본문내용 바로가기

KYOBO 교보문고

2021 재테크 랜선특강
[이북]매일 500원 북돋움캐시
  • 교보인문학석강 민은기 교수
  • 2020 손글쓰기캠페인
  • 제61회 한국출판문학상
  • 교보인문학석강 - 유튜브 강연
  • 교보아트스페이스
문과생  데이터 사이언티스트 되다
224쪽 | 규격外
ISBN-10 : 116521153X
ISBN-13 : 9791165211530
문과생 데이터 사이언티스트 되다 중고
저자 차현나 | 출판사 더퀘스트
정가
15,000원 신간
판매가
10,500원 [30%↓, 4,500원 할인]
배송비
2,600원 (판매자 직접배송)
제주도 추가배송비 : 3,000원
도서산간지역 추가배송비 : 5,000원
배송일정
지금 주문하면 7일 이내 출고 예정
2020년 6월 1일 출간
제품상태
상태 최상 외형 최상 내형 최상
이 상품 최저가
9,800원 다른가격더보기
새 상품
13,500원 [10%↓, 1,500원 할인] 새상품 바로가기
수량추가 수량빼기

중고장터에 등록된 판매상품과 제품의 상태는 개별 판매자들이 등록, 판매하는 것으로 중개시스템만을 제공하는 교보문고는 해당 상품과 내용에 대해 일체 책임을 지지 않습니다. 상단 제품상태와 하단 상품 상세를 꼭 확인하신 후 구입해주시기 바랍니다.

교보문고 결제 시스템을 이용하지 않은 직거래로 인한 피해 발생 시 교보문고는 일체 책임을 지지 않습니다.

중고장터에 등록된 판매 상품과 제품의 상태는 개별 오픈마켓 판매자들이 등록, 판매하는 것으로 중개 시스템만을 제공하는
인터넷 교보문고에서는 해당 상품과 내용에 대해 일체 책임을 지지 않습니다.

교보문고 결제시스템을 이용하지 않은 직거래로 인한 피해 발생시, 교보문고는 일체의 책임을 지지 않습니다.

중고책 추천 (판매자 다른 상품)

더보기

판매자 상품 소개

※ 해당 상품은 교보문고에서 제공하는 정보를 활용하여 안내하는 상품으로제품 상태를 반드시 확인하신 후 구입하여주시기 바랍니다.

양호한 상태로 간직 된 도서입니다

 

판매자 배송 정책

  • 토/일, 공휴일을 제외한 영업일 기준으로 배송이 진행됩니다.

더보기

구매후기 목록
NO 구매후기 구매만족도 ID 등록일
114 잘 받았습니다, 간식 감사합니다 많이 파세요~ 5점 만점에 5점 wksg*** 2021.01.21
113 좋은 책 빠른 배송 좋아요! 5점 만점에 5점 yujk1*** 2021.01.15
112 책상태도 ?끗하고 좋았습니다. 5점 만점에 5점 miss*** 2021.01.07
111 아직 책을 받지 못했는데 강제로 글을 쓰게 합니까? 5점 만점에 5점 vygot*** 2021.01.03
110 책도 깨끗하고 배송도 빨라서 너무 좋았습니다! 감사합니다! 5점 만점에 5점 noja*** 2021.01.03

이 책의 시리즈

책 소개

상품구성 목록
상품구성 목록

“코딩 배우기 전 데이터의 쓸모부터 판단하라”
기술이 발달할수록 오히려 중요해지는 것은
데이터를 분석하고 해석하는 인문학적인 능력이다 스타벅스코리아 1호 데이터 사이언티스트의
넘쳐나는 숫자 속에서 기업과 소비자가 원하는 ‘가치’를 찾아내는 방법

● 데이터를 활용해 마케팅의 성과를 높이고 싶은 사람이라면
● 데이터 분석을 통해 새로운 상품을 개발하는 기획자라면
● 코딩 실력이 걱정되지만 데이터 분석가로 전직을 꿈꾼다면
● 숫자와 텍스트 속 감춰진 신호에서 기회를 발견하고 싶다면

