이다. 특히 ‘상사들이 지시해서 그래프만 늘어가고 있어요.’ ‘보고하면 반응이 시큰둥해요.’라는 고민이 있다면 스토리텔링에 더 관심을 가지길 바란다. 데이터 시각화와 스토리텔링은 데이터에 숨어 있는 통찰을 공유해 의사소통을 촉진하는 등 최근 그 중요성이 더욱 커지고 있다. 따라서 조직에서는 시각화와 스토리텔링 역량 향상을 위해 더욱 많은 교육을 지원할 필요가 있다.
-p. 294
◆ 책 소개
본격적으로 개막된 챗GPT와 생성AI 시대, 당신은 과연 살아남을 수 있는 역량을 갖췄는가? 데이터의 가치를 찾아내고 좋은 질문을 던지는 능력으로 미래를 바꿔라!
최근 불고 있는 챗GPT 열풍은 격하게 요동칠 미래의 단면을 짐작하게 해준다. 생성AI 기술은 우리 주변의 거의 모든 것을 바꿀 것이고 그 변화는 이미 시작되었다. 하지만 무턱대고 이 신기술의 뒤를 따를 수만은 없다. 챗GPT는 틀린 답도 천연덕스럽게 정말 그럴듯하게 내놓기 때문이다. 결국 인공지능의 데이터를 정확하게 해석하고 옳은 판단을 내려야 하는 ‘사람’의 역할이 그 어느 때보다 중요해지는 것이다. 그렇다면 데이터를 해석하고 판단하는 능력은 어떻게 길러야 할까? 이 책은 미래의 생존 역량으로 대두되는 데이터 리터러시란 무엇인지, 어떻게 길러야 하며 앞으로 어떻게 변할지까지 함께 다루고 있다. 단언컨대, 데이터 리터러시는 개인과 조직의 미래를 바꿀 것이다. 똑같은 데이터라 할지라도 다루는 사람의 능력에 따라 그 가치는 천차만별로 달라진다. 챗GPT 시대에도 살아남고 성공하고자 하는가? 이 책 『2030 데이터 리터러시 레볼루션』에 생존과 성공의 비결이 담겨 있다.
|
“지금 당장 갖추지 못하면 생존할 수 없다!”
AI의 발전을 내 편으로 만드는 데이터 리터러시 활용법!
문해력의 위기와 인공지능의 열풍이 동시에 감지되고 있다. 디지털 기술의 유례없는 발전, 모든 취미를 집어삼키고 있는 유튜브의 파괴력, 전 세계를 휩쓸고 지나간 코로나 팬데믹, 그로 인해 촉발된 업무와 창작 환경의 거대한 변화, 그리고 이 폭풍처럼 짓쳐 드는 미래를 온몸으로 겪어내야 하는 우리.
이 와중에 출간된 『2030 데이터 리터러시 레볼루션』은 제목 그대로 데이터 리터러시와 혁명 같은 변화를 다루는 책이다. 데이터 리터러시란 무엇인가? 데이터 리터러시는 ‘데이터를 읽고 쓸 줄 아는 능력’이다. 매분 매초 데이터가 실시간으로 생성되어 점점 늘어만 가고 있는 세상에서 ‘데이터를 제대로 해석하고 가치를 발견하고 발전시키는 능력’, 즉 데이터 리터러시의 중요성은 갈수록 커지고 있다. 미국의 IT 리서치 기업인 가트너는 데이터 리터러시를 가리켜 ‘기업이 성장하기 위해 갖춰야 할 제2외국어’라고 정의했다.
그러나 한 설문조사 결과에 따르면 데이터 리터러시에 자신감을 느끼는 사람은 겨우 21%에 불과하다. 최근 등장한 챗GPT로 인해 데이터 리터러시의 필요성은 더욱 부각되었다. 똑같은 챗GPT의 답변이라도, 데이터 리터러시를 갖췄는지에 따라 각각 다르게 해석할 것이다. 데이터 리터러시를 갖춘 사람의 해석이 우월한 경쟁력을 갖게 되리라는 점은 의심할 여지가 없다. 더불어 인공지능이 제공하는 결과를 해석하고 검증하는 역량은 앞으로 더욱 중요해질 것이다. 구글의 수석 이코노미스트 할 베리안Hal Varian은 “당신이 누구든, 어떤 비즈니스에 종사하든, 향후 10년간의 가장 중요한 비즈니스 역량은 데이터 리터러시다.”라고 선언했다.
