★★★★★ ‘빅데이터, 인공지능 분야 세계 100인의 전문가’ (영국 케임브리지 국제인명센터IBC 선정) ★★★★★ 실무에서 가장 많이 쓰는 분석법 Best 17 수록! ★★★★★ 이준기 전 빅데이터학회장, 신현보 데이터 전문기자, 강양석 《데이터 리터러시》 저자, 김한솔 HSG 디지털컨택트사업실장 강력 추천! 복잡하던 데이터 분석이 내 일과 연결해 바로 이해되는 세계 Top100 데이터 전문가의 단기 속성 실무 코칭! “이제부터는 감이나 경험 대신, 데이터 분석에 근거해서 보고하고 지시하세요.” 최근 CEO나 임원에게 이런 지시를 받는 팀장이 많아졌다. 디지털 트랜스포메이션이 기업들의 화두가 되면서 구성원들에게도 데이터 활용 역량을 요구하고 있어서다. 데이터가 앞으로 “기업이 성장하기 위해 갖춰야 할 제2의 외국어”(가트너)이자, “10년 후 직장인의 절반이 데이터 분석가로 살아가게 될 것”(이코노미스트)이라는 분석까지 나온다. 하지만 많은 팀장이 데이터 분석을 한 적도 없고 하는 법도 몰라 고민이다. 수많은 직장인들이 시간과 돈을 들여 파이썬이나 R언어를 무작정 배워보지만, 막상 현업에는 적용하지 못해 우왕좌왕한다. 왜일까? 진짜로 중요한 건 데이터를 읽고 이해하는 문해력, 즉 ‘데이터 리터러시’인데, 그 능력을 키워주는 곳은 어디에도 없기 때문이다. 이런 상황에서 국내 최초로 실전 문제해결 과정을 보여줌으로써 데이터 리터러시를 훈련시켜주는 책이 나왔다. 다양한 실무 경험과 연구 성과로 세계적으로 인정받는 전문가들이 중간관리자를 위한 데이터 분석 입문서를 썼다. 《감으로만 일하던 김 팀장은 어떻게 데이터 좀 아는 팀장이 되었나》, 줄여서 《데이터 좀 아는 팀장》이다. 이 책의 저자인 황보현우 교수는 비즈니스 실무 능력과 학문적인 연구 성과를 인정받아 ‘빅데이터, 인공지능 분야 세계 100인의 전문가’에 오르기도 한 대한민국 최고의 데이터 전문가이다. “누구도 데이터 분석의 쓸모를 이렇게 쉽게 알려주지 않았다!” 업무 지시부터 보고, 피드백, 협업까지 문제해결 연습이 되는 데이터 분석 입문서! 이 책은 비전공자와 초보자도 쉽게 이해할 수 있도록 가상의 김 팀장과 그의 멘토인 황보 교수 캐릭터를 만들어 에피소드 형식으로 풀어 썼다. 문과생 출신 김 팀장이 회사의 문제들을 황보 교수의 도움으로 해결하며 성장해나가는 과정을 그렸다. 이 과정에서 자연스레 데이터를 업무에 활용하는 방법을 알려준다. 특히 이 책은 팀장 포지션에 포커스를 맞추었다. 데이터가 진짜로 일하게 하려면 의사결정권이 있는 관리자가 데이터를 이해하고, 일상적인 의사결정 프로세스로 만드는 것이 무엇보다 중요하기 때문이다. 그래서 앞서가는 기업들은 데이터 임원을 따로 두기도 한다. 저자들은 팀장이 할 일은 데이터를 가공하거나 분석하는 것이 아니라, 데이터를 근거로 판단하고 보고하고 지시하는 일이라고 강조한다. 이 능력은 어떻게 얻어질까? 실전의 문제를 유형화하여 방법론을 익히는 경험을 쌓아야 한다. 그리고 쌓인 경험을 바탕으로 문제를 해결하는 역량이 필요하다. 바로 이 책처럼 말이다. 이 책의 가장 큰 특징은 어느 누구도 하나로 꿰어내지 못했던 저자들의 풍부한 현업 컨설팅 사례. 