데이터 리터러시를 위한 핵심 역량 by김도훈(아르스 프락시아 대표이사)

데이터 리터러시를 위한 핵심 역량 by김도훈(아르스 프락시아 대표이사)

 

공감이 가는 부분이 있어서 발췌

- 데이터 부문에 종사하는 관계자들은 종종 방법론을 '방법'(Method), 심지어 '테크닉'과 혼동하곤 한다.

- 방법의 기반이 되는 모델링, 그 모델링의 가정과 철학적 방향성을 내재한 방법론에 대해 제대로 이해하고 유연하게 적용하기 위해서는 데이터의 프레임을 구축하는 이론적 이해가 보다 탄탄해야 한다.

- 데이터 인력 양성 및 교육 과정은 이런 지식의 근간을 간과한 채 주로 R이나 Python 같은 전산 패키지 툴의 활용법 학습에만 치중하고 있다. 때문에 이미 알려져 있는 문제를 해결하기 위해 누군가가 만들어 놓은 라이브러리를 활용하기에는 용이하나, 새로운 관점에서 문제를 바라보고 해결하는 역량은 배양하지 못하고 있다.

 

너도나도 파이썬, 재미로 크롤링 해보고 업무에 적용하는 것은 괜찮지만,

비즈니스 파트에서 파이썬으로 머신러닝, 딥러닝 알고리즘을 공부하는 것이

투자대비 효용성이 큰가는 깊은 고민을 하지 않아도될 것 같다.

 

일반적으로 기술력이 부족해서 신사업을 못하진 않는다.

도메인 지식 기반 새로운 아이디어를 도출하지 못해서 신사업을 못하는 것이 아닐까...

 

전체 원문은 아래 자료 참고 : [DATA_INSIGHT_Vol2]_이머징테크2019(인쇄용)

https://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=69603&bcIdx=20535&parentSeq=20535

[NIA 한국정보화진흥원][DATA INSIGHT Vol.2] 이머징테크2019-빅데이터로 본 2019년 이머징 이슈