오늘은 최근에 읽은 두 책 "눈 떠보니 선진국"과 "감으로만 일하던 김팀장은 어떻게 데이터 좀 아는 팀장이 되었나"를 소개해 드리고자 합니다.
소개에 앞서서 이 두 책은 모두 제가 제 돈으로 직접 구매한 책이며, 출판사로부터 책을 포함한 어떠한 경제적 대가도 받지 않았음을 밝힙니다. 제가 이번 9월부터 한빛비즈 리더스 클럽 활동을 시작하였지만, 이 두 책은 리더스 클럽 활동을 시작하기 전에 제가 직접 구매한 책입니다.
이 두 책은 연결되는 지점이 상당히 많습니다. 함께 놓고 읽으면 정말 큰 도움이 되는데요, 그 이유를 하나씩 살펴보겠습니다.
“추론과 예측”
제가 최근에 읽은 두 책을 추천합니다. 한 책은 데이터로 추론하는 사고를 갖기 위한 필수 책이며, 또 다른 책은 시대를 예측하는 사고를 갖기 위한 필수 책입니다. 아래 사진으로 확인하시죠.
"눈 떠보니 선진국" 그리고 "감으로만 일하던 김팀장은 어떻게 데이터 좀 아는 팀장이 되었나"
첫째 “감으로만 일하던 김팀장은 어떻게 데이터 좀 아는 팀장이 되었나”입니다. 김철수, 황보현우 작가가 함께 쓴 책인데요, 인문학과 IT분야를 넘나드는 실력자이자 “개발자의 글쓰기”를 쓴 김철수 작가와 데이터 분석가인 황보현우 작가가 함께 쓴 책으로, 스토리 형식으로 데이터와 경영 사례를 알기 쉽게 풀어 쓴 책입니다. 최근에 기업뿐만 아니라 교육 현장에서도 데이터를 기반으로 한 소통이 중요시되고 있는데, 이 책을 통해서 데이터 분석에 소중한 통찰을 얻었습니다. 딱딱하고 어려운 데이터 분석을 알기 쉽게 제시한 케이스 스터디 교재로도 손색이 없습니다.
두번째로는 “눈 떠보니 선진국”입니다. 이 시대의 진정한 현자 박태웅 의장의 책으로 부연 설명할 필요가 없습니다. 평소 “김어준의 다스뵈이다” 애청자로서 박태웅 의장님이 출연하실때마다 정말 시원시원하면서도 30대로서 지금 이 대한민국을 살아가는데 자부심을 느꼈습니다. 이 책을 통해서 과거와 현재를 재해석하고 미래를 예측하는 통찰력을 얻을 수 있습니다.
읽은 순서는 "감으로만 일하던 김팀장은 어떻게 데이터 좀 아는 팀장이 되었나"를 먼저 읽고, "눈 떠보니 선진국"을 그 다음에 읽었습니다만, 책 소개는 반대로 하겠습니다. 눈 떠보니 선진국을 읽으면 자연스럽게 감으로만 일하던 김팀장은 어떻게 데이터 좀 아는 팀장이 되었나를 읽어야겠다는 생각이 들기 때문입니다.
그럼 먼저 눈 떠보니 선진국부터 살펴보겠습니다.
이미 왔으나 아직 오지 않은 '선진국'
저는 먼저 눈 떠보니 선진국의 표지에 있는 영어 제목이 와닿았습니다.
Already, But not yet 대한민국은 정말 선진국이 된 것일까?
이미 왔으나 아직 오지 않은 선진국. 이 책은 대한민국의 현 문제점과 동시에 앞으로 이 힘든 상황을 뚫고 나가기 위한 해결책을 동시에 제시하고 있습니다. 눈 떠보니 선진국의 저자인 박태웅 한빛미디어 의장을 시대의 현인이라고 하는데, 정말 그렇게 부를만 하다는 생각이 들었습니다. 그만큼 전방위적으로 시대의식을 읽고, 그것을 구체화시키기 위한 아주 구체적인 방안을 제시하고 있기 때문입니다.