데이터를 비즈니스에 활용하고 싶은 이들을 위해 모든 정보와 인사이트를 담은 책

저자소개

저자 : 차현나
스타벅스커피코리아 1호 데이터 사이언티스트이자 소비자심리학 박사. 현재는 빅히트엔터테인먼트 데이터랩 랩장을 맡고 있다. 크고 작은 조직들을 거치며 KT경제경영연구소 연구원으로도 일했다. 데이터를 가지고 새로운 것을 알아내는 일이 즐거워 업으로 삼고 있다. 오프라인 매장을 가진 브랜드를 분석하는 일이 많아 전 세계를 여행하며 매장과 사람들을 관찰하는 것을 좋아한다. 대단한 이야기를 해줄 수는 없지만, 반걸음 먼저 간 사람으로서 들려줄 수 있는 이야기가 있으리라 생각하며 글을 적었다.
이화여자대학교 사회과학대학에서 학사, 석사, 박사학위를 받았고, 성균관대학교에서 학생들에게 소비자심리학과 광고심리학을 가르쳤다. 없어지지 않는 소유물은 책뿐이라고 생각하며 종이를 좋아한다. 직접 일러스트를 그리며 좋아하는 취미를 이어가고 있다.

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

에필로그 “지금 하는 일을 좋아하나요?”

│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

책 속으로

데이터에는 사람들이 주장을 객관적으로 받아들이게 하는 힘이 있다. 반드시 어려운 숫자를 보여주지 않더라도 논리적인 사고의 흐름 속에서 의문이 생기는 부분을 데이터가 채워줄 수 있다. 이런 이유로 기업에서도 데이터를 기반으로 의사결정을 하는 문화가 점차...

[책 속으로 더 보기]

데이터에는 사람들이 주장을 객관적으로 받아들이게 하는 힘이 있다. 반드시 어려운 숫자를 보여주지 않더라도 논리적인 사고의 흐름 속에서 의문이 생기는 부분을 데이터가 채워줄 수 있다. 이런 이유로 기업에서도 데이터를 기반으로 의사결정을 하는 문화가 점차 확산되고 있다. 더 많은 데이터를 가진 기업일수록 더 정확한 의사결정을 할 수 있고, 더 나은 데이터를 제시하는 사람은 더 논리적인 사람으로 인식된다. 021

빅데이터를 다루는 기술은 일반적으로 엔지니어들의 역량이 월등히 뛰어날 수밖에 없다. 통계적 지식의 경우 주로 통계나 측정, 수학 관련 전공자들의 영역이었다. 반면 현장에서의 경험치는 인문계 출신들이 좀 더 높았다. 그래서 과거에는 3가지 영역 중 1가지만을 수행하는 사람이 대부분이었지만, 이제는 1가지 영역을 중심으로 인접한 영역까지 확장된 업무가 요구된다. 035

얼마나 논리적으로, 이해하기 쉽게 숫자를 설명하는지가 중요하다. 040

문과 전공 데이터 사이언티스트라면 뒤늦게 기술을 접하고 배우는 시간도 반드시 필요하다. 하지만 내 경우 데이터 사이언티스트로서의 강점과 차별성은 소비자 심리학을 전공하면서 얻은 통찰력에서 비롯됐다. 이 책을 읽는 독자 중 지금 빅데이터를 공부하는 사람이 있다면 자신만의 전공과 관점을 소중히 여기길 바란다. 전공을 잘못 선택한 것 같다고 후회하지 않아도 된다. 언젠가 그 공부가 당신만의 장점이 될 날이 올 것이다. 048

