빅데이터의 다음 단계는 예측 분석이다

- 옮긴이의 말 . 데이터 과학이라는 새로운 분야의 등장
- 서언 . 큰 힘에는 큰 책임이 따른다
- 머리말 . 이제 비즈니스의 규칙이 새로 쓰여진다

00 예측 분석의 매혹과 위험성
대기업과 예측: 자산의 미래 | 천리안을 가진 컴퓨터를 소개합니다 | “나에게 먹이를 주세요.” 컴퓨터는 데이터를 먹고 자란다 | 나는 당신이 그럴 줄 알았다 | 예측의 잠재력과 한계 | 꿈의 구장 | 예측은 비즈니스를 최적화한다 | 폐인들의 힘: 데이터 과학자 | 학습의 예술

01 예측이 주는 소리 없는 혁명
- 데이터 과학의 성과가 비즈니스의 판을 급격히 바꾸고 있다

예측 사회의 시작 | 누구나 예측 분석의 가치를 비용으로 환산할 수 있다 | 2분 후를 미리 볼 수 있는 사람이 할 수 있는 일 | 백만 달러짜리 소리 없는 혁명 | 개인별 맞춤화의 위험 | 오늘도 내일도 의미 있는 예측이 되려면? | 누가 클릭할지 알고 나니 매출이 껑충! | 예측 모델은 어떻게 만들어지는가 | 행동에 옮기는 것이 진정한 경쟁력 | 위험한 도전! 주식시장의 블랙박스 거래 시스템의 오류를 찾아라 | 지상관제탑 나와라! 문제가 생겼다, 오버! | 작은 모델이 할 수 있는 것들 | 지상관제탑 나와라! 이륙에 성공했다, 오버! | 존 엘더, 예측 분석 서비스 회사를 차리다 | 인간의 내면에 대한 예측

02 힘이 커질수록 책임도 커진다
- 휴렛팩커드, 쇼핑몰, 경찰은 당신의 비밀을 추론해 낸다

타깃의 예측과 예측의 타깃 | 여론몰이의 도화선이 된 프레젠테이션 | 기업이 그녀의 임신을 알아냈다! 후폭풍 | 쇼핑몰의 고객 예측, 사생활 침해 논란에 휩싸이다 | 순간이동할 수 있는 사물을 가둘 수는 없다 | 법과 질서: 정책, 정치, 규제 | 데이터를 둘러싼 전투 | 데이터 마이닝은 파헤치지 않는다 | HP, 누가 퇴사할 것인지 알아내는 예측 모델을 개발하다 | 빛과 그림자, 전 직원에게 ‘이직 위험’ 점수를 매기다 | 데이터 분석적 인사관리 | 통찰력: 퇴사에 영향을 주는 요소들 | 민감한 데이터 분석 보고서 다루기 | 남보다 앞서 나간 상태에서 그만두지 마라 | 범죄를 예측하여 사전에 예방한다 | 사기범 찾아내기 | 범죄 데이터와 데이터 범죄 | 측정되지 않은 컴퓨터 리스크 | 편견의 악순환과 판도라의 상자 | 좋은 예측, 나쁜 예측 | 힘의 원천

03 데이터 효과
- 대중의 집단 정서와 경기 변동의 관계

감정에 대한 데이터와 데이터에 대한 감정 | 블로그 게시물의 분위기 예측하기 | 불안 지수 | 사람들의 집단적 정서를 시각화하기 | 사람들의 기분이 좋을 때 당신의 돈을 투자하라 | 사람들의 기분과 주가의 관계 | 데이터 쓰레기 더미에서 보물을 찾아라 | 할 수 있는 모든 것을 계측화하라 | 데이터가 몰려온다! T.M.I. | 빅데이터의 ‘속도’에 주목하라 | 데이터는 언제나 우리에게 말을 건넨다 | 예측을 위한 변수들 | 예측 분석이 발견한 이상하고 놀라운 인간 행동들 | 상관관계가 인과관계를 의미하지는 않는다 | 감정의 원인과 결과 | 한 장의 그림이 주는 힘 | 대중의 기분과 경기 변동을 최초로 예측 | 우연한 발견을 마주치는 법 | 블로그 연구를 통해 투자를 고려하는 게 문제일까? | 돈이 세상을 움직인다 | 모든 것을 한 군데로 모으기