데이터 리터러시는 왜 필요할까? 첫째, 데이터는 탁월한 인식 능력을 갖추게 해준다. 둘째, 데이터는 판단력의 기초를 제공한다. 셋째, 데이터를 통해 상대방을 설득하고 동기를 부여할 수 있다. 그렇다면 데이터 리터러시는 어떻게 길러야 할까? 우선 데이터가 필요하다. 둘째, 개념이나 기법을 알아야 한다. 셋째, 데이터를 적합한 방법으로 분석할 수 있는 분석 도구가 있어야 한다. 넷째, 사람이 중요하다.
이 책의 1부에서는 데이터 리터러시의 정의와 중요성에 대해서 다룬다. 챗GPT 시대에 데이터 리터러시가 갖는 의미를 알아보고 높아지는 중요성을 강조한다. 또한 데이터 리터러시라는 역량의 습득을 어떻게 시작해야 할지, 어떻게 이해하고 활용해야 할지 알아본다.
2부에서는 데이터 활용을 통해 조직의 역량을 높이는 법과 고객경험을 혁신하는 방법에 대해 다룬다. 데이터를 중심으로 조직의 혁신을 위해 상응하는 기업문화를 갖춰야 하며 리더가 올바른 역할을 해야 함을 강조한다. 또한 기업의 미래가 좌우할 수 있는 챗GPT 활용 역량을 기르고 인공지능의 발전에 어떻게 대비해야 하는지 알아본다.
3부에서는 개인의 데이터 분석 역량을 기르는 법을 다룬다. 자신에게 필요한 데이터를 어떻게 찾고 어떻게 수집하고 관리할 것인지가 미래를 대비하는 데 무엇보다 중요한 관건이다. 목적을 분명히 하고 문제를 구체적으로 정의해야 한다는 조언을 던지는 동시에 빅데이터뿐 아니라 스몰데이터와 딥데이터의 중요성 또한 강조한다. 나아가 데이터의 효과적인 시각화와 스토리텔링에 대해서도 다룬다.
데이터 축적과 활용이 전담 부서나 담당자만의 일로 여겨졌던 과거와는 달리, 이제는 마치 모국어를 익히듯 데이터를 자연스럽게 배워 능숙하게 써먹어야 살아남을 수 있는 시대다. 이 책을 통해 데이터 리터러시를 기르고 챗GPT 시대의 경쟁력을 갖춰야 할 때다.
◆ 저자 소개
이재원
데이터 혁신·디지털 전환DX·보험금융 전문가
기업 현장에서 데이터를 활용해 고객경험과 비즈니스 혁신을 추진하는 데이터 혁신 전문가이다. NH농협생명(주) 디지털전략단장으로 근무 중이며 빅데이터 모델링, 마이데이터 전략 수립, 생활 밀착형 플랫폼 구축, 로봇 프로세스 자동화 등 금융 비즈니스의 디지털 전환을 추진하고 있다. 아울러 보험업계에서 35년간 근무하면서 다양한 경력을 쌓은 보험금융 전문가이기도 하다.
삼성생명(주)에 입사하여 경영혁신과 경영기획 과·차장을 거쳐 보험심사기획과 재보험 부장을 역임하였다. 중국에 생명보험 합작사 설립을 추진하였으며 인도 주재 사무소장으로 일하면서 글로벌 통찰력을 키워왔다. 2011년부터는 NH농협생명(주)에서 보험금심사, 영업교육, 고객서비스 팀장을 맡았으며 2015년에는 민원 감축 우수 공로로 금융감독원장상을 받았다. 2020년부터는 상품개발 업무를 총괄하였으며 신상품에 대한 배타적 상품 사용권 2종을 획득하였다.
특히 2022년에는 저서 『마이데이터 레볼루션』을 출간하여 마이데이터의 중요성과 변화와 대응 방향을 대중과 기업들에 널리 알렸다. 현재는 핀란드를 거점으로 하는 국제 시민단체 ‘마이데이터 글로벌’의 코리아 허브 이사를 맡아 한국의 마이데이터 발전을 위해 열심히 뛰고 있다. 연세대학교 응용통계학과를 졸업하였으며 서울과학종합대학원에서 경영학 석·박사를 취득하였고 동 대학원에서 AI 전략경영 MBA 과정을 수료하였다.
