Share           Pin It

데이터 마이닝의 좋은 점을 하나 꼽으라면 늘 새롭다는 거다. 새로운 도메인의 새로운 문제를 만나기도 하고, 늘 담당하던 서비스지만 새로운 출처의 데이터나 새로운 종류/포맷의 데이터를 만나기도 하고, 그도 아니면 새로운 알고리즘을 배우고 적용하기도 한다. 파라메터를 새롭게 추가하거나 내용을 변경하는 것만으로도 새로운 경험이 된다. 그래서 현재 업무가 지치거나 지루해지면 새로운 서비스를 담당하거나 새로운 데이터를 공급받거나 새로운 알고리즘을 적용하거나 등의 방법으로 매너리즘을 돌파하는 경우가 많다. 물론 이런 과정이 반복되면 새로운 문제가 전혀 새롭지도 않고 새로운 데이터도 전혀 새롭지도 않고 또 하늘 아래 새로운 알고리즘도 없는 것같은 무력감에 빠지지 않는다는 법도 없다.

어쨌든 데이터 마이닝은 늘 새로운 문제와 접근법/해결책과의 조우다. 그렇기에 새로운 문제 또는 접근법을 수용하기에 앞서 과연 내가 이를 받아들일 것인가를 판단하거나, 적용 후에 결과가 만족스러운가를 평가하는 기준이 필요하다. 밸리데이션 프로세스 validation process나 이벨류에이션 메져 evaluation measure가 필요한 것도 그런 연유에서다. 그러나 이 글에서는 그런 수치적 또는 이론적 메져에 대한 얘기는 아니다.

새로운 문제나 해결책을 맡을 것인가를 판단하거나 그 결과를 평가하는 정성적인 기준이 필요할 것같다. 사람들마다 다양한 기준점이 있겠지만, 나는 MVP (Meaning Value Practice) 이렇게 세가지가 중요하다고 생각한다.

첫번째로 Meaning, 즉 의미가 중요하다. 새로운 문제가 의미가 있는가? 새로운 접근법으로 의미있는 결과를 도출할 수 있는가?에 따라서 판단 및 평가 기준을 삼을 수 있다. 빅데이터라는 말에서처럼 쏟아져나오는 데이터가 전부 노이즈로 가득 찼다면 어떨까? 이런 가비지 데이터에서는 의미있는 결과를 얻을 수가 없다. 아니면 새롭게 복잡한 알고리즘을 배워서 적용해봤는데, 기존에 통밥으로 떼려맞추던 것과 별반 다를 것이 없다면 그 알고리즘은 이 문제에서는 쓸모가 없다. 새로운 파라메터를 추가했는데, 개선효과가 없다면 이 또한 의미없는 헛수고에 불과하다. 여러 경우에도 의미있는 변화를 줄 수 없다면 새로운 문제도 새로운 접근법도 수용하지 않는 것이 좋다. 광물의 흔적도 없는데 금이 있다고 가정하고 굴을 파고 들어갈까?

두번째로는 Value다. 즉, 문제를 해결한 후 결과물이 가치가 있어야 한다. 단지 어려운 문제를 해결했다는 자기만족이 아니라, 뽑혀진 의미있는 결과물을 통해서 개선 효과가 있고, 그래서 그 서비스를 사용하는 사람들에게 가치를 줄 수 있어야 한다. 사용성이 좋아져서 시간을 줄려줬다거나 적절한 상품을 추천해줘서 바로 구입할 수 있게 되었다거나 등과 같은 가시적인 성과, 그리고 이에 따른 새로운 가치를 만들어 낼 수가 있어야 한다. 어렵게 금인줄 알고 캐냈는데 알고 보니 황철석이면 어떤 기분일까?

마지막으로 Practice, 즉 실행에 옮겨져야 한다. 결국 실행이 의미를 가치로 변환시켜주는 과정이다. 사실 내가 학교 쪽에 불만을 가지는 이유 중에 하나가 여기에 있다. 어렵게 연구해서 좋은 알고리즘을 만들어냈는데, 실생활에 적용되지 않는 경우가 많다. 나도 논문을 여러 편 적기는 했지만, 당시에는 그냥 주어진 평가점수만 조금 개선하는 방법을 찾아내면 그걸 마치 대단한 연구인양 논문으로 적었던 것같다. 실험실에서 주어진 토이 문제에서는 좋은 효과를 발휘하지만, 실제 문제에 적용될 수 없는 수많은 연구결과들이 그렇다. 단지 논문을 적기 위해서, 단지 특허를 받기 위해서 만들어진 쓰레기 알고리즘들이 넘쳐난다. 업무에서 새로운 문제를 만났을 때, 그 결과물이 실제 서비스에 적용될 가능성이 없다면 왜 처음부터 머리를 싸매어 그 문제를 해결하려고 노력했어야 하는걸까? 진짜 금이 매장되어있는 것은 밝혀졌는데 너무 깊어서 캐내는데 비용이 더 많이 들어가는 상황이라면 채광을 할까?