저는 이 책에서 다루고 있는 주요 현안 중에서 가장 핵심이 되는 3가지를 추렸고, 그것을 지금 나눠보고자 합니다.
관성이 아닌 구체적인 근거를 가지고 결정하라
구체적인 근거는 곧 데이터 기반 의사 결정이다
데이터 기반 의사 결정을 위해서는 컴퓨팅적 사고능력이 핵심이다
이렇게 3가지 주요 핵심 내용을 뽑아봤습니다. 그러면 하나씩 살펴보겠습니다.
제발 감으로 하지 말고, 구체적인 근거를 가지고 결정하라
눈 떠보니 선진국의 저자 박태웅 의장은 1,2 단원에서 대한민국의 문제를 제기합니다. 현재 대한민국은 다양한 문제점을 안고 있습니다만, 문제 현상이 나타나는 원인을 고찰하면 바로 대한민국 대부분의 의사결정이 구체적인 근거가 아닌 감으로 이뤄지고 있는 것이 많다는 것입니다.
한국의 교육이 구체적인 근거를 가지고 이뤄지기를 바란다. 관성으로 이뤄지고 있는 일들이 너무 많다.
대한민국의 교육뿐만이 아닙니다. 기업의 의사결정도 감으로, 사법부의 형집행도 감으로, 행정부의 예산 집행도 감으로 이루어지는 것이 너무 많다고 지적합니다. 대한민국 구성원 대부분의 의사결정이 감으로 이뤄지다보니 수많은 문제가 발생하고 있습니다. 예를 들어 돈많은 사람이 고액의 횡령을 저지르면 집행유예가 나온다거나, IT분야 관련한 정책을 그저 신문에서 유망하다고 말하니까 집행하는 부분(전국 수많은 지자체의 3D프린터 구입) 등 하나 하나 열거하면 끝이 없을 정도로 수많은 문제 현상들이 발생하고 있습니다.
이런 문제들이 계속 발생하는 원인이 바로 주요 일들이 구체적인 근거를 가지고 이뤄지지 않기 때문이라고 박태웅 의장은 진단하고 있습니다. 저도 이 부분에 동의하는 것이, 저조차도 하는 상당수의 많은 일들이 저의 감에 따라 진행을 하기 때문입니다.
예를 들어 재직자 전형 컨설팅을 진행할 때 대학에서 내신 합격 커트라인을 공개하지 않는 경우가 많습니다. 그런 경우 작년 대입 결과를 근거로 하되, 제 감에 전적으로 의존해서 컨설팅을 진행합니다. 예를 들어 작년에 내신 등급 5.xx가 숭실대를 떨었져다면 올해는 5.xx대의 지원자는 숭실대 대신에 하향 지원을 하게 하는 경우가 생깁니다. 또는 작년에 내신 등급 6.xx가 국민대를 썼는데 합격을 했다면 올해에도 비슷한 내신 등급대의 지원자를 동일하게 컨설팅하기도 합니다. 이것은 전적으로 저의 감에 따른 의사결정입니다. 이러한 입시결과는 어디까지 작년 결과일뿐이지, 올해와는 큰 상관은 없습니다. 올해 지원자가 작년보다 두 배 이상 늘어난다면 커트라인이 훨씬 올라갈 것이고, 오히려 지원자가 절반 이상 준다면 커트라인은 훨씬 떨어집니다. 게다가 작년에 경쟁률이 낮은 것을 보고서 올해에는 지원자 쏠림현상이 생길 수도 있습니다. 이처럼 작년 데이터는 올해와는 아무런 상관이 없을 수 있습니다. (물론 아무런 상관이 없지는 않습니다. 참조점이 되기 때문입니다.) 그러나 구체적인 상관관계나 올해 경쟁률 등을 함께 보지 않는다면 그것은 전혀 비과학적인 감일 뿐입니다.
컨설팅을 진행하는 저조차도 이럴 진데, 다른 분야에서는 얼마나 많은 일들이 이렇게 감으로만 진행될까요? 또는 관성대로 하던데로 그대로 하게 될까요?
이런 일들이 반복되면 생겨나는 현상이 바로 경로의존입니다.