데이터 사이언티스트의 일은 현실을 정의하는 데서부터 시작한다. 현실을 어떻게 정의하느냐에 따라 데이터와의 연결 고리도 구상할 수 있다. 049

코딩도 언어의 일종이기 때문에 영어를 배우는 것과 비슷한 과정이라고 생각하면 접근하기가 조금 쉬워진다. 063

무슨 언어를 배워야 할까? 무슨 툴을 배워야 할까? 우선 내가 몸담고 있는 조직에서 사용하는 툴을 배울 수밖에 없다. 당연하게도 지금 나 이외의 사람들이 사용하고 있는 툴을 배우는 것이 회사 입장에서는 가장 빠른 길이다. 069

때로 어느 한 분야에 두 발을 다 담그지 못한다는 느낌이 들기도 한다. 옆 사람을 보면 자신만의 분야에서 확고한 위치를 차지한 것처럼 보일 때도 있다. 하지만 이건 다 남의 떡이 커 보이는 현상일 수도 있다. 한 웅덩이에만 두 발을 다 담글 필요는 없다. 이것과 저것을 연결할 수 있는 것은 훌륭한 역량이다. 두 나라의 언어에 능통한 통역가처럼 두 분야를 연결할 수 있도록 역량을 키우면 된다. 087

좋은 데이터 사이언티스트들은 호기심이 많다. 주변의 온갖 것에 ‘왜?’라는 질문을 던질 줄 안다. 그래야 그 질문에 답하기 위해 데이터를 찾아볼 수 있고 그 데이터에서 답을 찾아내 현실을 바꿀 단초를 제공할 수 있기 때문이다. 101

대체 무엇을 하기 위해 현실과 데이터를 연결하는 걸까? ‘데이터가 우리를 위해 일하도록’ 하기 위해서다. 현실과 데이터를 연결했으니 데이터로 알아낸 것들이 다시 현실에 도움이 되게 하는 것이다. (중략) 데이터가 우리를 위해 일하도록 만든다는 건 무슨 뜻일까? 데이터에서 가치를 찾는다는 것이다. 가치는 정의하기 나름이기도 하고 사람마다 가치를 느끼는 지점도 달라서 설명하기 애매한 개념이긴 하지만 대체로 가치가 있는 일들은 다음과 같다. 기업이 데이터로 돈을 벌 수 있게 하는 일, 데이터에서 소비자의 마음을 찾는 일, 데이터가 조직의 의사결정을 돕도록 하는 일 등 데이터로 우리 삶을 나아지게 하는 일들이다. 111-112

데이터를 분석하는 일은 때로 금광에서 금을 찾는 일과 같다. 한없이 파는데도 필요 없어 보이는 흙만 나올 때도 있고, 도무지 뭐가 나올지 알 수 없는 시간을 보낼 때도 있고, 결국 금을 발견했는데 정제가 필요할 때도 있다. 그리고 마침내 순도 높은 금을 조금이라도 발견하면 큰 희열을 느끼게 된다. 그 순도 높은 금이 바로 소비자와 기업에 도움을 줄 수 있는 발견들이다. 114-115

흔히 빅데이터라고 하면 바다와 같은 정보 속에서 생각지도 못했던 진주를 발견할 것이라 생각한다. 드물게 그런 경우도 있지만 일반적으로 데이터는 목적을 가져야만 제대로 활용될 수 있다. 프로젝트의 목적이 뚜렷하지 않고 ‘뭔가 재밌는 것’, ‘뭔가 새로운 것’, ‘데이터와 분석할 사람이 있으니 성과를 낼 만한 것’을 찾는다면 몇 년이 흘러도 손에 잡히는 결과를 얻지 못할 수도 있다. 131

직원: 너 직업이 뭐야?
나: 데이터 사이언티스트.
직원: 그게 뭐 하는 건데?
나: 빅데이터를 분석하고 사람들한테도 말해줘.
직원: 그 일 하는 거 좋아해?
나: 응, 난 재밌어.
직원: 정말 좋겠다. 많은 사람들이 자기 일을 좋아하지 않잖아.
이 대화가 가끔 생각난다. 그리고 ‘아직 이 일을 재밌다고 생각해서 다행이네’ 하고 생각한다. 앞으로 상황이 달라질 수도 있고 심지어 다른 직업을 가질 수도 있지만, 무슨 일을 하든 일에서 조금이라도 즐거움을 찾으면서 살아가고 싶다. 221-222

[책 속으로 더 보기 닫기]

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...