의도했던 글의 뉘앙스로 글이 적히지 않았다. 조금 억지스러운 표현이 많이 있다. 데이터 마이닝 뿐만 아니라, 다른 많은 일들에서 MVP의 기준에 따라서 생각, 판단할 수 있을 것같다. 내가 지금 하고 있는 일이 의미가 있는가? 내가 하는 일을 통해서 사회에 새로운 가치를 줄 수 있는가? 지금 하고 있는 일이 제대로 실행, 적용될 수 있는가? 해결책을 위한 문제가 아니라, 실제 우리 삶을 변화시키는 경험을 해보고 싶다면 의미, 가치, 실행에 대한 물음에 긍정적 답변을 얻은 후에 해도 절대 늦지가 않다.

(2013.05.30 작성 / 2013.06.04 공개)

페이스북 페이지: https://www.facebook.com/unexperienced

댓글을 달아 주세요

Share           Pin It
데이터, 정보, 지식 그리고 지혜를 어떻게 설명할 것인가? 통상적으로 데이터를 요약정리하면 정보가 되고, 그런 정보가 다시 정제되면 지식이 되고, 그런 지식이 누적되고 재활용되면 지혜가 된다고 들한다. 데이터를 깊이 파고드는 기술을 데이터마이닝 Data Mining이라하고, 정보를 찾는 과정을 정보탐색 Information Retrieval이라하고, 지식을 찾는 과정을 지식발견 Knowledge Discovery라고 한다. 그런데 지식의 다음 단계인 지혜를 얻는 방법에 대한 표현은 아직 없는 것같다. 통상적으로 이렇게 데이터, 정보, 지식, 그리고 지혜를 이해해도 무관하다. 그러나 더 쉬운 도식을 만들어보고 싶다. 

 정보는 데이터에서 나온다고 말했다. 그러나 데이터에서 나온 모든 것이 정보가 아니다. 일명 쓰레기 정보를 정보라고 칭하기에는 무리가 있다. 데이터가 진정으로 정보가 되기 위해서는 의미가 부여되어야 한다. 그래서

정보 = 데이터 + 의미 (Information = Data + Meaning)

 라는 등식을 만들면 될 것같다. 미사여구를 사용해서 정보를 설명, 정의내릴 것이 아니라, 주변에 산재한 데이터에서 의미를 찾아내고 또는 의미를 부여하면 그것이 날 Raw 것이 아닌 정보로 가공, 정제된다. 그렇게 의미를 부여하는 과정이 데이터마이닝이다.

 지식은 또 정보에서 나온다고 말했다. 일반적으로 지식과 정보의 차이는 별로 크지가 않다. 중요한 키워드는 '일반적으로'다. 정보와 지식의 차이는 거의 없다. 그러면 어떻게 해서 하나의 정보가 누구에게는 그저 평범한 정보가 되고, 또 다른 누구에게는 소중한 지식이 되는 걸까? 그것은 그 사람이 생각하는 그 정보에 대한 가치다. 즉, 정보에 가치가 부여되면 지식이 된다는 소리다. 그래서

지식 = 정보 + 가치 (Knowledge = Information + Value)

라는 등식을 만들 수 있다. 나에게 가치가 있는 정보는 지식이 되지만, 나와 무관하거나 가치를 주지 못하면 그냥 정보 그이상도 그 이하도 아니다. 때로는 그냥 불필요한 정보일 수도 있다. 그러나 사람의 상황에 따라서 정보에 가치가 부여되기도 하기 때문에 이미 의미가 부여된 정보가 쓰레기가 될 가능성은 낮아보인다. 사람의 상황이란 통상적으로 말하는 컨텍스트 Context로 생각하면 될 것같다. 오늘은 가치가 없지만 내일은 가치가 부여될 수 있기 때문에 이런 시간이라는 컨텍스트, 여기서는 무가치하지만 저기서는 가치가 부여되는 공간이라는 컨텍스트, 그리고 나에게는 직접적으로 무관하지만 너와의 관계에서 또는 우리라는 공동체 내에서는 가치가 생기는 그런 인간이라는 컨텍스트, 그리고 그 외의 다양한 컨텍스트가 바뀜에 따라서 하나의 정보는 가치를 가지게 되고, 지식이 된다.

