기업의 AI 디자인 도입률 50%, AI 전문 디자이너 1만 명 시대, 주요 대기업과 스타트업이 디자이너의 필수 역량으로 꼽는 데이터 활용력! 이제 디자이너에게 데이터 문해력은 피할 수 없는 핵심 역량이 되었다. 구글, 마이크로소프트, 어도비 같은 기업들은 UX 디자이너를 채용할 때 데이터 문해력을 보유했는지를 살펴본다. 이미 유수의 기업들이 디자인 관련 의사결정을 할 때 데이터를 근거로 하고 있으며, 디자인 팀은 보다 정밀하게 고객의 니즈를 예측하기 위해 데이터를 이해하고 때론 직접 수집하기도 해야 한다. 특히 고객 경험이 중요한 지금은 고객 데이터를 디자인에 활용하여 리서치 결과를 탄탄하게 하면서 동시에 예측 가능한 결과를 얻는 방식은 점점 더 일반화되는 추세다. 특히 여러 전문 분야가 계속 협업해야 하는 스타트업에서는 데이터 해석을 매개로 하면 디자이너들이 CX 팀 혹은 마케터, 개발자와의 커뮤니케이션을 더욱 원활하게 할 수 있게 된다. 기업의 AI 디자인 도입률 50%, AI 전문 디자이너 1만 명이 눈앞에 있는 시대, 디자이너가 시급히 익혀야 할 스킬이 바로 데이터 활용력이다. 수많은 UX 디자이너를 배출해 온 홍대 디자인 교수의 생생한 디자인-데이터 융합 수업이 펼쳐진다! 데이터의 중요성은 누구나 공감하겠지만, 영어 공부에 대한 새해 다짐처럼 데이터에 대해 무엇을, 어떻게, 어디서부터 알아야 할지 막막할 것이다. 삼성, 현대, LG 등 여러 대기업의 수많은 UX 디자이너를 양성해 온 저자는 무엇보다 디자이너의 관점에서 데이터를 바라보는 것이 중요하다고 말한다. 저자는 20년 동안 데이터를 처음 접하는 학생들과 가장 가까이서 호흡했던 경험을 토대로 디자이너의 관점에서 필요한 디자인-데이터 융합 교육의 요점을 발견했으며, 이 책을 통해 그 수업을 전달한다. 실제 홍익대학교 디자인 전공에서 진행되는 디자인-데이터 융합 수업을 체계화한 것으로, 서울시의 미세먼지 빅데이터를 분석하여 진행한 모바일 앱 서비스 디자인 프로젝트 사례를 중심으로 데이터 기반 디자인의 전 과정을 상세히 안내한다. 프로젝트 선언문 작성부터 주요 변수 선정, 데이터 큐레이션, 데이터 셋의 세부 변수 정의, 데이터 전처리, 정돈된 데이터 셋 구축, 데이터 시각화, 변수 패턴 발견, 디자인 콘셉트 도출까지, 전 과정을 살펴볼 수 있다. 디자인 프로세스에 데이터를 활용하기 스킬들! 디자이너에게 딱 필요한 만큼만 정리한 데이터 활용 입문서 이현진 교수는 데이터 과학을 잘 모르는 비전공자, 그리고 수학과 통계에 약한 디자이너도 쉽게 이해할 수 있도록 관련 기초 용어부터 시작해 각 단계를 친절하게 설명한다. 딱딱하고 지루한 예제 문제를 풀며 데이터를 공부하는 것이 아니라, 디자이너의 관점에서 데이터를 바라보고 데이터와 가까워질 수 있다. 데이터에 대한 깊은 사전 지식 없이도 디자인 프로젝트 사례를 따라가다 보면, 데이터를 바탕으로 디자인 콘셉트를 도출하는 과정을 익힐 수 있을 것이다. 데이터 드리븐 디자인의 핵심은 데이터를 기반으로 문제 해결의 근거를 찾고 콘셉트를 도출하는 것이므로 이 책에서 설명하는 데이터 활용법만 잘 이해해도 기본기가 탄탄해질 것이다. 또한 실제 홍익대학교 디자인컨버전스 학부의 디자인-데이터 융합 교육 사례가 특별 부록으로 담겨있다. 교과목 개요부터 주별 강의 계획, 학습 성과, 강의 평가 분석까지, 디자이너를 위한 데이터 문해력 교육의 현황을 제공하므로 AI 디자인의 교육 방안을 고민하는 강사들에게도 큰 도움이 될 것이다.