영업 마케팅부서부터 기획팀, 인사팀, 비서실, 제조공장, 매장 관리, 온라인쇼핑몰 관리까지, 현업에서 가장 빈번하게 겪는 문제를 두루 풀었다. 이 책에서 다루는 실전 사례는 다음과 같다. ·새로 오픈하는 대리점의 올해 매출 추론하기 ·기존 고객의 재구매율 높이기 ·우수 직원의 특성을 분석해서 채용·교육 액션플랜 짜기 ·회장님이 방문할 대표 매장 5곳 선정하기 ·공장 기계의 센서 데이터로 불량 설비 찾아내기 ·멤버십 회원 특성을 분석해서 타깃 마케팅하기 ·온라인 쇼핑몰의 추천 시스템 개선해 매출 높이기 ·임직원의 협업 문화 진단하고 혁신하기 ·매장 내 고객 동선을 분석해 레이아웃 혁신하기 ·배분 방식을 개선해 대리점 재고관리 혁신하기 등등 각 꼭지마다 ‘세 줄 정리’가 되어 있어 업무 지침으로 삼기 좋다. 아울러 마지막 장인 [Q&A]에서는 다들 궁금해하지만 물어보기는 애매했던 질문들을 정리했다. 데이터분석가의 연봉이 정말 몇억인지, 데이터 분석이 주식에 도움이 되는지, 어떤 소프트웨어를 써야 하는지 등에 대해 속 시원히 답한다. 데이터를 확실한 의사결정 도구로 만드는 방법 이 책에서 초보자였던 김 팀장의 성장기를 따라가다 보면, 막연하게만 느껴졌던 데이터 분석이 하나로 꿰어지며 통합적으로 이해되는 신기한 경험을 하게 된다. 데이터가 중요하다는 건 알겠는데 어디서부터 시작해야 할지 막막했던 사람이라면, 합리적으로 판단하고 싶은데 데이터를 활용할 줄 몰라서 ‘감(感)’에만 의지해왔던 경영자나 중간관리자라면, 이 책이 데이터를 ‘의사결정을 뒷받침해줄 확실한 무기’로 만드는 방법을 알려줄 것이다. 또한 정체되어 있던 비즈니스를 혁신하는 돌파구를 발견하는 계기가 될 것이다. 이 책을 읽고 나면, 데이터를 전혀 몰랐던 팀장이라도 데이터로 의사결정할 수 있다!

프롤로그 | 비전문가를 위한 데이터 분석 입문서 1부. [기본] 김 팀장, 데이터 분석으로 첫 보고 하다 1장. 김 팀장, 예측이 아니라 추론을 해야죠! _ 예측과 추론 2장. 데이터 분석 결과에서 대체 뭘 보라는 겁니까? _ 선형 회귀 3장. 분석 결과가 상식적으로 좀 안 맞는데요? _ 데이터 수집 4장. 분석을 하려면 다 해야지, 왜 하다 말아요? _ 분석력과 예측력 5장. 데이터를 마구 집어넣으면 안 된다고요? _ 변수와 상관관계 2부. [심화] 다른 부서의 데이터 문제를 해결하다 6장. [서초지점] 고객 재구매 여부가 마이너스로 나오는 게 말이 됩니까? _ 로지스틱 회귀 7장. [인사총무팀] 우수 직원의 특성을 분석해서 액션 플랜을 짜고 싶어요 _ 의사결정나무 8장. [해외영업본부] 아마존 MD가 지난번 히트 상품과 비슷한 상품을 추천해달랍니다 _ 그룹화와 거리 측정 9장. [비서실] 회장님이 방문하실 대표 매장 5곳을 선정해주세요 _ k-평균 군집분석 10장. [여수공장] 공장에 센서가 수천 개가 넘는데 어떻게 일일이 다 봅니까? _ 주성분 분석 11장. [회원관리팀] 멤버십 회원 데이터를 검토해서 시사점을 찾으라고요? _ 기술 통계 12장. [회원관리팀] 사장님께 매장별 회원 특성을 시각화해서 보고하라고요? _ 박스 그림 3부. [응용] 데이터로 비즈니스를 혁신하다 13장. 회사 온라인 쇼핑몰의 추천 화면을 바꿔서 매출을 높이다 _ 추천시스템 14장. 