반응형
1과목. 데이터의 이해
- 데이터의 이해
- 데이터와 정보
- 데이터베이스 정의와 특징
- 데이터베이스 활용
- 데이터의 가치와 미래
- 빅데이터의 이해
- 빅데이터의 가치와 영향
- 비즈니스 모델
- 위기 요인과 통제 방안
- 미래의 빅데이터
- 가치 창조를 위한 데이터 사이언스와 전략 인사이트
- 빅데이터 분석과 전략 인사이트
- 전략 인사이트 도출을 위한 필요 역량
- 빅데이터 그리고 데이터 사이언스의 미래
1장. 데이터의 이해
1절. 데이터와 정보
- 데이터의 유형
- 정성적 데이터
- 정량적 데이터
- 지식경영의 핵심 이슈
- 암묵지 - 공통화, 내면화
- 형식지 - 표출화, 연결화
- DIKW 피라미드
- 데이터 -> 정보 -> 지식 -> 지혜
2절. 데이터베이스 정의와 특징
- 데이터베이스 정의
- EU
- 국내 저작권법
- 국내 컴퓨터용어사전
- 데이터베이스 특징
- 통합된 데이터
- 저장된 데이터
- 공용 데이터
- 변화되는 데이터
2장. 데이터의 가치와 미래
1절. 빅데이터의 이해
- 빅데이터의 정의
- 관점에 따른 정의
- McKinsey - 데이터 규모에 중점
- IDC - 분석 비용 및 기술에 초점
- 가트너그룹 - 3V (Volume, Variety, Velocity)
- 빅데이터 정의의 범주 및 효과
- 데이터 변화 -> 기술 변화 -> 인재, 조직 변화
- 데이터 변화 Volume, Variety, Velocity
- 클라우드 컴퓨팅
- 데이터 중심 조직
- 데이터 변화 -> 기술 변화 -> 인재, 조직 변화
- 관점에 따른 정의
- 출현 배경과 변화
- 산업계의 출현배경
- 학계의 출현배경
- 기술발전으로 인한 출현 배경
- 빅데이터에 거는 기대의 비유적 표현
- 빅데이터가 만들어 내는 본질적인 변화
- 사전처리 -> 사후처리
- 표본조사 -> 전수조사
- 질 -> 양
- 인과관계 -> 상관관계
2절. 빅데이터의 가치와 영향
- 빅데이터 가치 산정이 어려운 이유
- 데이터 활용방식
- 새로운 가치 창출
- 분석기술 발전
- 빅데이터의 영향
- 빅데이터가 미치는 영향 -> 생활 전반의 스마트화
- 기업 - 혁신, 경쟁력제고, 생산성향상
- 정부 - 환경 탐색, 상황분석, 미래대응
- 개인 - 목적에 따른 활용
- 빅데이터가 미치는 영향 -> 생활 전반의 스마트화
3절. 비즈니스 모델
- 빅데이터 활용 사례
- 관점에 따른 정의
- 정부
- 개인
- 빅데이터 활용 기본 테크닉
- 연관 규칙 학습
- 군집분석
- 유전 알고리즘
- 기계학습
- 회귀분석
- 감정분석
- 소셜네트워크분석 (사회관계망분석)
4절. 위기 요인과 통제방안
- 위기 요인에 따른 통제 방안
- 사생활 침해 -> 동의에서 책임으로
- 책임 원칙 훼손 -> 결과 기반 책임 원칙고수
- 데이터 오용 -> 알고리즘 접근 허용
5절. 미래의 빅데이터
- 빅데이터 활용의 3요소
- 데이터 : 모든 것의 데이터
- 기술 : 진화하는 알고리즘, 인공지능
- 인력 : 데이터 사이언티스트, 알고리즈미스트
3장. 가치 창조를 위한 데이터 사이언스와 전략 인사이트
1절. 빅데이터 분석과 전략 인사이트
- 빅데이터 회의론의 원인
- 부정적 학습효과 -> 과거의 고객관계관리(CRM)
- 부적절한 성공사례 -> 필요없는 분석사례를 과대 포장
- 일차원적인 분석 vs 전략 도출을 위한 가치 기반 분석
- 산업별 분석 애플리케이션
- 금융 서비스
- 병원
- 에너지
- 정부
- 전략 도출 가치 기반 분석
- 통찰력 창출에 포커스
- 활용 범위를 더 넓고 전략적으로 변화 -> 가치 기반 분석으로
- 산업별 분석 애플리케이션
2절. 전략 인사이트 도출을 위한 필요 역량
- 데이터 사이언스의 의미
- 데이터 전문 지식 종합
- 데이터 사이언스의 구성요소
- 데이터 사이언스의 영역
- 데이터 사이언티스트의 요구 역량
- 데이터 사이언스:과학과 인문의 교차로
- 분석 기술보다 중요한 소프트 스킬로 전략적 통찰분석이 필요함
- 전략적 통찰력과 인문학의 부활
- 컨버젼스 -> 디버전스
- 생산 -> 서비스
- 생산 -> 시장창조
3절. 빅데이터 그리고 데이터 사이언스의 미래
- 빅데이터의 시대
- 빅데이터 회의론을 넘어 가치 패러다임의 변화
- 과거 : 아날로그 세상의 효과적 디지털화
- 현재 :디지털화된 정보와 대상의 연결화
- 미래 : 복잡한 연결을 효과적으로 관리
- 데이터 사이언스의 한계와 인문학
- 데이터 사이언스의 한계
- 분석과정에서 인간의 해석이 개입
- 분석결과에 대한 해석과 결론의 다양성
- 모든 분석은 가정에 근거함
- 데이터 사이언스의 인문학
- 데이터에 묻혀 있는 잠재력을 풀어내는 인문학
- 데이터 사이언스의 한계
반응형
'Data Science > ADsP' 카테고리의 다른 글
3과목. 데이터 분석 개념원리 (0) | 2024.02.21 |
---|---|
3과목. 데이터 분석 (1) | 2024.01.30 |
2과목. 데이터 분석 기획 (0) | 2024.01.28 |
Chapter 01. 데이터의 이해 (1) | 2023.10.07 |
ADsP 과목과 합격 기준 (0) | 2023.10.07 |