추천의 글 프롤로그, 데이터로 꿈꾸는 내일의 디자인 1부. 디자인의 자화상, 현재를 이해하기 1장. 디자이너와 데이터 사이의 거리 2장. 디자인의 전통적인 협업 방식과 새로운 협업자들 1) 고전적 디자인 연구 방법론과 특징 2) 완벽보다는 최선을 추구하는 디자인 3) 디자인의 변화를 요구하는 기술 환경 3장. 디자인을 위한 데이터 1) 디자인 과정에서 반복되는 발산과 수렴 2) 디자인 데이터의 특성 2부. 디자인과 데이터의 접점 1장. 데이터 기반 디자인, 데이터 활성화 디자인, 제너레이티브 디자인 1) 데이터 기반 디자인: Data Driven Design 2) 데이터 활성화 디자인: Data Enabled Design 3) 제너레이티브 디자인: Generative Design 4) 기존의 디자인 방법론을 개선하는 기술로서의 데이터 2장. 게임 체인저, 인공지능 사용자 경험 1) 인공지능 서비스의 등장 2) 인공지능 서비스의 개발 방법 변화 3) 인공지능 서비스의 사용자 역할 변화 4) 데이터 친화적인 디자인 방법론 3장. 데이터 과학의 연구 방법과 협업, 그리고 탐구적 데이터 분석 방법론 1) 데이터 과학의 정의와 역할 2) 데이터 과학과 학제적 협업 3) 디자인 리서치 과정과 탐구적 데이터 분석 방법론의 유사성 4장. 디자인과 데이터의 필연적 공생 1) 디자인과 데이터의 접점에 대한 주요 논의 2) 디지털 데이터에 기반한 디자인 프로세스가 가져올 변화 3) 디자인하는 인공지능의 역할과 한계, 그리고 인간 디자이너의 과제 3부. Design with EDA 방법론의 현실적 상상 1장. Design with EDA의 콘셉트 스케치 1) 스펙큘러티브 디자인 시나리오 2) 데이터 셋, 변수, 값으로 정의하는 디자인 프로젝트 2장. Design with EDA의 디자인 프로세스와 단계별 내용 1) 디자인 문제의 발견 단계의 데이터 연구 방법론 적용 2) 디자인 문제의 정의 단계의 데이터 연구 방법론 적용 3) 디자인 해결안의 개발 단계의 데이터 연구 방법론 적용 4) 디자인 해결안의 구현 및 평가 단계의 데이터 연구 방법론 적용 5) 데이터 관리 대시보드를 활용한 디자인 프로젝트 지원 3장. Design with EDA를 적용한 디자인 사례 연구 1단계: 디자인 프로젝트 데이터 셋 구축 1) 프로젝트 선언문과 주요 변수 선정 2) 데이터 큐레이션 3) 데이터 셋의 세부 변수 정의 4) 데이터 전처리 과정과 정돈된 데이터 셋 구축 4장. Design with EDA을 적용한 디자인 사례 연구 2단계: 데이터 시각화 1) 데이터 시각화를 통한 변수의 변동 현황, 변수 간 관계 현황 도출 5장. Design with EDA를 적용한 디자인 사례 연구 3단계: 변수 패턴과 디자인 콘셉트 1) 디자인 변수 현황과 변수 패턴 발견 2) 디자인 변수 패턴을 반영한 디자인 콘셉트 도출 3) 디자인 콘셉트 이후의 Deign with EDA 프로세스 4부. 데이터 문해력을 갖춘 디자이너 되기 1장. 디자이너를 위한 데이터 문해력 1) 대학 교과 과정의 데이터 문해력 교육 2) 대학 비교과 및 평생 교육 과정의 데이터 문해력 교육 3) 기존 데이터 문해력 교육의 문제점 4) 디자인 씽킹 교육 프로그램의 시사점 5) 디자인 실무에서 필요한 데이터 활용 능력에 관한 선행 연구 2장. 디자인-데이터 융합 교육 과정의 실천 사례와 시사점 1) 홍익대 디자인컨버전스 학부의 디자인-데이터 융합 교육 모델 2) 디자인-데이터 융합 교육 사례의 시사점 3장. 디자이너를 위한 데이터 문해력 교육의 비전 1) 데이터 문해력 교육 내용의 툴킷화 2) 데이터 문해력 툴킷 모듈별 학습 내용과 활용 방법 3) 데이터 문해력 교육 형식의 다변화 4장. 데이터 문해력을 갖춘 디자이너의 미래 1) 디자이너의 미래는 장밋빛인가, 회색빛인가 2) 어쨌거나, 기술 발전은 멈추지 않는다 에필로그, 이 책을 쓰면서 알게 된 것들 감사의 글, 이 책이 나오기까지 부록, 홍익대 디자인컨버전스 학부의 디자인-데이터 융합 교과 운영 사례 참고 문헌