◆ 목차
추천사 누구나 데이터를 분석하고 활용할 줄 알아야 한다 (이석준, NH농협금융지주회장)
추천사 데이터 리터러시가 국가 간 기업 간 격차를 만들 것이다 (윤혜정, 한국데이터산업진흥원장)
프롤로그 챗GPT 시대, 데이터 리터러시가 생존을 판가름한다
1부 데이터의 이해와 올바른 관점이 중요하다
1장 왜 데이터 리터러시인가
1. 왜 데이터 리터러시가 중요한가
2. 이제 성공 경험이나 직감이 통하지 않는다
3. 데이터 리터러시는 왜 필요한가
4. 데이터 기반의 의사결정이 필요하다
2장 챗GPT 시대에도 데이터 리터러시가 필요하다
1. 챗GPT는 무엇이고 파급력은 어느 정도일까
2. 챗GPT 시대에 데이터는 어떤 의미인가
3. 데이터 리터러시가 앞으로 10년의 무기가 된다
3장 데이터 리터러시 어떻게 시작할까
1. 데이터에 숨겨진 인사이트를 스스로 찾아야 한다
2. 데이터를 제대로 읽고 다루고 전달해야 한다
3. 데이터 이전에 사람의 생각이 먼저다
4. 파격 기업은 데이터 리터러시가 높다
4장 데이터의 본질과 힘을 이해하자
1. 데이터는 기록이자 실행의 기초다
2. 빅데이터는 방향타이자 생명선이다
3. 데이터 분석은 지혜로 이어져야 한다
4. 데이터는 어디에서 어떻게 활용되는가
2부 조직의 데이터 활용 역량을 올려라
5장 데이터 중심으로 경영을 바꿔라
1. 데이터 자산화와 민주주의가 먼저다
2. 데이터 거버넌스를 구축하라
3. 데이터 리더십을 발휘하라
4. 데이터 리터러시 문화를 조성하라
6장 데이터와 기술로 고객경험을 혁신하라
1. 고객이 원하기 전에 찾아내라
2. 데이터로 예측해 인류를 구하라
3. 서로 다른 데이터를 융합하라
4. 데이터와 기술을 결합해 새로운 시장을 열어라
7장 데이터 리터러시를 선도하라
1. 실패를 교훈 삼아라
2. 데이터를 활용하고 교육하라
3. 최고경영자가 진두지휘하라
4. 비즈니스 모델을 혁신하라
8장 챗GPT 리터러시도 함께 높여라
1. 챗GPT를 어떻게 활용할지 모색하라
2. 챗GPT 활용 역량이 기업의 미래를 책임진다
3. 챗GPT를 넘어 미래 생성형 인공지능에 대비하라
3부 개인의 데이터 분석 역량을 기르자
9장 목적과 문제해결을 먼저 생각하라
1. 목적은 분명히 하고 문제는 구체적으로 정의하라
2. 데이터 분석의 길라잡이 가설을 제대로 세워라
3. 데이터 분석 기획을 위한 계획을 수립하라
4. 데이터 안에는 답이 없다는 것을 명심하라
5. 챗GPT의 답변은 정답이 아닐 수 있다
10장 데이터 분석을 위한 수집과 관리는 어떻게 할까
1. 필요한 데이터를 어디에서 찾을지부터 물어라
2. 스몰데이터와 딥데이터도 수집하자
3. 데이터의 가치는 정제와 가공에 달려 있다
4. 올바른 수집과 저장과 정리가 관리의 기본이다
11장 데이터 분석에서 이것만은 알아두자
1. 데이터 분석이란 무엇인가
2. 분석 기법에는 무엇이 있을까
3. 데이터 분석에서 꼭 알아야 할 사항은 무엇일까
4. 어떻게 올바른 데이터 해석과 문제해결을 할까
5. 데이터 분석에도 챗GPT를 활용하라
12장 백 개의 숫자보다 한 개의 그림이 낫다
1. 왜 데이터 시각화가 중요할까
2. 시각화를 제대로 활용하자
3. 시각화도 의사소통이 우선이다
4. 데이터에 스토리텔링을 더하라
5. 데이터 시각화에 생성형 인공지능을 활용하라
에필로그 데이터 중심으로 근본적인 변화가 필요하다
미주
◆ 추천의 글
챗GPT 시대 인공지능 기술의 획기적인 발전은 방대한 데이터를 수집하고 분석하고 학습한 덕분이다. 이제 기업들도 다양한 데이터를 활용하여 고객의 취향과 선호도 등을 파악하고 맞춤형 상품과 서비스를 적기에 제공해야 하는 무한 경쟁 시대에 돌입했다. 이제 데이터 활용 능력은 모든 직원이 갖춰야 할 언어라고 말해도 지나치지 않다.
