안녕하세요. 명사 특강 강사 섭외 전문 플랫폼 호오컨설팅입니다:)

오늘 소개해드릴 포스팅은 강사추천 서울대 조성준 교수님 강의 '데이터는 와인 가격을 알고 있다' 특강 강연 영상 입니다.

쉽고 재미있는 사례들로 "빅데이터"의 가치에 대해 배울 수 있는 유익한 특강 강연 영상입니다.

 



Q. 빅데이터와 인공지능의 차이?

A. 빅데이터는 식재료라고 생각할 수 있어요.

'감자!'

AI는 그것을 요리하는 방법이죠.

'튀김!'

알파고도 '감자튀김!' 인거고요.

자율주행 차량도 '감자튀김!' 인 겁니다.

 



Q. 오늘 리뷰할 아이템은?

A. 빅데이터면서 동시에 AI입니다.

AI는 빅데이터 없이 만들 수가 없고, 빅데이터는 그 자체로서는 아무 의미가 없어요.

이 두 개는 뗄 수가 없어요.

 



링크드* 이라는 회사가 있습니다. 지금 전 세계 1억 명 이상의 이력서가 올라가 있는데요.

당연히 회사들도 거기 들어와서 자기들이 원하는 사람을 찾아서 그 사람들과 연결해 주는 겁니다.

구직과 구인을 연결해 주는 거죠. 문제는 이 회사 자체가 그렇게 돈을 많이 벌지 못한다는 겁니다.

그런데 5년 전에 미국의 마이크로소프트가 무려 29조 원에 인수를 했습니다.

자기들이 가진 현금의 무려 30% 이상을 한 회사에 투자한 거죠.

왜 그럴까요?

결국 데이터를 산 겁니다.

마이크로소프트는 이메일 메신저 등등의 그런 비즈니스 서비스 도구를 갖고 있는데요.

여기에 링크드*의 이력서 데이터가 합쳐지면서 다른 회사는 넘보지 못하는 엄청난 개인 정보와 네트워크 정보를 확보하게 됩니다.

마이크로소프트는 오피스 사무용 문서 프로그램을 구독형으로 바꿨습니다.

이걸 시작으로 향후에 AI 기반으로 지금보다 한 단계 높은 서비스를 제공하려고 합니다.

이 데이터는 모두 객관적인 것들이 빅데이터로 만들어내는 그런 어떤 새로운 지식을 '인사이트' 라고 합니다.

그 새로운 인사이트의 첫 번째 특징이 바로 '객관적'이라는 겁니다.

 



제록* 이라는 프린터 만드는 회사가 있습니다.

콜센터를 자체적으로 운영을 하고 있는데 그 콜센터 직원들이 한 달 정도의 교육 훈련을 받고요.

그다음에 이제 현장에 배치가 되는데 현업 배치되자마자 한 달 내에 퇴사하는 사람들이 상당히 많은 거죠.

한 달간 교육 훈련을 시키는 데 1인당 5천 달러가 소요된다고 합니다.

그럼 100명 나가면 50만 달러 우리 돈으로 한 6억 가까이 그냥 손실이 나는 거죠.

그래서 이제 원인을 찾기 위해서 우리가 어떡합니까?

HR에 있는 사람들 다 모으죠. 

'왜 그런 것 같아?' 그러면 사람마다 다 제각각 다른 얘기를 해요.

그게 이제 주관적인 자기의 의견이에요.

'아무개는 보니까 몸이 아파서' 그만뒀어요.

'어떤 사람은 뭐 결혼해서' 그만뒀어요.

'옆에서 해서 월급을 더 준다고' 하는 것 같아요.

그 사람이 듣지 못한 이야기 인사관리 담당자에게 얘기하지 않은 이유들은 우리가 알 방법이 없는 거예요.

 



이 회사가 접근한 방법은 '데이터만 가지고 한번 예측을 해보자' 입니다.

그 이력서에 있는 정보 말고 또 뭐가 있냐면 '성격 검사를 한번 해보자' 그래서 이제 몇 달간 데이터를 모은 거죠.

그런 다음에 이 데이터를 가지고 그만두는 사람과 그만두지 않는 사람 간의 차이가 뭔가 이거를 한번 들여다본 겁니다.

그랬더니 이제 이런 6가지 특징이 나왔다는 겁니다.

결론은 '궁금한 게 많은 사람이 그만두더라' 였습니다.

중요한 거는 이렇게 여섯 가지의 특징을 가진 사람을 이 회사가 안 뽑기 시작했습니다.

그렇게 했더니 6개월 후에 조기 퇴사율이 20%가 감소했다는 결과가 나왔습니다.

왜 20%만 감소했어요? 왜 20%만 감소할까요?

빅데이터고 막 AI인데 한 80%는 돼야 되는 거 아닌가 그 한계가 20%일 수도 있습니다.

바로 그게 데이터의 한계인데요. 우리가 지금 보고 있는 데이터는 이력서에 등장하는 데이터와 성격적인 요인

그러니까 성격적인 요인과 환경적인 요인인데 우리가 그만두는 이유는 성격과 환경 이외에도 여러 가지가 있을 수가 있죠.