결국 디지털 트랜스포메이션과 인공지능 기술의 발전은 공예적이고 주관적인 디자인 프로세스를 압박할 것이다. 아직 우리에게 준비할 시간이 있을 때 디자이너가 주도적으로 이 혁신의 흐름을 연계해야 한다. 디자인 프로세스에서 이루어지는 데이터들의 발산, 수렴, 반복적 특성과 파편화되어 있고 비정형적인 데이터들을 종합적, 주관적으로 처리해야 하는 디자인 고유의 데이터 활용 패턴을 인공지능과 협업하는 분야의 시각에서 읽을 수 있도록 해 주고, 소통의 연결 지점을 만들어서 함께 혁신을 이룰 수 있도록 움직여야 한다. --- p.38, 「1부. 디자인의 자화상, 현재를 이해하기」 중에서 지금 제안되고 있는 인공지능 기술 이해와 전문가 협업을 가능하게 하는 도구들은 모두 공통적으로 데이터를 매개로 소통하고 있다는 것을 확인할 수 있다. 데이터를 잘 활용해야 업무 진행도 가능하고, 분야 간 협업도 가능해지는 것이다. 곧 인공지능 서비스 개발 분야를 평정할 서비스를 누가, 언제, 어떻게 제공할 것인지에 상관없이 그 서비스의 작업 방식은 데이터를 활용하는 일이 중심이 될 것이다. 여기에 디자이너가 지금 데이터에 관심을 가져야 하는 강력하고 시급한 이유가 있는 것이다. --- p.61, 「2부. 디자인과 데이터의 접점」 중에서 디자인 프로세스와 데이터 과학의 융합으로 탄생한 Design with EDA 방법론은 디자인 문제 해결 과정을 변수와 값으로 구성된 데이터 셋과 데이터 모델의 관리 과정으로 해석하고, 데이터 과학의 탐구적 분석 방법을 활용하여 디자인 리서치를 수행한다. 또한 데이터 모델에 의하여 디자인 콘셉트를 구축하고, 디자인 구현 데이터 조합을 생성하여 디자인 해결안을 도출하는 새로운 디자인 방법론이다. --- p.87, 「3부. Design with EDA 방법론의 현실적 상상」 중에서 앞으로 디자인을 전문으로 하는 인공지능 모델은 급속도로 발전을 거듭할 것이고, 디자인에 쓰일 수 있는 디지털 데이터들의 양과 종류도 지속적으로 증가할 것이다. 그러므로 Design with EDA 방법론의 완성은 다만 시간이 조금 더 필요할 뿐, 도착해 있는 미래라고 할 수 있다. 이제는 디자이너가 이미 당도한 미래를 맞이할 차례인 것이다. --- p.144, 「3부. Design with EDA 방법론의 현실적 상상」 중에서 즉 디자이너가 다양한 데이터 기술 분야의 전문가 역할을 담당하기보다는 특정 분야의 데이터 기술 전문가와 효율적으로 협업할 수 있도록 일반적인 데이터 문해력을 확보하는 것이 더 중요하다. 그러므로 기초 데이터 문해력 확보가 디자이너의 데이터 문해력 교육의 우선적인 목표가 되어야 한다. --- p.157, 「4부. 데이터 문해력을 갖춘 디자이너 되기」 중에서 손으로 스케치를 하던 고전적인 디자이너처럼, 컴퓨터 소프트웨어로 그래픽 작업을 하는 현재의 디자이너도 자유롭고 예술적이다. 같은 방법으로 데이터 모델과 인공지능으로 디자인하는 디자이너도 자유롭고 예술적일 것이다. 어떠한 방법으로 하더라도, 그 일에 대한 이해와 숙련도가 높은 수준에 이르면 자유롭고 예술적이다. 우리가 아직 좋은 사례를 접하지 못했을 뿐, 데이터의 내면에도 멋진 자유와 예술이 숨겨져 있을 것이다. --- p.180, 「4부. 데이터 문해력을 갖춘 디자이너 되기」 중에서