-이석준, NH농협금융지주회장
이 책은 ‘데이터를 왜 알아야 하는지’에서부터 ‘어떻게 활용하여 문제를 해결해야 하는지’를 처음부터 끝까지 아주 잘 설명하고 있다. 데이터 리터러시 수준이 쑥 올라가는 기분이 든다. 이제 특정 부서에서 담당하던 데이터 분석과 활용을 모든 부서로 확대하고 조직 전체의 일하는 방식을 혁신해야 할 시기이다.
-윤혜정, 한국데이터산업진흥원장
이 책은 데이터 활용 능력을 키우기 위한 실전 교과서이며 기업들의 다양한 성공과 실패 사례를 통해 경영 인사이트를 제시하는 경영서이다. 데이터가 경쟁력의 필수 요소인 시대에 정말 유용한 책으로서 기업의 실무자, 경영진, 그리고 일반인이 꼭 읽어보길 권한다.
-김현중, 연세대학교 응용통계학과 교수
꼭 필요하지만 막연히 어렵게만 느껴졌던 데이터 리터러시의 힘을 개념적으로 확실히 이해하고 접근할 수 있게 해준다. 직장인들은 물론 일반인들도 문제해결이라는 본질적 접근과 함께 데이터 리터러시라는 핵심적 역량을 키울 수 있을 것이다.
-곽민정, 평택대학교 데이터정보학과 교수
데이터에 대한 해석이 ‘장님 코끼리 다리 만지기’ 식으로 왜곡되거나 또 그 진가를 찾지 못하여 중요한 기회를 놓치고 있다면 얼마나 안타까운 일인가? 최고경영자뿐만 아니라 전 직원들이 함께 일독한다면 데이터에 기반한 판단력과 문제해결 능력을 한 단계 더 도약시킬 수 있을 것이다.
-최호진, 동아제약 부회장
◆ 본문 중에서
1부 데이터의 이해와 올바른 관점이 중요하다
기업들도 전례 없이 방대한 양의 데이터를 최대한 활용해 경쟁적으로 분석 역량을 구축하고 있다. 데이터 경제 시대에 데이터 활용 없이는 기업 경쟁력을 가질 수 없게 됐다. 월마트와 구글 사례를 들어보겠다. 월마트는 플로리다에 허리케인 프랜시스가 오기 전에 비축해야 할 상품들을 알고 싶었다. 그래서 과거 폭풍이 지나갔던 다른 월마트 매장들의 구매 기록을 조사하고 엄청난 양의 고객 이력을 분류해 어떤 상품을 플로리다로 보낼지 찾아냈다. 바로 딸기 팝타르트와 맥주였다. 미국인들은 자연재해가 닥쳤을 때 두 가지 품목을 주로 찾는다는 사실을 발견한 것이다. 그래서 바로 허리케인의 경로에 있는 모든 월마트 매장들에 해당 품목들을 배송했다. 월마트의 예측 덕분에 폭풍우가 몰아치는 동안 플로리다 사람들은 맥주와 팝타르트를 먹으면서 자연재해를 이겨낼 수 있었다.
-p. 24
할리우드 스타 윌 스미스도 데이터 리터러시가 높은 사람으로 알려져 있다. 그는 시장 조사를 통해 최고 흥행을 올린 영화를 분석한 후 출연할 영화를 선택하는 전략을 사용한 것으로 유명하다. 1990년대 중반 가장 잘나가는 영화배우는 톰 행크스와 톰 크루즈였다. 당시 윌 스미스는 그들과 같은 영화에 출연하는 것을 거부했다. 대신 그는 최고 수익을 기록한 영화를 살펴보고 흥행 비결을 분석하는 전략을 택했다.
