[책소개]
스타벅스코리아 1호 데이터 사이언티스트의
넘쳐나는 숫자 속에서 기업과 소비자가 원하는 ‘가치’를 찾아내는 방법

데이터를 비즈니스에 활용하고 싶은 이들을 위해 모든 정보와 인사이트를 담은 책

데이터를 활용해 마케팅의 성과를 높이고 싶은 이, 데이터 분석을 통해 새로운 상품을 개발하는 기획자, 코딩 실력이 걱정되지만 데이터 분석가로 전직을 꿈꾸는 이, 숫자와 텍스트 속 감춰진 신호에서 기회를 발견하고 싶은 이들을 위한 책이다.

이 책은 데이터 분석에 뛰어든 마케터, 기획자, 공대생 등 다양한 배경을 가진 사람들이 차별화된 역량을 키워갈 수 있도록 안내한다. 실제 프로젝트에서 어떤 역량이 쓰이는지도 직접 확인해볼 수 있다. ‘인사이트를 사람에게 전달하는 경우’와 ‘IT서비스에 반영하는 경우’ 2가지 유형으로 분류해 실무에 필요한 역량을 비교해준다. 그밖에도 데이터 사이언티스트에게 필요한 5가지 마인드, 실무에 도움이 되는 사고법 등을 실제 업무 프로세스를 바탕으로 소개한다. 책의 말미에는 특별한 커리어 워크숍이 열린다. 새로운 직업에 눈을 뜬 사람들이 자신만의 적성을 찾고 확신을 가질 수 있도록 ‘나’라는 데이터를 모아 분석하는 시간을 갖는다. 모두가 데이터 분석을 할 필요는 없지만, 데이터 분석을 시작했다면 이 일이 진정 ‘좋아하는 일’이 되기를 바라는 저자의 마음을 담았다.

[상세이미지]


[목차]
프롤로그 “데이터 사이언티스트는 무슨 일을 하나요?”

│1부│ 숫자와 현실을 연결하다
: 데이터 사이언티스트의 등장

1장 데이터 필수 시대
개념보다 중요한 것은 활용이다
쌓일수록 가치가 생기는 것
누구에게나 도움이 되는 데이터
데이터는 경쟁력을 좌우한다
모든 것이 데이터가 된다

2장 데이터 사이언티스트의 역할
이 시대에 꼭 필요한 전문가들
기술, 통계, 인문의 경계를 넘나든다
숫자로 설득해야 한다
숫자와 현실을 연결해야 한다
숫자와 언어 속에서 맥락을 읽어낸다

│2부│ 기술보다 먼저 익혀야 할 것들
: 데이터 사이언티스트의 역량

3장 문과생 데이터 사이언티스트의 기초체력 다지기
정도가 아닌 길을 걷는 이들에게
외국어를 배우듯 코딩을 배워라
맛있는 요리를 만들듯 통계를 대하라
통계 관련 수업은 최대한 많이 들어라
프로젝트에 대한 가치판단을 전달하라
스페셜리스트가 되려면 제너럴리스트가 되라
박쥐의 고통을 감수하라
문과생이 아닌데 데이터 사이언티스트가 되고 싶다면

4장 데이터 사이언티스트의 마인드 세팅
향상심: 지금보다 나아지고자 하는 욕구
호기심: 현상을 관찰해 문제를 파악하는 힘
사교성: 사람들이 원하는 것을 파악하는 능력
주도권: 데이터에 대한 주인 의식
경험: 기획과 변형, 해석의 바탕

│3부│ 데이터가 사람을 위해 일하게 만드는 법
: 데이터 사이언티스트 실무

5장 데이터 사이언티스트의 일
데이터에서 가치를 찾아라
감각, 기술, 소양을 갖춰라
다양한 프로젝트들
프로젝트 유형 1: 인사이트를 사람에게 전달하는 경우
프로젝트 유형 2: 데이터를 실제 IT서비스에 반영하는 경우

6장 데이터 사이언티스트의 무기
사고하고 판단할 수 있는가
나만의 관점이 있는가
분석에 대한 그림을 그릴 수 있는가
다양한 경험을 융합할 수 있는가

│4부│ ‘나’라는 데이터를 분석하는 워크숍
: 적성을 찾고 확신을 얻는 과정

7장 선택의 순간에 묻는다
상상만으로 고민하지 않기를
내 인생의 키워드
잊고 지냈던 재능 찾기
내 선택의 공통점 찾기
장래희망의 상상과 실제 확인하기
내 선택의 전환점 찾아보기
일상에서 벗어난 나 돌아보기
감정 파악하기

8장 캐릭터 마이닝
키워드를 찾는 방법
커리어 키워드 찾기
내가 좋아하는 것들의 키워드 찾기
내가 참기 어려운 것들의 키워드 찾기
미래의 나를 구체적으로 상상해보기

에필로그 “지금 하는 일을 좋아하나요?”

