데이터는 예측하지 않는다

이경전 교수 (경희대학교 빅데이터 응용학과)

데이터를 세상에 있는 존재, 일어난 사건, 어떤 순간의 상태, 사람의 주관에 따라 달라지지 않도록 해석을 고정하려고 애쓴 정보라고 정의할때, 결국 데이터는 세상에 관한 것이므로 데이터 과학자는 세상에 대한 이해를 갖추어야 한다. 이 책은 데이터 사이언티스트가 갖추어야 할 인문사회적 소양의 중요성을 여러 사례와 필자의 경험을 통해 담담하게 안내하고 있다. 원숙한 전문가는 고개를 끄덕일 것이며, 이제 막 시작한 데이터 분석가들은 저자의 애정 깊은 조언에 감사해 할 것이다.

윤승원 교수 (텍사스 A&M 대학교 교육 및 인적 자원개발 학과)

데이터 과학 및 인공지능 분야에서는 언제나 긍정적인 예측이 풍부합니다. 이런 환경에서는 핵심을 명확히 이해하고 선택과 집중에 도움을 주는 안내서가 필수입니다. 이 책은 다양한 사례와 저자의 경험을 바탕으로 데이터와 인공지능의 가치 있는 활용을 위해 집중해야 할 내용과 피해야 할 실수들을 명쾌하게 전달합니다. 데이터와 인공지능을 공부하는 모든 분에게 강력히 추천합니다.

박원호 교수 (서울대학교 정치외교학)

인공지능과 빅데이터 같은 말들이 주변에 떠돌기 시작한 것은 오래되었지만, 피할 수 없는 미래의 모습으로 체감되기 시작한 지는 얼마 되지 않았다. 이제는 전문가나 전공자들의 고유한 영역이 아닌 일상을 사는 일반인들에게도 눈앞의 당면한 현실이 된 것이다. 그런 의미에서 이 책은 가까운 미래를 살아갈 우리가 지녀야 할 덕목과 자질에 대한 책이라 할 수 있다. 이 책의 가장 큰 장점은 복잡한 수식과 난해한 이론 없이도 데이터와 관련된 가장 기본적이고 근본적인 내용을 읽기 쉬운 언어로 풀어쓰고 있다는 점이다. 어려운 내용을 어려운 언어로 말하기는 쉬울지 모르지만, 어려운 내용을 쉬운 언어로 풀어쓰는 것은 전체를 조망하는 혜안과 긴 시간에 쌓인 내공을 필요로 한다. 이 책의 또 다른 장점은 읽기 쉽게 쓰였으면서도 본질적인 통찰을 제공하고 있다는 점이다. 본문에 여러 차례 걸쳐 이야기하는 것처럼 가장 중요한 것은 도구가 아니라 도구를 선택하는 능력이며, 이는 그 무엇도 넘볼 수 없는 인간의 영역이다. 이 책이 미래를 준비하는 모든 이들의 필독서가 되었으면 한다.

김준환 상무 (신한은행 디지털 혁신 단장)

한마디로 디지털 전환에 관심이 많은 CEO를 위한 "Data/AI 인사이트 모음집"이다. 기술 서적에서 보기 힘든 데이터 분석의 본질, 최신 기술을 대하는 자세, 필요한 인문학적 소양에 대해 알려준다. 데이터 사이언스 입문자와 현업 실무자는 일독을, 데이터 사이언티스트가 된 후에는 이독을, DT 리더 관점에서는 삼독까지 하시길 권하고 싶다.

-------------
좋은습관연구소의 36번째 습관은 “데이터를 읽는 습관”입니다. 작가는 데이터 읽는 습관으로 인문학적 소양 쌓기를 주장합니다. 그리고 수학자 출신답게 이를 뒷받침 하는 증명(?)으로 데이터에 관한 오해와 진실이 무엇인지 하나씩 소개합니다.

그 중 몇 가지를 소개하면 다음과 같습니다.

1. 양질의 데이터 100개가 이것저것 섞인 데이터 100만 개보다 낫다.

2. 데이터 분석은 어쨌든 모집단의 일부를 갖고서 분석하는 것으로 아무리 양질의 데이터이고, 많은 양이 있다 하더라도 결국은 진실에 가까운 추정치일 뿐이다.

3. 데이터 없이 분석결과를 얻을 수 있다면 그것이 최선이다.

4. 데이터 분석을 할 때 자주 하는 실수 중 하나가 ‘나의 데이터’ ‘남의 데이터’를 구분하지 못하는 것이다.

5. ‘당선 확률’은 당선의 미래를 예측하는 것이 아니라 미래의 오차 범위를 말하는 것이다. 그래서 “미래를 정확히 예측한다”는 말을 해서는 안 된다.

6. 데이터는 과거의 발자취일 뿐이다. 예측할 수 없다. 빅데이터를 분석한다는 것은 예측을 하기 위한 것이 아니라 패턴을 찾기 위한 것이다.

7. 분석에만 치중하다 보면 상식적인 판단이 헷갈려 엉뚱한 진단을 하는 수가 있다. 그래서 풀고자 하는 문제에 대한 통찰을 선행하는 것이 중요하다. 통찰은 결국 해당 문제 영역의 경험에서 나온다.

8. 데이터 리터러시 역량을 키운다는 것은 해결하려는 문제의 주어진 상황이나 인과관계를 논리적으로 추론할 수 있는 소양을 갖추는 것을 말한다.

9. 지금의 빅데이터가 몇 년 뒤에는 일반 데이터가 될 수도 있다. 그러니 빅데이터가 뭔가 대단한 것이라고 착각해서는 안 된다.

10. 인공지능이 표본화된 데이터를 학습한 만큼, 인공지능이 생성한 답이 반드시 진리일 수는 없다. 갈릴레오 시대의 인공지능이라면 “지구는 돈다”라고 말할 것이다.

11. 데이터 분석이 보장하는 것은 답의 진실성이 아니라, 데이터의 대표성임을 잊지 말자.

12. 문제의 본질을 읽는 것, 그래서 문제를 풀기 위해 어떤 도구를 쓸지 결정하는 능력, 그것이 곧 인문학적 능력이다.

아시다시피 데이터는 거짓말을 하지 않습니다. 거짓말을 하는 것은 데이터를 활용해 자신의 주장을 펼치는 사람입니다. 이책에서 강조하는 인문학적 소양은 바로 이러한 왜곡을 밝히고 잘못 이해하고 있는 오해를 진실과 구분짓는 데 필요한 능력입니다.

인문학적 소양이 부족하면 최신 기술을 빨리 익히는 힘은 물론이고, 기술에 앞서 풀고자 하는 문제의 본질을 보는 힘 또한 놓치게 됩니다. 이 책을 통해서 응용 수학자는 주장하는 데이터 사이언스과 인문학(고등학교 수준의 과학적 소양까지 포함한)의 중요성을 함께 고민해보았으면 합니다.

-------------
* 이런 분들에게 추천합니다.

1. 데이터 전문가로 현재 활동하고 있거나, 향후 전문가로 성장을 꿈꾸고 있는 입문자들

2. 데이터 전문가가 아닌 분 중에서는 데이터에 대한 특징을 이해해서 업무적으로 도움을 얻고자 하는 기획자, 마케터분들