이 다음 사례는 이제 그 객관화의 또 다른 사례인데 이거는 이제 농산품에 대한 객관화가 되겠습니다.

프랑스 보르도가 와인으로 유명한 지역인데요.

그중에 샤토 마고 와인너리에서 만든 똑같은 최상급 프리미어 그랑크리 와인인데요.

2006년 산은 449달러, 2009년 산은 무려 1449달러 3배 이상 차이가 나고 있습니다.

왜 이렇게 3배나 차이가 나느냐 바로 와인의 특성이죠.

소위 말해서 빈티지입니다.

이 와인을 만든 포도가 몇 년도 포도냐에 따라서 와인의 품질이 달라진다는 거죠.

이 와인이 과연 얼마나 좋을까 이거를 측정하는 사람들이 있어요.

와인 평가하는 사람들이 있습니다.

전 세계에 수십 명이 있는데요.

그중에서도 로버트 파커라는 사람은 완전히 최고의 지존입니다.

로버트 파커가 봄에 보르도 지방에 와서 이제 어느 정도 숙성이 된 와인을 마시면서 이제 하나씩 하나씩 점수를 써요.

앞으로 5년 10년 후에 어느 정도까지의 수준에 올라갈 것인가

즉 시장에서 얼마나 높은 평가를 받을까를 맛을 통해서 이렇게 예측을 하는 거죠.

아주 극단적인 주관성에 달린 거예요.

각자의 혀 끝에 느껴지는 어떤 그 감각을 통해서 점수를 줍니다.



 





이런 상황에서 '객관적인 어떤 품질을 한번 예측해보자' 라고 시도한 사람이 있습니다.

프린스턴에 아시안펠터라는 교수인데요.

프랑스 기상청에서 보르도 지방의 데이터를 삼십년치를 얻어가지고 이걸 가지고 데이터 분석을 합니다.

특정 해에 만들어진 보르도 와인의 전체적인 어떤 품질을 어떻게 측정하느냐

그거는 이제 그 해에 만들어진 포도주의 평균 가격 과 그해 포도를 만들어낸 그 날씨 데이터들 간의 관계를 찾은 거예요.

결국 와인의 퀄리티는

'겨울에 비가 많이 오고, 봄여름에 포도가 한참 자랄 때 온도가 높고 그럴수록 좋다.

그다음에 수확기 강수량이 작을수록 더 좋다.

아주 단순한 세 가지의 기준에 의해서 와인의 퀄리티가 결정된다' 는 이 식이 등장했는데

이게 바로 데이터 분석에서 튀어나온 인사이트죠.

언제쯤 되면 저 공식에 의해서 2020년 보르도 와인의 미래 품질이 개선될까요?

수확 직후에 계산할 수 있어요.

마지막 포도를 밭에서 따고 트럭에 딱 싣는 순간에 우린 계산할 수 있습니다.

지금 포도를 씻지도 않았고 불순물을 제거하지도 않았어요.

그런 상태에서 이미 이 포도로 빚은 와인의 10년 후 품질이 이미 결정이 됐다면 이보다 더 객관적일 수는 없는 거죠.

 



컴퓨터가 그 전문가의 섬세한 코 미각을 6개월 먼저 알아차릴 수 있다.

그럼 도대체 6개월 먼저 알면 뭐가 좋을까요?

어차피 y는 나오지도 않았는데 비싸게 미리 팔아요.

와인은 선물 거래를 합니다.

사실 지금 보르도에 전화해보면 '금년도 와인 어때요?'

그러면 사람들이 다 알아요.

예를 들면 '엄청 좋아요!' 이런 식으로 얘기합니다.

그런데 사람의 언어는 그 정도예요.

'작년에 93점이었는데 이번에 몇 점이에요?' 라고 물어보면 그렇게 대답을 못해요.

그런데 선물 거래하는 사람은 97인지 93인지가 중요하거든요.

그렇기 때문에 "아주 객관화시킬수록 바람직하다"라고 말씀드릴 수가 있습니다.

목소리 큰 사람이 이기는 시대는 끝났습니다.

 



스티브 잡스가 이런 말을 했습니다.

'모두가 컴퓨터 프로그래밍을 배워야 합니다. 왜냐하면 생각하는 방법을 가르쳐주니까요."

여기서 스티브 잡스가 얘기하는 생각하는 방법이라는 거는 바로 '컴퓨터가 생각하는 방법'이에요.

오늘의 한 줄 리뷰는

 

"모두가 빅데이터를 배워야 합니다. 왜냐하면 객관적으로 생각하는 방법을 가르쳐주니까요. "

입니다. 



조성준 교수님은 現 서울대학교 교수이자, 빅데이터 AI 센터장으로 재직하시며,

4차산업, 트렌드, 디지털기술, 미래, IT, 빅데이터, 미래기술, 사물인터넷, 모바일웹, 사물통신, IT트렌드, 보안, 미래사회, 비즈니스 등

다양한 분야에 대해 유익한 특강 강연을 진행하고 계십니다.

조성준 교수님뿐만 아니라, 강사추천이 궁금하시면? 호오컨설팅으로 문의주세요:)