물은 구덩이로 파고든다. 경로의존에 빠지면 헤어나올 수 없다.
관성에 따라, 감으로만 일하다보면 경로의존 현상이 일어납니다. 경로의존은 혁신을 방해하는 결정적인 태도입니다. 영국이 다른 나라와는 달리 운전대가 오른쪽에 있는 이유는 대표적인 경로의존 현상입니다. 사실 운전대가 오른쪽에 있는 이유를 거슬러 올라가면 자동차가 개발되기 전 마차 시대까지 올라갑니다. 마부들이 채찍을 사용하는데 왼쪽에 있으면 지나가는 행인을 다칠 수 있기 때문에 오른쪽으로 옮긴 것입니다. 대부분의 마부들은 오른손 잡이이기 때문이죠. 처음에는 선한 의도로 시작된 이 관습이, 자동차가 등장한 이후에도 바뀌지 않고 지속됩니다. 그리고 섬나라 영국을 아무 생각없이 일본은 따라 합니다.
결국 21세기에도 이 관습은 바뀌지 않았고, 영국과 일본은 내수용과 수출용 라인을 구분해야 하는 엄청난 비용 손실을 경험하고 있습니다. 경로의존의 폐해를 고스란히 경험하고 있습니다. 작가는 이렇게 경고합니다. 언제까지 감으로만 일할 것인가? 이제는 구체적인 근거를 기반으로 일해야 한다고 말입니다.
그러면 어떻게 해야 구체적인 근거를 기반으로 일할 수 있을까요?
데이터를 기반으로 의사 결정하라
저자가 말하는 구체적인 근거라 함은 바로 데이터입니다. 디지털 트랜스포메이션, AI 트랜스포메이션은 다른 말 같지만 결국은 같은 말입니다. 바로 데이터를 근거로 완전히 시스템을 바꾸는 것입니다. 이제 더이상 감으로, 관성으로 일하지 않고 데이터로 일하는 것이 바로 디지털 트랜스포메이션, AI 트랜스포메이션입니다.
이를 위해서 당장 시급하게 해야 할 일이 있습니다. 바로 기계가 읽을 수 있는 로LAW 데이터를 제공하는 것입니다. 이것을 당장 행정부에서부터 실천을 해야 한다고 강력하게 주장하고 있습니다. 기계가 읽을 수 있는 데이터는 크게 3가지입니다.
개방형 문서형식 ODF 즉 XML
PDF 대신 CSV 즉 엑셀 파일로 제공
웹페이지는 구조화된 데이터 즉 schema.org로 만들자
그런데 이 3가지 형식을 행정부에서 전혀 따르지 않고, 주로 HWP 파일 형식으로 만들고 있다고 꼬집고 있습니다. HWP형식은 대한민국만의 형식으로 기계가 읽지 못하는 비표준형식입니다. 언제까지 HWP파일 형식을 고집하면 일본처럼 갈라파고스화될 지도 모릅니다. 사실 엄밀히 말하면 행정부, 공공기관이 아니면 HWP파일 형식을 쓰지 않습니다. 일반 사기업에서는 거의 열지도 못하고, 모바일에서도 앱을 활용해서 열수는 있으나 작성이 불가능하기에 매우 불편한 형식입니다. 저도 HWP파일 형식은 어서 빨리 사라져야 한다고 생각합니다. 그렇게 대한민국 웹 발전을 가로막던 액티브엑스처럼, 대한민국의 디지털 트랜스포메이션을 가로막는 HWP파일입니다.
또한 작가는 말합니다.
오염된 데이터는 오염된 결과를 내놓는다
정말 중요한 부분을 언급하고 있습니다. 데이터는 이제 석유보다도 더 가치있는 자원이자 자본입니다. 데이터 강국이 되기 위해서 오염되지 않는 데이터를 확보하고 지속적인 강화를 시켜야 할 필요성이 있습니다. 이것이 바로 감에서 벗어나 구체적인 근거를 갖고 일하는 기반이 될 것입니다.
