'빅 데이터' 재고 - 비즈니스 운영과 데이터 운영 간의 갈등
페이지 정보
작성자 빅데이터기술 작성일 24-05-09 14:42 조회 56회 댓글 0건본문
'빅 데이터' 재고 - 비즈니스 운영과 데이터 운영 간의 갈등
한 시대로서 '빅 데이터'는 끝났을지 모르지만, 조직들이 AI 미래로의 도약을 모색하는 동안에도 그 근본적인 가치(및 긴장)는 지속되고 있습니다.
IT 분야에 등장했을 때 빅 데이터는 큰 문제였습니다. 이제 더 이상 이 용어를 사용하는 것이 적발될 수 있는 많은 IT 리더를 발견하기가 쉽지 않을 것입니다.
하지만 CIO들은 빅 데이터 시대의 허니문 기간(2005~2015년경) 동안에 추진된 기술과 기술을 너무 빨리 역사의 쓰레기통에 맡겨서는 안 됩니다. 기본적인 데이터 차단 및 대처에서 얻을 수 있는 막대한 가치는 여전히 남아 있습니다.
이슈의 일부는 일종의 '명품'이라는 비난을 정당하게 받아온 미래학자들이 현실보다 극적인 것을 갈망하면서 트렌드의 추세를 가속화할 수 있다는 것입니다.
예를 들어, 블랙베리, 카세트 테이프 플레이어, DVD, 플로피 디스크, 오버헤드 프로젝터, 종이 전화번호부 등 구식이 된 것들을 열거하는 것을 좋아합니다. 종말을 선언하는 데 있어 가장 이른 시기에 맞는 것은 훨씬 더 많은 캐시를 가져다 줍니다.
우리는 또한 전화 교환기 교환원, 볼링 핀 세터, 비디오 가게 계산원, 우유 배달원, 엘리베이터 운전원 등 관련성을 잃은 직업, 역할 및 업무를 나열함으로써 청중을 자극하는 것을 좋아합니다. 결국 관련성은 우리의 강점입니다.
반면에, 우리는 뜨거운 신기술을 가진 흥미진진한 경영진을 좋아합니다. 인공지능은 우리에게 그 순간을 맞고 있지만, 양자 컴퓨팅과 심지어 드론도 그럴 수 있습니다.
그러나 특히 미래학자들과 일반적으로 모든 경영진들이 실제로 해야 할 일은 현대 시대의 위대한 미스터리, 즉 이해관계자의 가치를 어떻게 창출할 것인가 하는 것입니다.
인공지능 가치의 길을 열어주는 것이 바로 데이터입니다. "빅 데이터"는 중요한 분야로, 과거의 일이거나 가치 있는 장점이 없는 것으로 잘못 분류될 위험이 있습니다. CIO와 디지털 경영진은 빅 데이터가 그에 걸맞은 관심을 받고 있는지 확인해야 합니다.
데이터에 대한 우리의 생각 재고
예를 들어, 당장 생명에 위협이 되지 않는 데이터로부터 완전한 가치를 얻지 못하는 장수하는 현실적인 문제에 직면했을 때, 저는 정신 모델 감사를 실시할 것을 제안합니다. 우리는 이 문제에 대해 어떻게 생각하고 있나요?
나는 고위 경영진 한 무리에게 데이터에 대해 어떻게 생각하는지 생각해보라고 했습니다. 나는 그들이 큰 아이디어와 치솟는 야망을 가진 스왈로스, 하나의 정의적인 아이디어의 렌즈를 통해 세상을 바라보는 경영진, 즉 특정한 산출물이 있는 단기 프로젝트에 초점을 맞출 것인지 물었습니다.
나는 헤지스라고 자칭하는 임원이 거의 없다는 사실을 알고 놀랄 일이 아니었습니다. 데이터로 가치를 창출하는 보편적으로 받아들여지고 배치되는 프레임워크가 아직 등장하지 않았기 때문일 것입니다. 스트레치 데이터 야망이 달성 가능한 이정표를 가진 실행 가능한 프로젝트와의 연관성과 명확하게 연결될 때 가치가 가장 많이 수확된다는 합의가 이루어졌습니다.
분명히 데이터와 분석 야망을 특정 기업의 다양한 전략 수립 프로세스에 삽입하는 것과 관련된 가치가 있습니다. 2024년 가트너 데이터 및 분석 서밋(Gartner Data and Analytics Summit)에서 Ethisham Zaidi VP Analytics 분석가는 "어닝 콜에서 빈도 수를 사용하여 데이터, 분석 및 AI가 전략적이라고 말한 글로벌 S&P 1200 기업이 지난 9년 동안 동종 기업의 80%를 능가했습니다."라고 공유했습니다
데이터 과학자들과 통계학 박사들로 이루어진 노련한 데이터 실무자들에게 스왈로스, 헤지혹, 몰스 스키마를 사용하여 자신을 식별하도록 요청했을 때, 스왈로스는 그렇게 많지 않았고, 대부분의 사람들은 자신을 작은 'h' 헤지혹으로 간주하는 몰스도 몇 명 더 있었습니다. 머글(기업 경영자)과 마법사(데이터 전문가)는 서로 다른 눈으로 세상을 보는 것 같습니다. 우리는 이 문제를 해결할 필요가 있습니다.