[출판사서평 더 보기]

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.

[출판사서평 더 보기 닫기]

책 속 한 문장

회원리뷰

  • 21세기 우리는 많은 것이 달라진 시대를 살아가고 있다. 정보를 누가 얼마나 많이 알고 있느냐가 중요하고 그 사람이 살아남는 ...

    21세기 우리는 많은 것이 달라진 시대를 살아가고 있다. 정보를 누가 얼마나 많이 알고 있느냐가 중요하고 그 사람이 살아남는 시대가 아닌, 하루에도 수 없이 만들어지는 정보를 누가 어떻게 활용하고 정리하는가가 중요한 시대를 살아가고 있다. 기성세대들이 외치는 '명문대는 성공이다' 라는 공식과는 상당한 거리가 있다. 누가 서울대학교를 나오든, 연세대학교를 나오든, 고려대학교를 나오든 그건 중요하지 않다, 대학교에서 배우는 이미 만들어진, 아주 오래전에 만들어진 정보를 누가 더 잘 외워서 시험지에 써내는가를 평가하는 게 아니라 새롭게 나오는 정보와 기존에 있던 정보를 어떻게 융함시켜 더 나은 방식으로 활용할 것인가를 배워야 살아남을 수 있는 시대임에도 불구하고 대한민국은 아직도 학생들을 상품처럼 찍어내려고 하고 있다. 데이터 사이언티스트. 정말 많이 필요하지 않을까 하는 생각이 든다.

  • <문과생, 데이터 사이언티스트 되다>에 관심을 가지게 된 건 부서이동 후 줄곧 숙제 같이 찜찜하게 남아있던 구글...


    <문과생, 데이터 사이언티스트 되다>에 관심을 가지게 된 건 부서이동 후 줄곧 숙제 같이 찜찜하게 남아있던 구글 애널리틱스의 활용 때문이었다. 업무범위가 광고에서 홍보로까지 넓어지면서 GA 자격증을 따겠다던 최초의 계획은 과감하게 철회되었다. 하지만 여전히 미련이 남아서 결국 '데이터 사이언티스트'라는 직업에까지 관심이 이어졌다.


    결론부터 말하자면 내가 기대했던 것과는 다소 다른 직업이었다. "코딩 배우기 전 데이터의 쓸모부터 판단하라"는 코딩을 할 줄 몰라도 데이터 사이언티스트가 된다는 말이 아니라 '코딩 전에 설계부터 해라.'라는 말이었다. 비유하자면 집 짓기 전에 설계부터 하라는 말이랑 비슷하다.


    '데이터 사이언티스트'란 결국 비즈니스를 위한 프로그래머다. 보다 구체적으로 설명하자면 과거에는 여러 분야로 나누어졌던 업무가 결합된 융합형 인재, 융합형 직업이다. 과거에는 통계 담당자가 요구하는 데이터를 프로그래머가 추출해 전달하면, 통계 담당자는 이 데이터들을 가공해 유의미한 데이터들을 만들어냈다. 기획자들은 통계 데이터를 분석해 전략을 수립하고 마케터들은 전략에 따라 광고·홍보를 수행한다.


    '데이터 사이언티스트'는 기획자가 막연하게 떠올리는 데이터를 요구분석 과정을 통해 세밀화한 후 이에 적합한 코딩으로 추출한 데이터를 유의미하게 가공, 브리핑하여 기획자에게 인사이트를 제공해 제품 기획 및 마케팅에 데이터를 활용할 수 있게 하는 직업이다.