구매 정보를 분석하여 고객마다 추천 제품을 달리 보여주다 _ 협업 필터링 15장. 소통 데이터를 분석하여 임직원의 협업 문화를 혁신하다 _ 소셜 네트워크 분석 16장. 고객 동선을 분석하여 매장 레이아웃을 혁신하다 _ 프로세스 마이닝 17장. 배분 방식을 개선하여 대리점 재고 관리를 혁신하다 _ 최적화 4부. [Q&A] 팀장들의 궁금증을 풀어주다 18장. 데이터 과학자 연봉이 몇억이라는데 진짜예요? 19장. 데이터 분석가는 주식도 잘하겠죠? 20장. 데이터 분석가는 무슨 소프트웨어를 쓰나요? 21장. 설문을 잘하려면 문항을 어떻게 만들어야 하나요? 22장. 데이터 분석하려면 인공지능을 알아야 해요? 23장. 인공지능이 괜찮은 신입사원을 채용해주나요? 에필로그 | 그룹 데이터 혁신 담당 임원으로 승진하다

이 책에는 ABC전자에 근무하는 김 팀장과 이를 돕는 황보 교수가 등장합니다. 우리는 독자가 데이터 분석을 더 쉽게 이해할 수 있도록 현업에서 실제로 생기는 문제를 해결하는 방식으로 책을 썼습니다. 어떤 일은 우리가 실제로 겪은 것이고, 어떤 일은 주변에서 보거나 들었던 것입니다. 이 책을 읽는 동안 독자는 김 팀장이 바로 자기 자신이거나, 직장 선배이거나 후배, 또는 미래의 나 자신이 될 것임을 깨달으실 겁니다. - ‘프롤로그’ 중에서 “보통은 과거에 우리 제품을 많이 산 사람을 VIP 고객으로 정하는데요. 데이터를 분석하면 앞으로 많이 살 사람, 즉 재구매율이 높은 사람을 VIP 고객으로 정할 수도 있겠어요. 이렇게 하면 매출을 훨씬 더 높일 수 있겠는데요?” “맞습니다. 과거에 제품을 많이 산 고객에게는 감사를 전하고, 앞으로 많이 살 고객에게는 새로운 제품 정보를 주거나 재구매를 촉진하는 이벤트를 해야 합니다. 예를 들어 재구매율이 70% 이상인 고객은 영업사원이 직접 만나서 10만 원 정액 할인 쿠폰을 제공하고, 30% 미만 고객은 문자로 5% 정률 할인 쿠폰을 보낼 수 있겠죠.” - 2부. ‘고객 재구매 여부가 마이너스로 나오는 게 말이 됩니까?’ 중에서 “인사총무팀에서 우수 영업사원의 특성을 분석해서 채용과 교육을 위한 액션 플랜을 짜고 싶어 해요. 그런데 선형 회귀로는 계획을 짜기 어렵다네요.” “그럴 겁니다. 선형 회귀나 로지스틱 회귀는 여러 변수 간의 관계를 동시에 분석해주지만 액션 플랜을 수립하는 어떤 기준을 제시하지는 못해요. 이때는 의사결정나무라는 방법론을 사용하면 좋아요. 영업사원의 실적과 특징을 나타내는 데이터를 넣어서 의사결정나무로 분석하면 다음과 같은 결과가 나옵니다.” - 2부. ‘우수 직원의 특성을 분석해서 액션 플랜을 짜고 싶어요’ 중에서 “얼마 전에 저희가 중저가 웹캠 모델 하나를 아마존에 입점해서 판매했는데, 그 상품이 꽤 많이 팔렸어요. 그래서 아마존에서 그때 잘 팔린 모델과 유사한 제품을 서너 개 추천해달라고 하는 거예요. 그런데 저희가 파는 카메라 모델이 몇백 종류가 넘어요. 그래서 제품 상세 스펙이 모두 들어 있는 카탈로그를 아마존에 보냈죠. 그랬더니 아마존에서 우리 제품을 담당하는 MD가 본부장님께 항의 메일을 보냈습니다. 카탈로그를 통째로 보내면 어쩌냐는 거예요. 