윌 스미스는 우선 최근 10년간 최고의 흥행 성적을 올린 영화 10편을 골랐다. 그다음 영화 내용을 분석해 흥행에 성공한 패턴을 찾아냈다. 그가 발견한 성공한 영화의 패턴은 다음과 같다. 10편 중 9편은 특수 효과를 썼고 8편은 외계 생명체가 등장하거나 러브 스토리가 포함된 것이다. 이러한 분석을 바탕으로 그가 출연한 영화가 바로 「인디펜던스 데이」와 「맨 인 블랙」이었다. 두 영화 모두 최고 수준의 특수 효과와 함께 외계인이 등장한다. 이러한 성공 패턴을 따른 덕분에 두 영화는 전 세계적으로 약 13억 달러의 수익을 올렸다.
-pp. 30~31
음악산업 커뮤니티인 올액세스에 따르면 흥미롭게도 2021년에는 1분마다 페이스북에서 140만 개의 메시지가 읽히고(스크롤링) 유튜브에서 500시간 분량의 콘텐츠가 올라온다. 또한 인스타그램에 서 69만 5,000개의 스토리가 공유되고 넷플릭스에서 2만 8,000명의 구독자가 시청하고 온라인상에서는 160만 달러가 소비된다고 한다. 이 모든 게 1분 동안 이루어진다. 50여 년 전 아폴로 11호가 이륙했을 때 전 세계에서 생성된 디지털 데이터의 양은 일반 노트북에 들어갈 수 있는 수준이었다고 한다. 하지만 IDC에 따르면 2021년에만 1바이트의 1021인 제타바이트 기준으로 약 90제타바이트 정도의 데이터가 만들어질 것이라 한다. 제타바이트는 DVD에 저장할 경우 달까지 12번 왕복할 수 있을 만큼의 디스크가 쌓일 정도라고 하니 정말 상상을 초월하는 규모다.
-pp. 90~91
2부 조직의 데이터 활용 역량을 올려라
에어비앤비는 호텔이나 부동산을 관리하지 않고도 공유 숙박 사업에 성공했다. 우버는 빈 차를 근처에 이동 수단을 필요로 하는 고객과 연결해 막대한 수익을 창출했다. 아마존은 신뢰할 수 있는 리뷰와 고객 피드백으로 마케팅과 타깃팅 기능을 향상했다. 농업 기업 존 디어는 작물 수확량과 위험에 대한 맞춤형 추정치를 제공해 사업 성공에 박차를 가했다. GE는 경비 절감을 통해 운영 효율성을 개선했다. 자동차 기술회사인 밴티지파워Vantage Power는 장비 유지 보수에 예측 시스템을 구축해 운전 자본을 최적화했다. 이렇듯 오늘날의 기존 시장 리더이든 업계 파괴자이든 유망한 신생 기업이든 데이터를 자산화하고 효과적인 데이터 사용을 통해 긍정적인 재무 결과를 끌어내고 있다.
-pp. 108~109
그렇다면 이 추천 시스템은 어떻게 작동되는가? 추천 시스템은 크게 ‘협업 필터링’과 ‘콘텐츠 기반 필터링’으로 나뉜다. 우선 협업 필터링을 살펴보자. 이 방식은 나와 다른 사람들의 취향을 분석해 취향이 비슷한 사용자가 좋아한 영화를 나에게도 추천하는 것이다. 내가 영화 「타이타닉」을 본다면 이 영화를 본 다른 사람이 좋아한 영화 「어벤저스」를 추천하는 식이다. 협업 필터링은 영화 데이터와 평점 데이터를 이용해서 분석한다. 사용자들이 평가한 평점을 기반으로 유사도 행렬을 구한 뒤 사용자들 간 유사도를 측정하기 위해 상관분석을 한다. 이를 통해 가장 유사도가 높은 사용자가 구매한 영화 중 아직 시청하지 않은 영화를 추천하는 방식이다. 협업 필터링은 사용자의 행동 데이터를 활용해 추천하기 때문에 시청할 확률이 높아진다. 더구나 사용자가 많아질수록 데이터가 쌓여 신뢰도와 추천 정확도가 올라간다. 반면에 사용자의 데이터가 없다면 추천하기 어려운 단점이 있다.