 마지막으로 지혜는 과정 지식의 축적으로 이뤄지는 걸까? 늘 그런 고민을 해놨다. 데이터에서 정보가 나오고, 정보에서 지식이 나온다는 것은 너무 자명해 보이는데, 지식에서 과연 지혜가 나올까?라는 의문은 아직 풀리지 않고 있다. (그래서 늘 지식의 다음 단계를 지혜라고 말하곤 한다.) 사실 지식이란 단순히 가치만 있다고 해서 지식이라고 말하긴 그렇다. 지식은 단지 앎을 뜻하지 않는 것같다. 지식에서 행함이 없다면 과연 그것이 지식일까? Actionable하지 않는 Knowledge는 과연 지식일까?라는 생각을 자주 한다. 그런데 그런 행위/실행이 반복되면 분명 지식 이상의 무엇으로 발전할 것같다. 그래서 그 '무엇'을 지혜로 부르면 되지 않을까? 그래서

지혜 = 지식 + 실행 (Wisdom = Knowledge + Execution)

으로 등식을 만들면 될 것같다. 행함이 없는 지식은 죽은 지식이라고 말한다. 그런 행함 그리고 반복을 통해서 우리 몸으로 그 지식을 체화시키면 그것이 자연스러운 습관이 되고, 나에 대한 캐릭터 Character가 된다. 그렇게 되면 그 지식이 나의 지혜가 되고, 나의 평판 Reputation이 된다. (그리고 캐릭터가 없는 평판의 무의미하다. 평판은 순간적이지만 캐릭터는 영원하다. 그런 의미에서 평판의 지식의 영역이고, 캐릭터는 지혜의 영역이다.) 음... 그리고, 실행의 누적이 경험 Experience 입니다.

 앞에서 이미 다 적었지만, 데이터, 정보, 지식, 그리고 지혜를 다시 정리해보자. 데이터에 의미가 부여되면 정보가 되고, 사람마다 특화된 가치를 제공하는 정보는 지식이 되고, 그런 지식을 실생활에서 꾸준히 활용하다보면 지혜가 된다.

정보 = 데이터 + 의미
지식 = 정보 + 가치
지혜 = 지식 + 실행
그래서 결국, 지혜 = 데이터 + 의미 + 가치 + 실행 

단순한 숫자로써의 데이터가 아니라 그 숫자 하나하나에 의미를 부여하고, 가치를 부여하고, 실행하고 그러면서 우리는 더 진화한다. 똑똑한 사람이 아닌 현명한 사람으로...

 (추가. 2012.03.01) 데이터는 더 많이 가질수록, 정보는 더 많이 알수록, 지식은 더 많이 행할수록, 그리고 지혜는 더 많이 공유할수록 만족/행복해진다. 삶에서 행복이란 더 많은 소유, 더 많은 지식, 더 많은 경험보다는 더 많은 나눔에 있는 것같다.

댓글을 달아 주세요

  1. 2012.02.08 21:29 Address Modify/Delete Reply

    비밀댓글입니다

Share           Pin It
4 / 5, 고객중심의 점진적 혁신에서 의미중심의 급진적 혁신을 준비해야 한다.

 혁신의 방법
  • 소비자들의 행동을 파악해서 (포커스그룹, 심층인터뷰, 설문조사 등) 그들의 니즈를 충족시켜주는 고객중심의 점진적 혁신
  • 새로 개발된 신기술을 제품/서비스에 적용하는 기술중심의 급진적 혁신
  • 제품/서비스의 가치와 의미를 형상화/디자인하는 의미중심의 급진적 혁신
 책에서 이탈리아의 여러 혁신 제품들을 예로들고 있다. 그렇지만, 모든 예들이 인기상품임/이었음에는 분명하지만, 한국인인 내가 책에서 소개하는 제품들에 대한 기본 지식이 없는데, 적당한 제품의 사진/삽화 등을 책에 넣지 않은 것은 조금 아쉬운 대목이다. (아쉬운대로, 검색을 통해서..ㅠㅠ) 원문에 제품사진이 미포함되었다는 것을 고려한다면, 한국에서 책을 펴내면서 적당한 제품사진과 연결되는 QR코드를 각 챕터별로 모아두면 좋을 듯.

디자이노베이션
국내도서>경제경영
저자 : 로베르토 베르간티(Roberto Verganti) / 김보영역
출판 : 한즈미디어(한스미디어) 2010.04.28
상세보기




댓글을 달아 주세요