04 학습하는 기계 - 부동산 담보대출 리스크에 대한 체이스 은행의 예측 분석

데이터 과학자, 은행을 만나다 | 은행, 리스크에 직면하다 | 예측, 리스크와 싸우다 | 사업은 곧 리스크다 | 학습하는 기계 | 학습하는 기계 만들기 | 실패한 경험으로부터 학습하기 | 기계 학습은 어떻게 이루어지는가 | 의사결정 나무는 어떻게 만들어지는가 | 컴퓨터여, 너 자신을 프로그램하라 | 데이터를 통해 배우고 또 배운다 | 더 큰 것이 더 좋은 것이다 | 과잉학습: 너무나 많은 가정 | 귀납법의 수수께끼 | 기계 학습의 예술과 과학 | 기계가 제대로 학습되었는지 검증하려면 | 예술작품을 조각하듯 섬세하게 조정하라 | 의사결정 나무를 체이스 은행 업무에 적용하기 | 나무에서 돈이 자란다 | 예측 분석은 왜 글로벌 금융위기를 막지 못했나 | 더 우수한 성능을 위하여

05 앙상블 효과
- 넷플릭스, 크라우스소싱, 그리고 협력으로 예측 분석력 향상시키기

아마추어들, 데이터 분석 과학자 되다 | 데이터 분석도 통계학도 몰랐던 다크호스 | 마인드소싱: 다양성 속에 존재하는 성공 | 크라우드소싱이 날개를 달다 | 경쟁자와 공유하고 협력하면 이긴다 | 적과 연합하여 경쟁하라 | 메타 학습 | 이길 수 없다면 하나가 되어라 | 기계도 ‘집단 지성’을 발휘한다 | 예측 모델들의 대중적 지혜 | 예측 모델들을 담은 자루 | 실전에 투입된 앙상블 모델 | 일반화의 역설: 더 많다고 좋은 것은 아니다 | 예측의 힘, 한계는 없다

06 인간을 이긴 기계 학습
-컴퓨터 왓슨, <제퍼디!>에서 어떻게 이겼나

텍스트 분석 | 기계에게 인간의 말은 너무 어렵다 | 질문을 이해했다면 이제 답변하라 | 지식의 원천은 이미 존재한다 | 애플의 시리 대 IBM의 왓슨 | 인공지능은 과연 가능할까? | 답변의 ‘정확성’을 예측한다 | 사람처럼 걷고, 사람처럼 말하다 | 왓슨의 학습을 위한 준비 방법 | 테크놀로지의 융합, 마술을 낳다 | 예측을 통한 공부시간의 최적화 | 왓슨의 데이터 수집법 | 왓슨이 답을 찾아가는 과정은? | 답안을 찾아내는 루틴들 | 앙상블 모델로 증거에 가중치 주기 | 앙상블의 앙상블을 구성하라 | 기계 학습이 자연어 처리의 잠재적 가능성을 실현하다 | 왓슨의 자기확신에 대한 평가 방법 | 생각의 속도를 높이기 위한 방법들 | 더블 제퍼디! 왓슨이 이길 것인가? | <제퍼디!> 운명의 날은 다가왔다 | 승리를 위하여 | 대결 이후: 존경, 환호, 그리고 두려움 | Iambic IBM AI | 미래 예측을 뛰어넘어 대안 예측하기

07 숫자를 통한 설득
- 이동통신회사, 은행, 대통령선거에서 어떻게 ‘예측’을 활용하는가

이동통신회사, 누가 갈아탈 것인가 | 잠자는 사자의 코털을 건드리지 마라 | 예측해야 할 새로운 대상 | 생각의 변화를 눈으로는 볼 수 없다 | 영화에서나 가능한 일: 한 번에 여러 가지 마케팅 실험하기 | 상대를 설득하는 선택의 기술 | 당신도 사용자에게 미치는 영향을 테스트할 수 있다 | 어찌되었든 물건을 구입했을 사람을 찾아라 | 향상 모델링을 통한 영향력 예측 | 영향력을 통한 은행의 금융상품 판매 | 접촉을 해야만 물건을 사는 고객을 찾아라 | 반응 향상 모델링 | 향상 모델링의 작동 원리 | 향상 모델링은 어떻게 작동하는가 | 설득 효과 | 산업별로 알아보는 영향력 | 이동통신 고객들의 이탈을 막아라 | 부동층을 넘어서 : 설득 모델링은 어떻게 오바마가 재집권에 성공하도록 도와주었는가

부록 1 . 다섯 가지 예측 효과
부록 2 . 예측 분석 응용 사례 21가지
찾아보기