광고? 타게팅? Waste of money?

경제학에는 “매몰비용 (Sunk Cost)”라는 개념이 있다. 고가의 영화 티켓을 끊고 들어갔는데, 정작 영화가 너무 재미없다면? 돈이 아까워서 영화관에 죽치고 앉아 있는 것보다, 맘을 비우고 나와서 다른 재밌는 활동을 찾는편이 더 나음에도 불구하고, 사람들이 “본전”생각이 나서 꾹 참고 있는 상황을 설명하는데 가장 적합한 개념이 아닐까 싶다. 광고 비용은 경제학에서 말하는 대표적인 매몰비용이다. 중간에 중단하고 원금 회수가 소개 더보기 광고? 타게팅? Waste of money?[…]

“빅”데이터 컨설팅(?)이 어려운 이유

학부 3학년이었던 2006년 11월의 어느 날이다. Bain & Company라고, 꽤나 유명한 전략 컨설팅 회사에 면접을 갔었다. 그 때 인생 처음으로 정장도 한 벌 샀고, 겨울이라 춥다고 좀 비싸보이는 코트도 한 벌 사서 허겁지겁 면접을 갔다. 태어나서 첫 면접이라 참 시원하게 말아먹고, 뭐 어찌어찌해서 Bain & Company의 모든 컨설턴트들이 (너무 빡세서) 안 할려고 했다던 컨설팅 건 소개 더보기 “빅”데이터 컨설팅(?)이 어려운 이유[…]

빅데이터가 금융업에 줄 충격

빅데이터, 보험, 금융업 실리콘 밸리에서 면접 보던 시절에 Fitbit 데이터로 의학 관련 업무를 할려고 하는 스타트업을 본 적이 있다. Fitbit으로 맥박을 추적하면 한 개인의 건강과 생활 습관에 대해서 많은 정보를 얻을 수 있는데, 그걸 제약업체에 넘겨주기 위한 자료 처리를 하는 스타트업이었다. 필자가 워낙 의학 관련 지식이 없어서 솔직히 모르겠다고 대답하고는 더 이상 면접을 못 봤는데, 소개 더보기 빅데이터가 금융업에 줄 충격[…]

깨워라! 한국의 빅데이터

빅데이터, 데이터 사이언스, 데이터 사이언티스트 런던 시내 한 가운데에 있는 대학에서 공부하는 대학원생이 아침에 연구실에 “출근”할 때 갖고 나타나는 것은? 어젯밤에 본 교과서? Problem Set? 논문? 땡!땡!땡! 우리가 아침에 갖고 왔던 것은 2리터짜리 물병과 도시락이었다. 런던 물가가 비싸니까, 가난한 대학원생들이 돈을 아끼려고 도시락을 챙기는건 이해가 될 수도 있겠는데, 물은 왜 갖고 왔을까? 2리터면 2키로나 되는데, 그 소개 더보기 깨워라! 한국의 빅데이터[…]

데이터 과학의 대중화 – Citizen Data Scientist

데이터 사이언스, 데이터 과학자, 그리고 Citizen Data Scientist 요즘 데이터 사이언스 동네에서 돌아다니는 키워드 중 하나가 바로 “Citizen” Data Scientist다. 쉽게 이야기하면, 특별히 학위와 경력을 쌓지 않아도 누구나 데이터 사이언스를 할 수 있도록 하자는 움직임이다. 워낙에 데이터 사이언스가 Buzzword가 되어있다보니 이런 표현이 나온 것 같은데, 이 표현의 정확성을 좀 더 살리면 “Citizen” Big Data Analyst로 소개 더보기 데이터 과학의 대중화 – Citizen Data Scientist[…]

데이터 사이언스는 죽었다

데이터 사이언스는 죽었단다. (Data Science is Dead.) 자칭 데이터 사이언티스트 입장에서 읽기는 좀 불편하지만 공감할 수 밖에 없는 글을 하나 읽었다. 과학의 테두리 안에 들어가는 학문은 어떤 특성을 가지는가? 조건을 지정해서 실험을 하고 그 결과값을 바탕으로 가설을 검증하고, 새로운 가설을 찾는 과정이다. 데이터 사이언스 안에는 A/B Testing이 있지 않냐고 주장할 수도 있을텐데, 이미 데이터를 만드는 소개 더보기 데이터 사이언스는 죽었다[…]

빅데이터 분석의 한계과 미래 (feat, Nate Silver)

데이터 사이언스, 빅데이터, Bad data, 분석의 실패 2012년 미국 대선에서 50개 주의 승패를 모두 맞춘 걸로 유명해진 Nate Silver가 FiveThirtyEight (이하 538)이라는 데이터 블로그를 2008년부터 운영하고 있다. 말이 블로그지 사실 왠만한 신문사 출신 기자들 다 모여있고, 글의 깊이도 상당하다. 글의 대부분은 상당한 내공이 담긴 데이터 분석, 통계 모델링이 들어가 있고, 가끔 보면 어디서 저런 데이터를 소개 더보기 빅데이터 분석의 한계과 미래 (feat, Nate Silver)[…]

데이터 사이언스 not “Data” but “Science”

두 부류의 착각이 있다. 하나는 머신러닝을 하는 개발자가 데이터 사이언티스트라는 착각이고, 다른 하나는 대용량의 데이터를 많이 다룬 데이터 분석가가 데이터 사이언티스트라는 착각이다. 필자는 전자를 Data Engineer, 후자를 Data Analyst로 부른다. 둘 모두 고급 통계학에 대한 지식이 전무하다는 점에서 이 분들을 데이터 “Scientist” 그룹에 묶는 것이 타당한지 의구심이 든다. 다른 글에서 줄기차게 이야기했던 것처럼, 머신러닝은 하나의 소개 더보기 데이터 사이언스 not “Data” but “Science”[…]

페이스북 유저 데이터 분석해보기

온라인 광고를 하면 한국 사람들이 제일 많이 생각하는게 네이버에 검색 키워드를 거금을 주고 사는식으로 광고하는 거다. 처음 네이버가 생겼을 때만해도 온라인 광고 시장이 덜 성숙했기 때문에 그만해도 괜찮았을텐데, 요즘은 Tag를 어떤걸 집어넣고, 검색 노출을 위해서 초반에 유저를 어떻게 끌어모으고 등등에 대해서 다양한 방법이 생겼다. 굳이 큰 돈을 안 들이고도 잘 쓴 블로그 글 몇 개를 소개 더보기 페이스북 유저 데이터 분석해보기[…]

데이터 사이언스 ≠ 빅데이터 분석

요즘 IT 혁명을 이끌고 있는 키워드들을 꼽으라면 인공지능이 제일 먼저 꼽히고, 그 기술의 근간이라고 할 수 있는 머신러닝과 딥러닝, 그리고 빅데이터, 데이터 사이언스 등의 단어들이 여러사람들의 입에 오르내리고 있다. 한낱 바둑 게임인 알파고가 한중일 바둑계의 전설인 이세돌 9단을 이긴게 엊그제 같은데, 지난 1년 남짓동안 알파고에 쓰인 인공지능 방식을 적용한다는 서비스가 수십가지나 생겨났다. 기업들은 인공지능 연구소를 소개 더보기 데이터 사이언스 ≠ 빅데이터 분석[…]

X