도서 소개

데이터 과학을 비즈니스와 접목해 성과를 얻기 시작한 데에는 중요한 것이 있다. 바로 데이터 과학자만으로는 아무것도 할 수 없다는 것이다. 이는 현재도 과거도 다르지 않습니다. 특별한 인재가 아니라 데이터 과학을 이해하고 데이터 과학자와 협력할 수 있는 일반적인 직장인이 필요하다.

프로그래밍이나 학문적으로 접근한 것이 아니라 일상에 녹아있는 교양처럼 습득하고 익혀야 한다. 데이터 과학을 이해하고 전문가들과 소통하며 자신의 업무와 연결해 비즈니스적 성과를 낼 수 있도록 말이다. 데이터를 활용하는 일은 지금보다 앞으로가 더 중요해질 것이다. 보통의 우리가 데이터 과학을 어떻게 시작할 수 있는지 비즈니스에 어떻게 접목할 수 있는지 방향을 제시한다.

  출판사 리뷰

"데이터 과학자만으로는 아무것도 할 수 없다."
직장인을 위한 교양 데이터 과학!

AI(인공지능)와 IoT(사물 인터넷), 빅데이터가 이끄는 현재의 혁명을 “4차 산업혁명”이라고 부릅니다. 이미 이러한 혁명이 3번 일어났다는 뜻이며, 혁신적인 변화가 나타났다는 것은 알겠으나 구체적으로 어떤 혁명이 지금 일어나고 있는지 아리송합니다. 왜냐하면 혁명 과정에 있는 우리가 만들어가는 혁명이기 때문입니다.
익숙하지 않을 수 있지만, 사실 데이터 과학과 관련된 일들은 적어도 20년 전 정도부터 있었습니다. 그리고 이러한 데이터 과학을 비즈니스와 접목해 성과를 얻기 시작한 데에는 중요한 것이 있습니다. 바로 데이터 과학자만으로는 아무것도 할 수 없다는 것입니다. 이는 현재도 과거도 다르지 않습니다. 특별한 인재가 아니라 데이터 과학을 이해하고 데이터 과학자와 협력할 수 있는 일반적인 직장인이 필요합니다.
프로그래밍이나 학문적으로 접근한 것이 아니라 일상에 녹아있는 교양처럼 습득하고 익혀야 합니다. 데이터 과학을 이해하고 전문가들과 소통하며 자신의 업무와 연결해 비즈니스적 성과를 낼 수 있도록 말입니다. 데이터를 활용하는 일은 지금보다 앞으로가 더 중요해질 것입니다. 보통의 우리가 데이터 과학을 어떻게 시작할 수 있는지 비즈니스에 어떻게 접목할 수 있는지 방향을 제시합니다.

  작가 소개

지은이 : 타카하시 이치로
(주) Salesanalytics 대표이사 데이터분석활용 컨설턴트/중소기업진단사내각부(구총리부) 및 기업 컨설팅, softbank technology 주식회사 전략 파트너 본부 시니어컨설턴트 등을 거쳐, 현재 일관되게 데이터 분석 업무에 종사하고 있다. 비즈니스 데이터를 활용한 사업 전략, 영업 전략, 마케팅 전략, 마케팅 ROI(투자자본수익률), LTV(고객생애가치), 통계 모델과 머신러닝 등의 수리모델 구축 컨설팅을 조직 내외에서 진행하고 있다. 데이터 과학과 관련된 서비스에 거부감을 갖는 사람과 기업을 위해서 '비즈니스에 공헌하는 데이터 분석'을 배우고 실무에서 활용할 수 있게 해주는 주식회사 Salesanalytics를 설립했다. 대기업뿐만 아니라 중소 기업, 벤처 기업, 1인 기업에서 비즈니스 분석과 활용, 컨설팅, 데이터 분석자 육성을 지원하고, 이러한 배움의 장소를 제공하고 있다. 저서로는 "雌迎で統につなげる完全自動のデタ分析(빠른 속도로 수익으로 연결시키는 완전 자동 데이터 분석)＂（크로스미디어퍼블리싱）, "영업 생산성을 높이는 ‘데이터 분석’ 기술(業|旅州を高める! 「デタ分 析」の技術)"(동문관출판) 등이 있다.주식회사 Salesanalytics https://www.salesanalytics.co.jp/

  목차

머리말
1장 데이터를 지배하는 자가 비즈니스를 지배한다.
_1-1 데이터가 열쇠를 쥐는 시대의 도래
_1-2 데이터와 비즈니스를 연결하는 다리, "데이터 과학"
_1-3 주목받고 있는 "데이터 과학자"라는 직업
_1-4 데이터 엔지니어와 데이터 과학자
_1-5 데이터 과학을 위해 필요한 인재

2장 데이터 과학이라는 무기
_2-1 데이터 과학의 효과와 효능
_2-2 데이터 과학 구상화하기
_2-3 데이터 과학 구동 프로세스(PDCAOODACRISP-DM)
_2-4 통계 해석, 머신러닝, AI
_2-5 통계 해석, 머신러닝 모델 선택 방법(치트 시트)

3장 데이터 과학을 시작하는 방법과 간단한 사례
_3-1 데이터 과학은 작게 시작해서 크게 만들자
_3-2 작게 시작한 데이터 과학의 작은 사례
_3-3 여러 번 "성과의 크기" 측정하기

4장 데이터 과학이 만드는 미래
_4-1 데이터 이코노미 시대에 필요한 데이터 과학
_4-2 삐뚤어진 AI
_4-3 "읽고, 쓰고, 생각하기"에서 "수학, 데이터 과학, AI"로
_4-4 기존 현장의 사람의 일자리를 빼앗는 데이터 과학
_4-5 데이터 문해력을 이해하는 비즈니스맨

  회원리뷰