배합력
데이터 과학자가 비즈니스맨처럼 생각해야 하는 것처럼 비즈니스맨도 데이터 과학자처럼 생각해야 합니다. 이는 직업 정체성의 문제로 이어집니다. 경영진은 데이터를 포함하도록 직업 정체성을 확장할 필요가 있습니다. 데이터 전문가는 DI(정보의 변화)가 반드시 DB(행동의 변화)와 동일시되는 것은 아니라는 것을 인식할 필요가 있습니다. 앞으로 데이터 전문가는 정보/인사이트 전달 사업에만 있는 것이 아니라 "가치 창출 행동을 주도하는 통찰력 창출" 사업에 종사합니다.
이제 사용할 수 있는 도구 포트폴리오는 데이터 과학의 관행을 민주화했습니다. 더 이상 데이터에서 가치를 추출하기 위해 수학 천재나 코딩 현상이 필요하지 않습니다. 데이터 헤드가 되기: 생각하고, 말하고, 이해하는 방법, Alex J. Gutman, Jordan Goldmeier의 데이터 과학, 통계 및 기계 학습을 참조하십시오.
하지만 많은 경영진들이 데이터 가치가 수학, 통계학 또는 기계 학습 학위에 의존한다고 잘못 생각하는 "데이터 패배주의"에 시달리고 있습니다. 경영진들은 데이터 파워 툴 사용을 안내할 데이터 전문가에 대한 준비된 접근이 필요합니다. 데이터 전문가는 전문화된 데이터 수집 공간에 격리되기 보다는 비즈니스에 포함되어야 합니다.
임원들은 전통적인 분석, 빅 데이터, 그리고 이제 인공 지능 사이의 작은 구분을 생각하는 데 너무 많은 시간을 소비합니다. 당신은 전통적인 분석 없이 빅 데이터를 할 수 없고, 빅 데이터 없이 인공 지능을 할 수 없습니다. 데이터는 데이터입니다. 머리카락을 자르는 것을 멈추세요. 밖으로 나가서 데이터로 가치를 만들어 보세요.
한 시대로서 '빅 데이터'는 끝났을지 모르지만, 조직들이 AI 미래로의 도약을 모색하는 동안에도 그 근본적인 가치(및 긴장)는 지속되고 있습니다.
IT 분야에 등장했을 때 빅 데이터는 큰 문제였습니다. 이제 더 이상 이 용어를 사용하는 것이 적발될 수 있는 많은 IT 리더를 발견하기가 쉽지 않을 것입니다.
하지만 CIO들은 빅 데이터 시대의 허니문 기간(2005~2015년경) 동안에 추진된 기술과 기술을 너무 빨리 역사의 쓰레기통에 맡겨서는 안 됩니다. 기본적인 데이터 차단 및 대처에서 얻을 수 있는 막대한 가치는 여전히 남아 있습니다.
이슈의 일부는 일종의 '명품'이라는 비난을 정당하게 받아온 미래학자들이 현실보다 극적인 것을 갈망하면서 트렌드의 추세를 가속화할 수 있다는 것입니다.
예를 들어, 블랙베리, 카세트 테이프 플레이어, DVD, 플로피 디스크, 오버헤드 프로젝터, 종이 전화번호부 등 구식이 된 것들을 열거하는 것을 좋아합니다. 종말을 선언하는 데 있어 가장 이른 시기에 맞는 것은 훨씬 더 많은 캐시를 가져다 줍니다.
우리는 또한 전화 교환기 교환원, 볼링 핀 세터, 비디오 가게 계산원, 우유 배달원, 엘리베이터 운전원 등 관련성을 잃은 직업, 역할 및 업무를 나열함으로써 청중을 자극하는 것을 좋아합니다. 결국 관련성은 우리의 강점입니다.
반면에, 우리는 뜨거운 신기술을 가진 흥미진진한 경영진을 좋아합니다. 인공지능은 우리에게 그 순간을 맞고 있지만, 양자 컴퓨팅과 심지어 드론도 그럴 수 있습니다.
그러나 특히 미래학자들과 일반적으로 모든 경영진들이 실제로 해야 할 일은 현대 시대의 위대한 미스터리, 즉 이해관계자의 가치를 어떻게 창출할 것인가 하는 것입니다.
