📖공부방📖

3. 빅데이터 그리고 데이터 사이언스의 미래급변하는 환경에서 예측하지 못했던 전환이나 위기에 빨리 적응할 수 있게 할 것 서비타이제이션(Servitization)Service Science의 하나로 제품과 서비스의 결합을 통한 기업의 새로운 비즈니스 모델임제품의 서비스화와 서비스의 상품화를 모두 포함하는 결합 모델파이프 라인 비즈니스를 넘어 플랫폼 비즈니스를 위한 모델 미래 사회의 특성과 빅데이터의 역할융합 — 창조력리스크 — 대응력불확실성 — 통찰력스마트 — 경쟁력미래 가치 패러다임의 변화에서 빅데이터 분석 활용 능력은 핵심적인 역할임디지털화(Digitalization) → 연결(Connection) → 에이전시(Agency)기업의 빅데이터 분석은 기업의 분석 문화에 영향을 많이 받음  여기선 DBMS..

데이터 사이언스IT 영역: 데이터 웨어하우징, 분산 컴퓨팅, 파이썬 프로그래밍 등 데이터 처리분석적 영역 비즈니스 영역: 데이터 시각화통찰력 있는 분석에 초점데이터로부터 의미있는 정보를 추출하는 학문기본 통계학과 달리 총체적 접근법을 사용함정형, 반정형, 비정형 데이터 모두 분석 대상임 외부환경적 측면에서 본 인문학 열풍의 원인컨버전스 → 디버전스 단순 세계화에서 복잡한 세계화로 변화함생산 → 서비스 비즈니스 중심이 서비스로 이동함생산 → 시장창조 경제와 산업의 논리가 생산에서 시장창조로 변화함 데이터 사이언티스트가 효과적인 분석 모델 개발을 위해 고려해야 하는 사항분석 모델이 예측할 수 없는 위험을 살피기 위해 현실세계를 돌아보고 분석을 경험과 세상에 대한 통찰력과 함께 활용함가정들과 현실의 불일치에 ..

여기선 데이터 사이언티스트의 역량에 대한 내용이 가장 중요해요산업별 분석 예시도 구분할 줄 알아야 합니다인문학의 열풍 원인에 대한 문제도 가끔 출제돼요 3. 가치 창조를 위한 데이터 사이언스와 전략 인사이트1. 빅데이터 분석과 전략 인사이트의사결정 오류 로직오류 VS 프로세스 오류 로직 오류: 의도치 않은, 바라지 않은 결과 유발부정확한 가정을 하고 테스트를 하지 않음프로세스 오류: 작동에 문제가 발생한 오류데이터 수집이나 분석이 늦어 사용할 수 없어짐대안은 진지하게 고려하지 않음결정에서 분석과 통찰력을 고려하지 않는 것 일차원적 분석 새로운 기회를 포착하긴 어렵지만, 해당 부서나 업무 영역에서는 상당한 효과를 얻을 수 있음 산업별 분석 어플리케이션금융 서비스: 신용점수 산정, 사기 탐지, 가격 책정, ..

빅데이터 활용의 기본 3요소데이터: 사물인터넷과 M2M 같은 기술로 인해 이전보다 더 많은 것이 데이터화 되고 있음기술: 인공지능 기술이 발전하면서 고도화된 추천 알고리즘이 사용되고 있음인력: 데이터 사이언티스트로 인해 생겨날 수 있는 부당한 피해를 막기 위해 알고리즈미스트가 생겨남핀테크 분야에서 빅데이터 활용: 신용평가(Credit Rating)

위기요인사생활 침해 개인의 사생활 침해 위협을 넘어 사회 · 경제적 위협으로 변형될 수 있음 익명화(Anonymization) 기술이 발전되고 있으나, 아직 충분하지 않으며, 정보가 오용될 때 위협의 크기는 막대함 ex) 구글의 사용자 행동 패턴 예측책임 원칙 훼손 데이터 기반 분석과 예측 기술이 발전하면서 정확도가 증가한 만큼, 분석 대상이 되는 사람들이 예측 알고리즘의 희생양이 될 가능성도 높아짐 빅데이터 시스템에 의해 부당하게 피해 보는 상황을 최소화할 장치 마련이 필요함 ex) 신용카드 발급 여부 판단에 있어 불이익 발생 (신용카드 신규 가입) 사전 성향 분석 (범죄 발생 이전에 체포)데이터 오용 데이터 과신 혹은 잘못된 지표의 사용으로 인한 잘못된 인사이트를 얻어 비즈니스에 적용할 경우 직접 손..