    '데이터 사이언티스트'가 프로그래머라고 말하는 이유는 데이터를 활용할 실무자의 요구사항을 분석하고, 시스템을 설계한 후, 설계에 따라 프로그래밍하여 시스템을 구축하는 프로그래머들과 상당히 흡사했기 때문이다. 심지어 요구분석 및 설계가 프로그래머의 영역인가 기획자의 영역인가를 따지는 혼란스러운 영역인 것까지 닮았다.


    <문과생, 데이터 사이언티스트 되다>에서 반복해서 강조하는 것은 크게 두 가지다. 첫째, 철저하고 세밀한 요구분석. 실제 문과생이 대부분인 행정 실무자들은 본인의 업무이고 앞으로 본인이 쓸 메뉴, 본인이 쓸 자료임에도 불구하고 요구분석이나 설계도를 작성하는 걸 어려워 한다. 급기야 이런 건 프로그래머가 해야지 왜 내가 하냐며 화를 내기도 한다.


    프로그래머 입장에서는 만들어 달라는 대로 만들어줬는데 시스템이 돌아가지 않는다고 화를 내고, 그런 건 말하지 않아도 알아서 해야 하는 기본 아니냐고 항의한다. 시스템의 원리를 모르고, 알고싶어 하지도 않는다. 그렇게 프로그래머와 실무자의 관계는 멀어진다. 그 과정들을 떠올리면 요구분석의 중요성을 부정할 수 없다.


    두 번째로 강조하고 있는 것은 '융합형 인재'이다. '데이터 사이언티스트'라는 직업 자체가 과거와 달리 다양한 역량을 요구하고 있기 때문이다. 실제 업무를 할 때 다양한 분야에 대한 지식을 쌓고 이들간의 연결고리를 찾아 인사이트를 얻는 것이 여러 방면으로 도움이 된다.


    하지만 모든 일이 그렇듯 인사이트의 양과 질은 개인간 격차가 크다. 심지어 체감되기로는 그 격차가 0~5, 95~100의 구간에만 사람이 존재하는 것처럼 느껴질 정도로 극단적이다. 아마 같은 경험과 지식을 쌓는다고 해도 그 격차는 크게 좁혀지지는 않을 것 같다. 그래도 아주 없는 것보다는 나으니까. 노력해보는 것은 좋을 것 같다.


    <문과생, 데이터 사이언티스트 되다>는 정말 프로그래밍에 대해서는 1도 모르는 사람들이 '데이터 사이언티스트'라는 직업과 그 직업을 위해 갖춰야 하는 역량에 대해 이해할 수 있도록 쓴 책이다. 프로그래머가 아닌, 그저 실무에서 화면설계를 좀 해본 내가 읽어도 참 쉽다는 생각이 들 정도로 편하게 쓰여진 책이다.


    만약 이 책이 이해가 되지 않는 문과생이라면, 이번 기회에 '데이터 사이언티스트'라는 직업을 안 것에 만족하고 다른 직업을 찾아보는 게 좋을 것 같다.

  • 변화된 디지...

    변화된 디지털 환경에 새로운 디지털 기술과 

    새로운 디지털 서비스, 새로운 고객가치로 무장한 기업들이 

    기존 시장을 파괴하고 새롭게 정의하고 있는 것이다.


    10년 전만 해도 세계 기업 순위에서 

    에너지 관련 기업들이 순위를 차지했었는데,

    4차 산업 혁명 시대를 맞이한 현재는 

    애플, 아마존, 구글, 마이크로소프트,페이스북, 

    알리바바, 텐센트와 같은 IT기업들이 

    대부분의 순위를 차지하고 있다.


    이런 IT기업들의 혁신적인 서비스 개발과 

    꾸준한 성장을 위해  반드시 필요한 것이 

    바로 '데이터' 이다.


    단순히 데이터를 모으기만 하는 것이 아니라

    데이터를 분석하여 인사이트를 얻는 것이 중요하다.


