PART03.기타

PART03. 기타

• 기존 데이터 분석 VS 빅데이터 분석 특징
  • 분석대상 데이터를 모든 형태 및 내외부 데이터로 확대
  • 실시간에 가까운 분석
  • 데이터 마트에 정형 데이터를 적재하고 데이터 분석을 통하여 모델을 만들 수 있다(?)
  • 동일
    1. 고급 기법의 사용
• Self Service Analytics
  • 포함되어야 하는 주요 기능은 BI 도구, Ad hoc Report, OLAP, Visual Discovery, Machine Learning 등
  • 성공적인 적용을 위해서는 Reference Method의 작성 및 공유, 표준 데이터의 활용, 데이터 거버넌스, 도구 사용에 대한 지속적인 교육 필요
  • R, Python 등의 데이터 분석 언어와 많은 통계 지식을 필요로 함
  • 분석 처리와는 무관(지원하지 않는다)

셀프서비스 분석도구 (Self-Service Analytics Tools)의 발전
최근 분석 기반 경쟁을 지원할 수 있는 셀프서비스 분석도구가 비약적으로 발전하고 있다. 현장 실무자는 셀프서비스 분석도구를 활용하여 직접 데이터를 분석하여 데이터에서 통찰을 얻고, 통찰을 의사결정에 신속하게 활용하여 적절한 행동을 수행할 수 있게 되었다. 셀프서비스 분석도구는 현장 실무자가 쉽게 분석에 필요한 데이터를 준비할 수 있게 하는 셀프서비스 데이터 준비 도구(self-service data preparation tools) [7, 8], 시각적으로 데이터를 표현하고 탐색할 수 있도록 지원하는 셀프서비스 시각적 분석 도구 (self-service visual analytics tools) [12], 데이터 분석 알고리즘을 활용하여 예측적 분석의 수행을 지원하는 셀프서비스 예측 분석 도구 (self-service predictive analytics tools) [14] 등이 있다.

시민 데이터 과학자 (Citizen Data Scientist)의 출현
시민데이터 과학자는 셀프서비스 분석도구는 활용하여 조직의 분석역량 확보에 기여할 수 있다. 가트너는 2015년 Hype Cycle 보고서에서 전문적인 데이터과학자 (Data Scientist)에 대비하여, 현장 실무자들이 데이터 분석 도구를 활용하여 직접 데이터를 분석한다는 시민 데이터 과학자라는 개념을 제시하였다. 시민 데이터 과학자의 출현으로 데이터(data)에서 분석을 통해 통찰(insight)을 얻고, 통찰을 활용하여 신속히 의사결정을 하고 행동(action)에 옮길 수 사이클(data-to-insights-to-action)을 획기적으로 줄일 수 있게 되었다 [6]. 가트너는 시민데이터 과학자에 대한 수요가 전문 데이터과학자에 비해 5배나 더 크다고 한다 [11].

 

<참고 : https://www.krm.or.kr/krmts/search/detailview/research.html?dbGubun=SD&category=Research&m201_id=10078263>

• 4차 산업혁명
  • Mass Production
  • Mass Customization
  • Servitization
    1. Service Science의 하나로 제품과 서비스의 결합
    2. 제품의 서비스화, 서비스의 상품화 포함하는 결합
    3. 플랫폼 비즈니스