CEO를 위한 빅데이터

Chapter One
워밍업
:: 왜 CEO를 위한 빅 데이터?
:: 위험한 CEO, 극과 극의 두 가지 유형
:: 빅데이터에 대한 CEO들의 생각
:: CEO 빅 데이터 핵심 메시지
:: 평범한 다른 CEO들이 던지는 질문?
:: 빅데이터 실무자들 인식의 현주소
:: 6대 핵심용어

Chapter Two
배경
:: 디지털 생활이 일상이 되다
:: 빅 데이터, 어느 나라가 관심을 가지고 있는가
:: 도대체 ‘빅 데이터’란 무엇인가?
:: 빅데이터는?

Chapter Three
필수 기억사항
:: 과거가 아닌 미래의 숫자를 보다
:: 정확한 예측을 원하는가?
:: 데이터 사이언티스트, 왜 필요한가
:: 내부에 쓸만한 데이터가 없다. 어떻게 할 것인가
:: 공공데이터 개방이 필요한 이유
:: 소셜빅데이터가 만병통치약일까
:: 소셜빅데이터는 무제한 공짜일까
:: 도구와 업체도 알아둘 필요가 있다
:: 공급업체에 대해서도 알아두면 유용
:: 오픈소스 그냥 공짜는 아니다

Chapter Four
국내현실
:: 빅데이터의 정의? 합의가 없다
:: 중소기업이니 빅데이터 활용이 불가능?
:: 공급자도 수요자도 경험과 이해가 부족
:: 전문인력 부족이 문제의 핵심
:: 다양한 시범사업. 이제 시작이다
:: 심평원 사례 - 오랫동안 다양한 데이터 분석 경험

Chapter Five
국내외 사례
:: SCDF, 응급환자 발생 예측으로 구급차 출동시간 단축
:: 21세기 대약진 운동, 중국 빅 데이터
:: 전 세계 빅데이터의 심장이자 엔진 - 인도
:: 새로운 기준을 위한 다른 데이터를 수집, 분석한다 - 오클랜드
:: 관련 데이터를 모두 다 수집한다 - 독일 축구
:: 도쿄 택시협회의 배차 앱
:: 건강상태를 자세하게 파악하여, 보험료를 바꾸는 AXA 생명
:: 부족한 데이터를 다른 회사와 제휴하여 수집 - 소니은행
:: 일본 덴소의 외부 데이터를 연계한 지능형 HEMS
:: 빅데이터 분석으로 고객의 쇼핑 경험을 변화시키는 메이시
:: WOWOW 과거에 모아 두었지만 사용 안 했던 데이터를 사용
:: 아마존의 빅데이터 활용 - 개인화와 예측
:: 링크드인, 세계 경제 지도를 바꾼다
:: GE의 산업 인터넷 IoT
:: 히다치 조선 불꽃 사진 데이터 이용
:: 월마트는 빅데이터를 회사의 DNA로!
:: 일본의 콜센터 TMJ 통화 최적화
:: 일본의 하꾸이시 위성 사진 이용
:: ㈜오타니의 공간데이터 활용 부동산 가격 예측
:: 미국의 자동차 보험회사 프로그레시브
:: 쓰레기 처리 및 재활용 회사 미국의 루비콘
:: 애플 - IBM 동맹 기업용 모바일 앱
:: 알리바바 - 새로운 공룡
:: 맛집 추천, 못 믿겠다 파워플로거 - 다이닝 코드
:: 다이닝코드
:: 영화 뭐 볼까? - 왓챠가 알려줄게!
:: 전국 지역 축제, 예측으로 사업 기회 확대를
:: 서울심야버스, 이미 성공한 것일까?
:: 성남시, 빅 데이터 활용 - 선진 도서 행정 서비스
:: 개방된 공공 데이터는 무제한의 가능성을 담고 있다
:: 의회의 법안도 분석하고 예측한다

Chapter Six
인력분석
:: 인력분석의 필요성
:: 축적된 데이터를 활용한 인력 분석
:: 내부의 직원에 대한 분석과 예측 사례 - 제록스, 로열 더치 셀
:: 인력분석의 효율성 제고 사례 - RBH, 보잉
:: 인력관리의 예측 모델
:: HR 예측분석 적용 - ADP의 수급 Gap 분석 사례
:: 빅 데이터를 활용한 인력분석 - 새로운 데이터로 미래를

Chapter Seven
결론
:: 요점정리
:: 빅 데이터에 대한 CEO의 오해와 진실

Chapter Eight
부록
:: 더 알고 있으면 좋은 것들
:: 부록1 : CEO용 빅데이터 용어 컬렉션
:: 부록2 :어떤 책들을 더 읽으면 좋을까
:: 부록3 : 어떤 인물들을 기억하면 도움이 될까

빅데이터의 가장 큰 효과는 예측에서 온다.
미래를 알면 많은 일을 할 수 있다
시간여행은 오랫동안 소설과 영화가 다루어온 소재이다. 미래로 가서 어떤 일이 벌어질지를 보고 올 수 있다면, 미래에 벌어질 일을 바꾸어서 원하는 모습으로 미래를 만들어 낼 수 있을 것이기 때문이다. 우리는 늘 미래를 궁금해 한다. 아들이 대학에 합격할 것인지, 내일 비가 올 것인지, 내년에는 사업이 잘될 것인지, 다음 선거에서는 누가 당선될 것인지 등.
이미 우리 생활에서는 예측이 일상이 되어 있다. 가장 대표적인 것이 일기예보이다.
비가 올지 눈이올지, 얼마나 추울지 더울지를 미리 알고 그에 맞추어 생활하고 있다. 물론, 가끔씩 크게 틀리기도 해서 못믿을 것이 일기예보라는 푸념을 하기도 하지만, 일기예보를 믿고 아침에 우산을 챙기는 자신을 보면 분명 일기예보는 충분히 신뢰하고 있다는 점을 인정해야한다.
족집게 박수무당은 신기를 빌어 미래를 이야기 한다. 도박사는 그 어떤 신기한 기운으로 패를 읽는다. 어떤 근거든 간에 이 또한 예측이다. 그러한 예측을 데이터를 사용해서 하는 것이 빅데이터에서 이야기하는 예측이다. 예측은 빅데이터가 그 가치를 발휘하는 가장 핵심이 되는 영역이다. 사람과 조직과 기계와 환경의 변화를 미리 알 수 있다면, 우리가 할 수 있는 것은 너무나 많다. 고장날 신호등을 미리 안다면 미리 고쳐두면 고장을 막을 수 있다. 겨울에 빙판이 될 교차로를 안다면 미리 제빙조치를 할 수 있다. 어떤 직원이 갑자기 퇴사할지 안다면 미리 대체인력을 키울 수 있다. 어떤 거래처가 도산할지
안다면 그 거래처와의 계약을 재검토할 것이다. 공공이든 민간이든 정확한 예측은 경쟁력이 될 수밖에 없다. 이 때문에 이미 많은 조직들이 다양한 분야에 이 데이터를 활용한 예측을 적극적으로 시도하고 있다.
다만, 데이터만 많이 모았다고, 단순히 건수만 센다고 저절로 예측이 되는 것은 아니다. 오늘 길에서 등산복이 많이 보인다고 내일도 그럴까? 내일이 월요일이라면 결코 그럴 리 없다. 오히려 반대일 것이다. 예측에는 다양한 데이터 항목이 사용되어야하고 정밀한분석과 해석이 따라야 한다. 그것이 기술이고 경쟁력이다.