빅데이터 활용 사례넷플릭스: 이용자의 콘텐츠 기호를 파악해 새로운 영화를 추천해주는 Cinematch 시스템 운영구글: 실시간 자동 변역 시스템을 통한 의사소통의 불편 해소월마트: 소셜 미디어를 통해 고객 소비 패턴을 분석하는 월마트랩(Wallmart Labs) 운영자라: 일일 판매량을 실시간 데이터 분석으로 상품 수요를 예측 7가지 빅데이터 활용 기본 테크닉연관규칙 학습(Association rule learning) (연관분석, 장바구니 분석) 어떤 변인 간에 주목할 만한 상관관계가 있는지를 찾아내는 방법 고객이 구매한 물품들을 분석하여 품목 사이에 어떤 규칙이 있는지 찾아내는 분석 기법유형분석(Classification tree analysis) (분류분석) 새로운 사건이 속할 범주를 찾아내는 방법..

빅데이터 가치 산정이 어려운 이유데이터 활용 방식: 빅데이터의 재사용이나 재조합(Mashup), 다목적용 데이터 개발 등이 일반화되면서 특정 데이터를 누가, 언제, 어떻게, 어디서 활용하는지 알 수 없게 되었기 때문에 가치 산정이 어려움새로운 가치 창출: 빅데이터는 기존에 없던 새로운 가치를 창출함에 따라 그 가치를 산정하기 어려움시장에서 빅데이터 활용이 활발해지며 개인이 맞춤형 서비스를 받거나 적시에 필요한 정보를 얻어 기회비용을 줄일 수 있음분석 기술의 발전: 데이터 분석 기술의 발전으로 가치 있는 데이터와 가치 없는 데이터의 경계를 나누기 어려워졌음. 오늘의 가치 없는 데이터가 내일은 가치 있는 데이터가 될 수도 있기 때문에 빅데이터와 가치 산정은 어려움빅데이터가 미치는 영향기업: 혁신, 경쟁력 제..

3V, 4V 외에도 중요한 내용이 많아요모두 기출에 잘 나오는 부분이니 암기 잘 해주세요 1. 빅데이터의 이해빅데이터: 일반적인 데이터베이스 소프트웨어로 저장, 관리, 분석할 수 있는 범위를 초과하는 규모의 데이터 다양한 종류의 대규모 데이터로부터 저렴한 비용으로 가치를 추출하고 데이터의 초고속 수집, 발굴, 분석을 지원하도록 고안된 차세대 기술 아키텍처빅데이터 수집, 구축, 분석의 최종목적은 새로운 통찰과 가치 창출데이터가 커진다고 해서 많이 사용하는 것이 아니라, 적정한 분석 방법이 경쟁 우위를 가져다줌데이터가 많다고 무조건 더 많은 가치를 창출하는건 아님비즈니스 핵심에 대해 보다 객관적이고 종합적인 통찰력을 줄 수 있는 데이터를 찾는 것이 중요함 더그 래니의 3V가트너 그룹의 부회장인 더그 래니의 ..

기업 내부의 데이터베이스OLTP(Online Transaction Processing) 시스템: 1990년대 중반 이전, 정보의 수집과 이를 조직 내에서 공유하기 위한 경영정보시스템(MIS)과 생산 자동화, 통합 자동화 등 기업 활동에서 영역별로 구축되던 단순 자동화 중심의 시스템을 말함 호스트 컴퓨터가 데이터베이스를 액세스하고, 바로 처리 결과를 돌려보내는 형태 목적: 각각의 거래 단위에 초점OLAP(Online Analytical Processing) 시스템: 데이터 마이닝 등의 기술이 등장하면서 단순한 정보의 수집과 공유에서 탈피하여 분석이 중심이 되는 시스템을 구축으로 변화하게 된 것을 말함 다차원 데이터를 대화식으로 분석하기 위한 기술 다양한 비즈니스 관점에서 쉽고 빠르게 다차원 데이터에 접근해..

2. 데이터베이스 정의와 특징데이터베이스(Database): 문자, 기호, 음성, 화상, 영상 등 상호 연관된 다수의 콘텐츠를 정보 처리 및 정보통신 기기에 의하여 체계적으로 수진, 축적하여 다양한 용도와 방법으로 이용할 수 있도록 정리한 정보의 집합체 데이터베이스의 일반적인 특징통합된(Integrated) 데이터: 동일한 내용의 데이터가 중복되어 있지 않음저장된(Stored) 데이터: 컴퓨터 매체가 접근할 수 있는 저장 매체에 저장되어 있음공용(Shared) 데이터: 여러 사용자가 공유 가능 (공동으로 이용하고 유지하는 공용 데이터)대용량화, 구조 복잡함변화하는(Changable) 데이터: 삽입, 수정, 삭제를 통해 항상 최신의 정확한 데이터를 유지해야 함법률적으로 데이터베이스는 기술을 기반으로 한 일..