[출판사 서평]
美 직장 평가 사이트 글래스도어 2016~2020년 최고의 직업 선정
하버드비즈니스 리뷰 선정 ‘21세기 가장 섹시한 직업’
한 해 1,000명 규모의 데이터 사이언티스트 육성 계획을 세우는 대기업들

넘치는 데이터와 폭증한 ‘데이터 분석 능력’에 대한 수요!
데이터를 비즈니스에 활용하고 싶은 이들을 위한 가장 쉬운 안내서

인간이 하는 모든 활동이 데이터가 되는 시대

지금 이 시간에도 모든 것은 데이터가 되고 있다. 하물며 매일 들고 다니는 스마트폰에도 걸음 수와 움직인 거리가 기록되고, 무심코 들어간 웹사이트나 앱 로그 기록도 충실하게 쌓인다. 일정 기간 특정 브랜드가 몇 번 언급되었는지, 대중교통을 이용하는 인구수는 물론 특정 지역에 모여 있는 사람들의 수를 사진 분석 기술로 알아낼 수 있을 정도다. 인간이 하는 활동의 거의 모든 것을 수치화하고 데이터로 바꿀 수 있는 시대가 되었다고 해도 과언이 아닌 셈이다. 수집할 수 있는 데이터가 방대해지자 ‘서말’인 데이터를 ‘꿸’ 사람들에 대한 수요도 폭증했다. 데이터를 보유한 기업은 쌓여있는 데이터에서 새로운 가치를 만들어내기 위해 데이터를 분석, 가공할 사람이 필요해진 것이다.

데이터와 현실을 연결하는 ‘통역가’

누군가 “요즘 가장 잘 팔리는 게 뭐예요?”라고 묻는다면 그 답을 어떻게 유추할 수 있을까? 데이터 사이언티스트는 ‘요즘’부터 정의한다. 요즘이 오늘을 기준으로 3개월 전인가, 1개월 전인가, 혹은 일주일 전인가, 한 시간 전인가를 생각하는 식이다. 아이디어(분석 주제)를 ‘분석 가능한 숫자’로 확인하는 습관이다. 처음에는 사람들이 궁금해 하는 것과 데이터 사이에 아무런 관계가 없다. 하지만 데이터 사이언티스트는 어떤 상품이나 서비스가 잘 팔리고 있다는 ‘현실’을 ‘데이터’로 분석해 보여주는 사람이다. 분석에만 그치지 않고 분석 결과물이 제품이나 서비스를 개발하고 있는 기업에 어떤 쓸모가 있는지, 숫자가 아닌 이해하기 쉬운 언어로 전하는 것까지가 그들의 일이다. 저자는 이 과정을 통틀어 데이터와 현실을 연결하는 ‘통역가’라고 칭한다.

열 살부터 코딩 배운 전문가와 경쟁하지 마라

좋은 데이터 사이언티스트가 되려면 3가지 역량이 필요하다. 분석하는 기술, 통계 지식, 해석하고 소통하는 인문학적 역량이다. 빅데이터를 분석하려면 기술의 힘을 빌려야 한다. SQL이나 파이선 등 기계언어를 활용해 방대한 양의 숫자와 텍스트를 분류하고 모을 수 있도록 지시하는 코딩과 수학적 통계모델에 대한 지식이 필요하다. 실제 데이터 사이언티스트는 기술이나 통계 영역에서 업무를 확장해나가는 이들이 많아 관련 전공자가 많은 편이다. 하지만 비전공자가 “열 살부터 코딩을 해온” A급 데이터 사이언티스트만큼 할 수는 없는 노릇이다. 심리학을 전공해 문과생 출신인 저자는 이때 ‘인문학적’ 강점을 살려야 한다고 말한다. 정확한 분석을 위해 관련 부서의 실무자와 대화를 나누고, 기업과 소비자가 원하는 인사이트를 찾아 발견하고 해석하는 능력은 저자의 강점이다.

A: 길거리 매장과 건물 내부 매장을 비교해보니 날씨 변수에 따라 매출 차이가 ○○% 있습니다. 이 모델은 .05 수준에서 유의미합니다.

B: 길거리에 있는 매장은 비나 눈이 올 때 매출이 ○○% 감소합니다. 그런 날씨에도 고객들이 방문할 수 있도록 마케팅 전략을 제공하면 좋겠어요. 혹은 비나 눈이 올 때 건물 안에 있는 매장에서 매출을 더 많이 일으켜 전사 매출 균형을 맞추는 방법도 있죠. 비가 올 땐 특히 ○○ 제품이 더 잘 팔리고, 눈이 올 땐 ×× 제품이 더 잘 팔리니 일시적으로 이런 제품을 노출하면 어떨까요.

누가 더 뛰어난 데이터 사이언티스트처럼 보이는가? 앞으로는 숫자 이면에 감춰진 인사이트를 이해하기 쉽게 전달하는 능력이 경쟁력이 된다.

데이터 분석을 통해 더 좋아하는 일을 할 수 있기를

이 책은 데이터 분석에 뛰어든 마케터, 기획자, 공대생 등 다양한 배경을 가진 사람들이 차별화된 역량을 키워갈 수 있도록 안내한다. 실제 프로젝트에서 어떤 역량이 쓰이는지도 직접 확인해볼 수 있다. ‘인사이트를 사람에게 전달하는 경우’와 ‘IT서비스에 반영하는 경우’ 2가지 유형으로 분류해 실무에 필요한 역량을 비교해준다. 그밖에도 데이터 사이언티스트에게 필요한 5가지 마인드, 실무에 도움이 되는 사고법 등을 실제 업무 프로세스를 바탕으로 소개한다. 책의 말미에는 특별한 커리어 워크숍이 열린다. 새로운 직업에 눈을 뜬 사람들이 자신만의 적성을 찾고 확신을 가질 수 있도록 ‘나’라는 데이터를 모아 분석하는 시간을 갖는다. 모두가 데이터 분석을 할 필요는 없지만, 데이터 분석을 시작했다면 이 일이 진정 ‘좋아하는 일’이 되기를 바라는 저자의 마음을 담았다.