관공서의 웹페이지도 Schema.org 포맷을 사용하자
데이터로 컴퓨팅적 사고를 할 수 있는 능력을 키우자
끝으로 작가는 컴퓨팅적 사고능력을 키워야한다고 말합니다. 데이터만 모은다고 우리의 문제를 해결할 수는 없습니다. 컴퓨팅적 사고능력이 필수입니다. 컴퓨팅적 사고능력이란 "정답이 정해지지 않은 문제에 대한 해답을 일반화하는 과정, 정답이 정해지지 않은 문제를 해결하는 능력"입니다. 이를 위해서 다음의 과정이 필요합니다.
분해 : 자료, 과정, 문제를 작고 다룰 수 있는 부분으로 나누기
패턴 인식 : 데이터 안에 있는 패턴, 동향, 규칙들을 관찰하기
추상화 : 이 같은 패턴들을 만드는 일반 원칙 정하기
알고리듬(알고리즘) 설계 : 이 문제나 유사한 문제를 풀기 위한 단계적 방법 만들기
이 네가지 과정은 문제 분해, 자료 표현, 일반화, 모형, 알고리듬의 과정으로도 볼 수 있습니다.
이것은 AI에이아이 교육으로 연결됩니다. 즉 문제를 의식하고 되짚어 중요한 오류를 찾는 디버깅 과정과 상대의 요구를 듣고 관찰해 세밀하게 이해하는 요구사항명세 과정을 학습해야 합니다. 또한 있을 수 있는 경우를 생각해 그려보는 사용자 시나리오 단계를 학습해야 하고, 반복되는 일들에서 공통점을 찾아내는 알고리듬 학습을 해야 합니다.
이런 과정을 통해서 우리는 더이상 감으로 일하지 않고 데이터로 일할 수 있습니다. 그러면 어떻게 해야 데이터로 일할 수 있을까요?
눈 떠보니 선진국에서는 물음을 던지고, 문제제기와 필요성을 제기했습니다. 이를 실천하기 위한 구체적인 지침서가 바로 "감으로만 일하던 김팀장은 어떻게 데이터 좀 아는 팀장이 되었나"입니다.
비전문가를 위한 데이터 분석 입문서
감으로만 일하던 김팀장을 위한 데이터 분석 입문서감으로만 일하던 김팀장은 말그대로 관성으로 일했습니다. 그러나 디지털 트랜스포메이션의 일환으로 기업에서 이제 데이터를 기반으로 의사결정하기를 원했고, 이에 따라 그전에 하던 모든 방식을 버리고 데이터 분석가 황보교수와 함께 데이터로 일하는 팀장으로 거듭납니다.이것이 바로 "감으로만 일하던 김팀장은 어떻게 데이터 좀 아는 팀장이 되었나"의 내용입니다. 정말 기업의 전사적 분야에서 데이터 기반 의사결정이 어떻게 이루어지는 구체적으로 안내하고 있는 책이라, 세세하게 설명하면 내용이 끝도 없습니다.그러나 "눈 떠보니 선진국"과 연결하여 이 책에서 가장 중요한 부분은 바로 '비지도학습'입니다. 비지도학습은 지도학습에 대비되는 데이터 분석으로 최근 AI 인공지능의 데이터 분석에서 가장 핵심되는 사항입니다. 기존의 AI인공지능은 일일이 데이터에 라벨을 붙여서 데이터를 분석하게 했습니다. 미리 학습을 시켜놓고 판단하게 한 것이죠. 이것이 '지도학습'입니다. 그러나 이제는 미리 학습을 시키지 않고, AI인공지능이 스스로 데이터의 상관관계를 분석하게 합니다. 이것이 바로 '비지도학습'입니다. 이는 이 두 책, 눈 떠보니 선진국과 감으로만 일하던 김팀장은 어떻게 데이터 좀 아는 팀장이 되었나의 핵심 내용이라고 할 수 있습니다. 눈 떠보니 선진국을 읽고, 데이터 분석의 중요성을 느끼신 분이라면 꼭 바로 "감으로만 일하던 김팀장은 어떻게 데이터 좀 아는 팀장이 되었나"를 읽어보시길 추천드립니다.
댓글