자기들은 제품을 디스플레이하고 프로모션할 때 데이터를 기반으로 하니까, 판매 패턴이나 제품 특성, 고객 유형 같은 데이터를 기반으로 모델을 선정해달라는 거죠. 선정 근거도 같이 달라고 요구하고요.” - 2부. ‘아마존 MD가 지난번 히트 상품과 비슷한 상품을 추천해달랍니다’ 중에서 “추천 시스템이 추천하는 것은 크게 세 가지입니다. 첫 번째는 대체재예요. 대체재는 이 상품을 봤던 사람이 많이 봤거나 산 다른 상품이에요. 이건 안 살 사람을 사게 만드는 기술입니다. 일종의 경쟁 상품 추천이라고도 볼 수 있어서 같은 카테고리 내에서 추천해주죠. 카메라 상품이라면 유사한 카메라 상품을 추천하겠죠. 두 번째는 보완재입니다. 보완재는 이 상품을 산 사람이 추가로 산 제품이에요. 이건 제품을 더 사게 만드는 기술입니다. 좀 더 큰 카테고리에서 추천해주는데요, 카메라 상품이라면 카메라 액세서리나 렌즈 같은 상품을 추천합니다. 그리고 마지막 세 번째는 베스트셀러입니다. 제가 김 팀장에게 문제를 내고 싶은데요. 대체재, 보완재, 베스트셀러 중에서 어떤 추천이 가장 효과가 좋을까요?” - 3부. ‘회사 온라인 쇼핑몰의 추천 화면을 바꿔서 매출을 높이다’ 중에서 “통계학과 컴퓨터 프로그래밍 지식에 비즈니스 통찰력까지 갖추면 연봉을 수억 주고 데려간다는데 사실인가요?” “네. 맞습니다. 그런 사람은 연봉을 수억 줘도 아깝지 않죠. 정말 실력이 있다면 10억도 받을 겁니다. 그런데 실제로 이런 사람을 거액을 주고 채용하려고 해도 없어요. 데이터 과학자는 프로그래밍만 잘한다고 되는 게 아닙니다. 프로그래밍 역량에 더해 분석 역량, 비즈니스 컨설팅 역량도 필요합니다. 여기서 컨설팅 역량은 학교에서 가르쳐줄 수가 없어요. 이런 건 기업 현장에서 일하면서 배우고 터득하는 거죠. 그리고 학교에서 컴퓨터 프로그래밍과 통계 분석을 같은 전공에서 동시에 가르친 것도 최근 일입니다.” - 4부. ‘데이터 과학자 연봉이 몇억이라는데 진짜예요?’ 중에서 “데이터 분석 전문가는 주식도 잘할까요? 데이터 분석가가 펀드 매니저를 해도 될 것 같아요.” “펀드 매니저는 해당 회사나 산업의 지표와 차트를 분석해서 주식을 살지 팔지 결정하곤 하는데요. 이걸 인공지능이 더 정교화하고 신속하게 처리하도록 할 수 있어요. 실제로 얼마 전 골드만삭스의 주식 트레이더 중 절반이 해고됐어요. 이 자리를 로보 어드바이저가 대체하고 있죠.” - 4부. ‘데이터 분석가는 주식도 잘하겠죠?’ 중에서 “데이터 분석가는 뭔가 특별한 소프트웨어를 쓸 것 같은데요. 엑셀도 많이 쓰이나요?” “엑셀은 본래 데이터를 정리하고 저장하는 용도의 스프레드시트이지만, 데이터 분석으로도 매우 우수한 성능을 가지고 있습니다. 데이터 분석을 직업으로 하지 않는 일반인이라면 엑셀만 가지고도 충분히 데이터 분석을 할 수 있어요. (…) 어떤 소프트웨어가 좋은지 말하기 전에, 소프트웨어의 종류는 크게 중요하지 않다는 걸 강조하고 싶어요. 중요한 것은 ‘풀어야 할 문제를 어떻게 정의하는가’와 ‘문제를 어떤 방법론을 사용하여 푸는가’입니다. 또 데이터 분석 결과를 어떻게 해석하고, 현실에 어떻게 적용할지 고민하는 것이 중요하죠. 어떤 소프트웨어를 써야 하는지는 부차적인 문제예요.” - 4부. ‘데이터 분석가는 무슨 소프트웨어를 쓰나요?’ 중에서