    데이터 사이언스는 기업에서 발생하는 

    여러 가지 문제를 데이터를 사용해 

    객관적이고 과학적으로 해결하려는 활동이다.

    그리고 이런 작업을 하는 사람들이 

     바로 '데이터 사이언티스트' 이다.

     

    data.jpg


    '문과생, 데이터 사이언티스트 되다' 

    데이터 사이언티스에 대해 자세히 설명하는 책이다.


    숫자와 현실을 연결하다 : 데이터 사이언티스트의 등장,

    기술보다 먼저 익혀야 할 것들 : 데이터 사이언티스트의 역량,


    데이터가 사람을 위해 일하게 만드는 법 : 데이터 사이언티스트 실무,

    ‘나’라는 데이터를 분석하는 워크숍 : 적성을 찾고 확신을 얻는 과정까지.


    데이터 사이언티스트와 관련된 다양한 

    주제로 나누어서 자세히 설명한다.


    데이터 사이언스는 기업에서 발생하는 

    여러 가지 문제를 데이터를 사용해 

    객관적이고 과학적으로 해결하려는 활동이다.


    데이터 사이언티스트의 등장 배경, 

    데이터 사이언티스트가 되기 위해

    기본적으로 해야할 것들이 무엇인지,


    어떤 마음가짐과 태도를 가져야 하는지 등.

    데이터 사이언티스스타 되기 위해 

    필요한 역량이 무엇인지 알 수 있었다.


    데이터에서 유의미한 가치를 찾아내고,

    인사이트를 찾아서 전달하는 데이터 사이언티스트가 

    구체적으로 하는 일과 데이터 사이언티스트만의 

    무기가 무엇인지 배울 수 있었다.


    마지막으로 '나' 라는 데이터를 분석하면서

    자기에게 맞는 적성을 제대로 찾고

    확신을 얻을 수 있는 과정에 대한 

    설명이 담겨 있기 때문에 자신에 대한 

    확신과 구체적인 계획을 세우는데 도움이 됐다.


    '문과생, 데이터 사이언티스트 되다' 에는

    데이터 사이언티스트가 되기 위한 역량과 방법, 

    하는 일에 대한 설명이 자세히 담겨 있기 때문에

    데이터 사이언티스트에 대해 궁금했거나

    데이터를 공부하고 싶은 사람들에게 도움이 될 것 같다.

     

교환/반품안내

※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

교환/반품안내
반품/교환방법

[판매자 페이지>취소/반품관리>반품요청] 접수
또는 [1:1상담>반품/교환/환불], 고객센터 (1544-1900)

※ 중고도서의 경우 재고가 한정되어 있으므로 교환이 불가할 수 있으며, 해당 상품의 경우 상품에 대한 책임은 판매자에게 있으며 교환/반품 접수 전에 반드시 판매자와 사전 협의를 하여주시기 바랍니다.

반품/교환가능 기간

변심반품의 경우 수령 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내

※ 중고도서의 경우 판매자와 사전의 협의하여주신 후 교환/반품 접수가 가능합니다.

반품/교환비용 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유

소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우(단지 확인을 위한 포장 훼손은 제외)

소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 예) 화장품, 식품, 가전제품 등

복제가 가능한 상품 등의 포장을 훼손한 경우 예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집

소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)

디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우

시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우

전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우

1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품이므로 단순 변심 및 착오로 인한 취소/교환/반품 시 해외주문 반품/취소 수수료 고객 부담 (해외주문 반품/취소 수수료는 판매정가의 20%를 적용

2) 중고도서 : 반품/교환접수없이 반송하거나 우편으로 접수되어 상품 확인이 어려운 경우

소비자 피해보상
환불지연에 따른 배상

- 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨

- 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함

판매자
1guitar
판매등급
특급셀러
판매자구분
일반
구매만족도
5점 만점에 5점
평균 출고일 안내
5일 이내
품절 통보율 안내
35%

바로가기

최근 본 상품