인공지능 가치의 길을 열어주는 것이 바로 데이터입니다. "빅 데이터"는 중요한 분야로, 과거의 일이거나 가치 있는 장점이 없는 것으로 잘못 분류될 위험이 있습니다. CIO와 디지털 경영진은 빅 데이터가 그에 걸맞은 관심을 받고 있는지 확인해야 합니다.
데이터에 대한 우리의 생각 재고
예를 들어, 당장 생명에 위협이 되지 않는 데이터로부터 완전한 가치를 얻지 못하는 장수하는 현실적인 문제에 직면했을 때, 저는 정신 모델 감사를 실시할 것을 제안합니다. 우리는 이 문제에 대해 어떻게 생각하고 있나요?
나는 고위 경영진 한 무리에게 데이터에 대해 어떻게 생각하는지 생각해보라고 했습니다. 나는 그들이 큰 아이디어와 치솟는 야망을 가진 스왈로스, 하나의 정의적인 아이디어의 렌즈를 통해 세상을 바라보는 경영진, 즉 특정한 산출물이 있는 단기 프로젝트에 초점을 맞출 것인지 물었습니다.
나는 헤지스라고 자칭하는 임원이 거의 없다는 사실을 알고 놀랄 일이 아니었습니다. 데이터로 가치를 창출하는 보편적으로 받아들여지고 배치되는 프레임워크가 아직 등장하지 않았기 때문일 것입니다. 스트레치 데이터 야망이 달성 가능한 이정표를 가진 실행 가능한 프로젝트와의 연관성과 명확하게 연결될 때 가치가 가장 많이 수확된다는 합의가 이루어졌습니다.
분명히 데이터와 분석 야망을 특정 기업의 다양한 전략 수립 프로세스에 삽입하는 것과 관련된 가치가 있습니다. 2024년 가트너 데이터 및 분석 서밋(Gartner Data and Analytics Summit)에서 Ethisham Zaidi VP Analytics 분석가는 "어닝 콜에서 빈도 수를 사용하여 데이터, 분석 및 AI가 전략적이라고 말한 글로벌 S&P 1200 기업이 지난 9년 동안 동종 기업의 80%를 능가했습니다."라고 공유했습니다
데이터 과학자들과 통계학 박사들로 이루어진 노련한 데이터 실무자들에게 스왈로스, 헤지혹, 몰스 스키마를 사용하여 자신을 식별하도록 요청했을 때, 스왈로스는 그렇게 많지 않았고, 대부분의 사람들은 자신을 작은 'h' 헤지혹으로 간주하는 몰스도 몇 명 더 있었습니다. 머글(기업 경영자)과 마법사(데이터 전문가)는 서로 다른 눈으로 세상을 보는 것 같습니다. 우리는 이 문제를 해결할 필요가 있습니다.
배합력
데이터 과학자가 비즈니스맨처럼 생각해야 하는 것처럼 비즈니스맨도 데이터 과학자처럼 생각해야 합니다. 이는 직업 정체성의 문제로 이어집니다. 경영진은 데이터를 포함하도록 직업 정체성을 확장할 필요가 있습니다. 데이터 전문가는 DI(정보의 변화)가 반드시 DB(행동의 변화)와 동일시되는 것은 아니라는 것을 인식할 필요가 있습니다. 앞으로 데이터 전문가는 정보/인사이트 전달 사업에만 있는 것이 아니라 "가치 창출 행동을 주도하는 통찰력 창출" 사업에 종사합니다.
이제 사용할 수 있는 도구 포트폴리오는 데이터 과학의 관행을 민주화했습니다. 더 이상 데이터에서 가치를 추출하기 위해 수학 천재나 코딩 현상이 필요하지 않습니다. 데이터 헤드가 되기: 생각하고, 말하고, 이해하는 방법, Alex J. Gutman, Jordan Goldmeier의 데이터 과학, 통계 및 기계 학습을 참조하십시오.
하지만 많은 경영진들이 데이터 가치가 수학, 통계학 또는 기계 학습 학위에 의존한다고 잘못 생각하는 "데이터 패배주의"에 시달리고 있습니다. 경영진들은 데이터 파워 툴 사용을 안내할 데이터 전문가에 대한 준비된 접근이 필요합니다. 데이터 전문가는 전문화된 데이터 수집 공간에 격리되기 보다는 비즈니스에 포함되어야 합니다.
임원들은 전통적인 분석, 빅 데이터, 그리고 이제 인공 지능 사이의 작은 구분을 생각하는 데 너무 많은 시간을 소비합니다. 당신은 전통적인 분석 없이 빅 데이터를 할 수 없고, 빅 데이터 없이 인공 지능을 할 수 없습니다. 데이터는 데이터입니다. 머리카락을 자르는 것을 멈추세요. 밖으로 나가서 데이터로 가치를 만들어 보세요.