빅데이터의 생활속 활용 ③

2018. 5. 24. 15:13IT know-how/서비스분석

728x90
반응형

본 내용은 삼성전자의 "세상을 잇(IT)는 이야기"를 인용하였습니다.

데이터와 인공지능이 시대적 화두로 떠올랐지만 모든 사람이 데이터 전문가가 될 순 없다. 아니, 될 필요도 없다. 그보다 데이터 관련 소양을 지닌 도메인 전문가로서 데이터 전문가와 협업하는 방식을 익히는 게 훨씬 현명하다. 이에 따라 지난 두 차례의 칼럼에선 ‘기술’이 아니라 ‘소양’과 ‘마인드’로서의 데이터 지능 개념, 그리고 데이터 전문가와 도메인 전문가가 협업하는 업무 절차를 각각 제시했다.

데이터 공부, 출발점은 일상 속 문제 데이터로 접근하기

그렇다면 데이터 소양은 어떻게 기를 수 있을까? 흔히 ‘데이터를 공부하려면 복잡한 수식이나 알고리즘 이해가 필수’라고 생각한다. 하지만 방대한 데이터 관련 기술을 전부 공부할 순 없는 일. 해당 분야 전문가가 아닌 다음에야 급변하는 기술을 따라 잡기란 사실상 불가능하다. 데이터의 본질이 문제 해결 수단이란 사실을 이해한다면 데이터 공부의 시작은 ‘주변에서 문제 찾기’이며, 실제로 문제 해결 경험을 쌓는 것만 한 공부는 없다.

.

이런 의미에서 강조하고 싶은 개념은 주변 문제를 끊임없이 데이터로 푸는 ‘데이터의 생활화’, 혹은 ‘생활 데이터’다. 데이터의 생활화가 중요한 건 그 과정에서 데이터 적용 가능 문제를 찾아 해결하는 경험을 쌓을 수 있기 때문이다. 그러다 보면 자연스레 데이터 기반 문제 해결 과정을 경험하고, 어떤 부분에서 추가 학습이 필요한지 감(感)도 잡을 수 있다. 나 역시 데이터 공부를 시작하려는 사람들에게 늘 “주변 문제를 데이터로 풀어보라”고 얘기해준다.

그렇다면 ‘데이터로 풀 수 있는 문제’란 뭘까? 내가 제시하고자 하는 접근법은 두 가지다. 자신의 삶이나 업무에 관련된 문제를 데이터로 해결해보는 방법이 하나, 분야별로 공개된 데이터나 문제를 활용하는 방법이 다른 하나다. 오늘은 그중에서도 전자, 즉 자신의 문제를 스스로 수집한 데이터로 풀어보는 방법에 대해 좀 더 자세히 알아보려 한다.

데이터 분석 결과 공유 커뮤니티 QS, 10년 만에 급성장

전통적으로 데이터를 활용, 자신에게 의미 있는 뭔가를 달성하려는 시도는 몇몇 개인이나 직업군(群)에 국한돼 이뤄져왔다. 데이터 수집과 활용 자체가 특별한 장비나 노력을 필요로 하는 작업이었기 때문이다. 하지만 정보기술이 발전하며 최근 자신의 삶에서 데이터를 수집, 활용하려는 움직임이 전 세계적으로 확산되고 있다. 그리고 이 트렌드의 중심엔 QS(Quantified Self)란 커뮤니티가 자리 잡고 있다.

QS는 자신의 일상에서 여러 가지 데이터를 수집, 분석하고 그 결과를 공유하는 개인들의 커뮤니티다. 2007년 출범한 이래 2018년 1월 현재 약 34개국에 걸쳐 100개 이상의 지역별 그룹을 거느린 단체로 성장해왔다. 2011년부턴 매년 미국과 유럽에서 국제적 규모의 컨퍼런스를 개최해오고 있기도 하다. 최근 개인 데이터 활용에 대한 관심이 얼마나 폭발적으로 성장했는지 짐작할 수 있는 지표다.

.

개인 데이터 수집·활용에 대한 관심이 늘어난 건 스마트폰처럼 ‘언제 어디서나’ 자신의 정보를 기록, 조회할 수 있는 수단이 널리 보급됐기 때문이다. 실제로 QS가 처음 활동을 시작했던 2007년은 아이폰이 출시된 해이기도 하다. 요즘 등장하는 개인 데이터 관련 솔루션 대부분이 스마트폰 애플리케이션(이하 ‘앱’)이거나 스마트폰에 연동할 수 있는 기기 형태를 띠는 점에도 주목할 만하다.

이처럼 개인 데이터 활용은 시작된 지 10년도 채 안 돼 글로벌 트렌드로 자리매김했지만 개인 데이터의 가능성은 아직 제대로 발견되지 않았단 게 업계의 중론이다. 차세대 스마트 기기로 각광 받는 스마트 워치 등 다양한 웨어러블 기기 사용자가 늘며 시간과 장소에 구애 받지 않고 손수 데이터를 수집, 활용할 수 있는 방법은 점점 늘어갈 전망이기 때문이다. 말하자면 개인 데이터 혁명의 여파가 일반 대중에게로 확산되는 시기가 다가오는 것이다.

주행 기록 측정 앱 손수 만든 마라토너 사례 참고할 만

QS에 소개된 최근 사례가 그 좋은 예일 수 있다. 프로그래머이면서 아마추어 마라토너이기도 한 토머스 블롬셋(Thomas Blomseth)은 지난해 9월 네덜란드 암스테르담에서 열린 ‘QS17 컨퍼런스’ 당시 자신의 주행 기록 측정법을 발표했다. 그는 마라톤을 연습하며 자신이 초반 페이스를 지나치게 올리기 때문에 완주에 종종 실패한단 사실을 발견한 후 ‘어떻게 하면 달리기 속도를 서서히 낮출 수 있을까?’를 고민하기 시작했다. 처음엔 단순히 종이에 구간별 주행 속도를 기록했지만 이내 불편을 깨닫고 주행 속도 관리 앱을 만들어 쓰기 시작했다.

▲토머스 블롬셋이 밝힌 구간별 주행 속도 기록법. 2015년엔 종이에 메모하는 게 고작이었지만 이듬해엔 자체적으로 앱을 개발, 활용했다

토머스 블롬셋의 사례에서 얻을 수 있는 교훈은 ‘처음부터 고급 기술에 집착할 필요가 없다’는 것이다. 만약 그가 처음부터 앱 개발을 목표로 설정했다면 지레 포기했을 수도 있다. 하지만 블롬셋은 △자신이 떠올릴 수 있는, 가장 간단한 방법에서부터 출발해 △그 방법의 타당성을 확인한 후 △보다 편리한 대안을 찾았다. 또한 스마트워치 등 시중에서 쉽게 구할 수 있는 장비를 동원, 자신의 주행 기록을 정확히 측정하려 애썼다. 그 결과, 데이터 과학자가 아니면서도 데이터를 통한 문제 해결 측면에서 상당한 경지에 오를 수 있었다.


▼지난글 읽기


반응형