-p. 130
구글도 데이터 분석에 실패한 사례가 있다. 구글의 웹 서비스인 구글 독감 트렌드는 2008년에 약 25개국의 독감 유행을 예측하기 위해 시작됐다. 특정 지역의 독감에 대한 구글 검색어를 과거 기준선과 비교한 결과에 따라 독감 활동 수준을 낮음, 중간, 높음 또
는 극심으로 분류했다. 그러나 그 결과는 참담했다. 2009년은 물론 2013년 A형 독감 시즌이 절정에 이르렀을 때도 예측에 실패했다. 2013년에는 무려 140%나 차이가 났다고 한다. 나중에 알려지기로는 알고리즘에 결함이 있었고 여러 요인이 고려되지 않았다고 한다.
-p. 151
챗GPT가 나온 지 얼마 되지 않았지만 벌써 많은 사람과 기업이 그 파괴력을 인식하고 다양한 분야에서 활용을 모색하고 있다. 미국의 경우 부동산 중개업자들이 매물을 소개하는 서류 작성에 챗GPT를 사용하고 있다고 한다. 미국 배우 라이언 레이놀즈는 챗GPT에게 자신의 어투로 욕설과 농담을 섞어 광고 카피를 만들어달라고 주문했다. 실제로 이 카피를 광고에 사용했다고 한다. 2023년 1월에는 챗GPT가 직접 영화의 각본을 만들고 연출까지 해냈다. 28스퀘어드 스튜디오와 문벤처스는 챗GPT가 만든 첫 번째 영화 「세이프존The Safe Zone」을 시중에 배포했다. 챗GPT와 이미지 생성 인공지능 도구를 활용하여 초기 영화 제작에 대한 아이디어와 함께 자세한 각본을 쓰도록 했고 촬영 목록을 만들도록 했다. 또한 배우 위치, 카메라 위치, 조명, 등장인물들의 표정까지 챗GPT가 정하도록 하여 감독의 몫까지 수행했다고 한다.
-p. 174
3부 개인의 데이터 분석 역량을 기르자
데이터 분석에서 ‘문제 정의’의 모범을 보인 넷플릭스의 사례를 보자. 넷플릭스가 DVD를 우편으로 보내는 사업을 할 때였다. 2006년 넷플릭스는 ‘넷플릭스 프라이즈’라는 현상 공모에 100만 달러의 상금을 걸었다. 상금은 고객들이 이전에 본 영화에 매긴 평점을 바탕으로 다음에 어떤 영화를 선택할지를 예측하는 데 최적화된 알고리즘을 만드는 팀에게 돌아갈 것이었다. 2009년 9월 우승은 넷플릭스 자체 알고리즘보다 10.06% 개선된 성능을 보인 벨코의 프로그매틱 카오스팀이 차지했고 상금으로 100만 달러를 받았다. 그들의 아이디어는 나중에 알고리즘이 수정되고 보완됐음에도 불구하고 여전히 ‘추천 엔진’의 핵심 요소로 자리 잡고 있다. 이사례를 든 이유는 넷플릭스 프라이즈의 룰이 문제 정의에서 모범답안이라고 할 만큼 잘 정리돼 있기 때문이다.
-pp. 193~194
데이터 시각화에 줄거리와 상황을 잘 설명할 수 있는 스토리텔링을 입힌다면 조직에서 데이터로 소통을 아주 잘하는 사람으로 인정받을 수 있을 것이다. 특히 ‘상사들이 지시해서 그래프만 늘어가고 있어요.’ ‘보고하면 반응이 시큰둥해요.’라는 고민이 있다면 스토리텔링에 더 관심을 가지길 바란다. 데이터 시각화와 스토리텔링은 데이터에 숨어 있는 통찰을 공유해 의사소통을 촉진하는 등 최근 그 중요성이 더욱 커지고 있다. 따라서 조직에서는 시각화와 스토리텔링 역량 향상을 위해 더욱 많은 교육을 지원할 필요가 있다.
-p. 294
