빅데이터 리더십

책머리에 - 6

프롤로그
빅데이터와 인공지능 - 17
빅데이터와 제4차 산업혁명 - 22
빅데이터와 의사결정 - 24

제1장 리더십은 비전을 현실로 바꾸는 능력이다
리더는 무엇을 리드하는가? - 29
성공하는 리더는 어떻게 이끄는가? - 34
빅데이터 시대에 성공을 보장하는 리더십 - 37

제2장 빅데이터를 어떻게 분석할 것인가?
현명한 의사결정을 위한 조건 - 45
역사가 된 포스베리의 높이뛰기 - 49
쿠폰 상환율을 높여라 - 53
타깃은 어떻게 임신부를 발견했을까? - 56
메가트렌드 연구와 독감 예측 - 60

제3장 빅데이터와 리더십
빅데이터 리더십을 위한 전략 - 67
해러스 카지노와 빅데이터 - 70
고객의 취향을 분석하라 - 74
얼마나 빠르게 대응할 것인가? - 78

제4장 빅데이터와 디지타이징 비즈니스
데이터를 어떻게 구분할 것인가? - 87
디지타이징 비즈니스 유형 - 92
하림의 ‘501 양계농장’ - 94
윌 스미스, 나이팅게일, 심야버스의 공통점 - 97
인공지능이 고전을 번역하다 - 105

제5장 진단 분석과 이상 탐지 : 디지타이징 비즈니스 유형 1
왜 문제가 발생했는가? - 109
익스피디아의 전환율이 낮은 이유 - 110
1병동과 2병동의 산욕열 사망률이 다른 이유 - 113
벤퍼드 법칙 - 118
직원들의 성과는 왜 차이가 나는가? - 120
약한 인공지능의 시대 - 124
인공지능이 할 수 있는 것 - 128
어떤 가입자가 보험을 해지할까? - 133
캐나다 아동병원의 아르테미스 프로젝트 - 138

제6장 예측 분석과 개인화 추천 : 디지타이징 비즈니스 유형 2
비즈니스 방식을 업그레이드하는 수단이자 도구 - 143
이혼을 예측하다 - 145
개인 신용 예측 모델 - 150
날씨로 예측하는 명품 와인의 가격 - 154
캐피털원의 맞춤형 신용카드 전략 - 158
월마트의 소셜 게놈 프로젝트 - 161
베노플러스겔의 리포지셔닝 전략 - 165
링크트인의 PYMK 서비스 - 170
개인화 추천의 전성시대 - 175

제7장 빅데이터로 서비스를 혁신하다 : 디지타이징 비즈니스 유형 3·4
하코의 청소 토털 솔루션 - 181
IBM이 날씨 채널을 인수한 이유 - 183
페퍼 로봇의 수익 창출 서비스 - 186
롤스로이스의 토털 케어 서비스 - 189
사물인터넷의 궁극을 꿈꾸는 GE의 프리딕스 - 192

제8장 빅데이터 비즈니스 플랫폼 : 디지타이징 비즈니스 유형 5·6·7
빅데이터의 3가지 조건 - 201
데이터가 자산이다 - 206
데이터 분석으로 인사이트를 제공하다 - 217
공급자와 수요자를 연결하는 플랫폼 - 229

제9장 빅데이터 테마를 어떻게 선정할 것인가?
데이터를 낭비하는 기업들 - 237
디지털 혁신의 궁극적인 목표 - 240
빅데이터 프로젝트는 왜 실패하는가? - 242
무엇이 문제인가? - 245
빅데이터 테마 선정 프로세스 - 251

제10장 빅데이터 리더십 로드맵
성공하는 기업의 4가지 특징 - 257
리더는 어떻게 변화해야 하는가? - 260
데이터 분석 체계를 구축하라 - 267
디지털 혁신을 위한 교육 - 280

에필로그 - 287
주 - 290

1960년대 중반에 고무발포로 만든 매트가 만들어져 모래나 톱밥 대신에 사용되기 시작했다. 이 매트는 부드러울 뿐만 아니라 모래나 톱밥보다 높게 만들 수 있었다. 따라서 착지할 때 선수들이 받는 충격은 거의 없었다. 포스베리는 이런 환경 변화에 맞춰 과감한 기술을 시도했다. 다른 선수들은 관성에 젖어 기존 방법을 그대로 답습할 때 그는 머리로 착지하는 새로운 배면뛰기를 시도했던 것이다. 그리고 그의 시도는 높이뛰기 역사를 바꾼 성공으로 이어졌다. 포스베리의 사례가 시사하는 바는 명확하다. 이미 우리 곁에 와 있는 미래의 기술과 환경 변화를 기업이 혁신의 도구로 활용해야 한다는 것이다. 이는 소셜미디어, 모바일, 사물인터넷, 클라우드, 빅데이터 등을 자신의 사업을 혁신하는 새로운 도구로 활용하는 것이다. 「제2장 빅데이터를 어떻게 분석할 것인가?」

서울 시민들이 가장 불편해하는 것은 무엇일까? 시민들은 ‘심야에 택시를 잡기가 어렵다’는 것을 가장 불만스러워했다. 버스나 지하철 등 대중교통 수단이 없는 심야 시간대에도 여러 가지 이유로 장거리를 이동해야 하는 시민이 적지 않지만, 이 시간대의 유일한 교통수단인 택시는 손님들의 목적지에 따라 승차 거부를 하는 등 횡포가 심했다. 이런 불편을 해소하기 위해 서울시가 심야버스를 도입하자 회식이나 야근 등으로 늦게 퇴근하는 직장인들은 물론 대리기사, 수험생, 청소원 등 심야에 이동하는 사람들은 안성맞춤 서비스라며 폭발적으로 반응했다. 이제는 심야버스가 심야의 독점적 교통수단인 택시의 횡포를 따돌리며 ‘서민의 발’ 노릇을 톡톡히 하고 있다. 서울시 심야버스의 성공에는 데이터 분석을 활용한 노선 선정이 가장 큰 역할을 했다. 「제4장 빅데이터와 디지타이징 비즈니스」

이 사례와는 달리 왜 문제가 발생했는지 진단하는 분석에서 높은 수준의 계량적이고 통계적인 분석이 행해지는 경우가 대부분이다. 예를 들어 익스피디아에서 어떤 루트를 통해 웹사이트에 접속한 고객이 온라인 거래로 이어지는 확률이 높은지 조사하고 있었다. 분석 기법으로 콕스 회귀 분석(Cox Regression Analysis, 원래는 일정 기간이 지난 후에 어떤 환자는 사망하고, 어떤 환자는 생존하는지 규명하기 위해 사용하는 생존 분석 기법)을 사용했다. 어떤 마케팅 노력이 실제로 판매로 이어지는지에 대해 기존의 모형(회귀 분석 혹은 군집 분석)은 맞는 해답을 전혀 제시하지 못했다. 생존 분석 기법으로 고객들의 복잡한 유입 경로를 분석한 결과, 익스피디아는 마케팅 노력과 실제 판매와의 관계를 적절하게 파악해 마케팅 비용의 효율성을 높일 수 있었다. 「제5장 진단 분석과 이상 탐지」