기업 내 데이터 사이언티스트 양성과 활용에 대한 연구
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 고승곤 | - |
dc.date.accessioned | 2022-01-13T02:41:31Z | - |
dc.date.available | 2022-01-13T02:41:31Z | - |
dc.date.created | 2022-01-13 | - |
dc.date.issued | 2021-12 | - |
dc.identifier.issn | 2005-2421 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/83252 | - |
dc.description.abstract | 1990년대 소개된 데이터 사이언스(Data Science, 이하 DS)는 디지털 전환 (Digital Transformation; 이하 DX)과 함께 기업의 새로운 화두이다. 이는 IT와 DB 관련 기술의 발전과 모바일 환경에 기초한 소셜 미디어(Social Media) 등장과 같은 사회적 변화와 Big Data에 대한 체계적 분석 방법 개발에 따른 대용량 데이 터의 유용성과 활용도가 높아짐에 따라 자연스럽게 나타난 현상이라고 할 수 있다. DS의 유용성은 다양한 대용량 데이터를 활용한 의사 결정 방법의 개선 여부에 따 라 결정되며, 데이터 사이언티스트(Data Scientists; 이하 DSt)는 복잡한 구조와 상호 작용을 갖는 수많은 변수들로 구성된 데이터로부터 해석 가능한 패턴과 명확 한 규칙(들)을 도출하여 조직 내 의사 결정을 도울 수 있어야 한다. 하지만, 각 기업 의 중요 사업 영역/활동에 적합한 DSt를 외부로부터 지속적으로 고용하는 것은 물 리적으로 한계가 있으며, 데이터에 기초한 과학적 의사 결정 문화의 정착을 기대하 는 기업들에게 바람직하지 않다. 왜냐하면, 기업의 올바른 의사 결정은 사업 환경 의 이해 그리고 관련 분야에서의 경험과 지식을 전제로 가능하기 때문이다. 따라서 꼭 필요한 전문가의 외부 고용과 함께 기업의 사업 환경과 업무 영역에 대한 경험 이 풍부하고 데이터의 의미와 의사 결정의 중요성을 이해하는 내부 구성원들을 대 상으로 기업 내 DSt를 체계적으로 양성하는 것이 대안일 수 있다. 본 논문에서는 통계학의 파생 관점에서 DS 교육 과정을 설명하고 기업 내 DSt의 역량 범위를 기 준으로 훈련 과정에서 필수적으로 반영해야 할 핵심 주제들과 비중 그리고 사내 전 개 시 주의 사항을 논의한다. 또한 데이터 분석의 기본이 되는 통계적 학습과 기계 적 학습간의 실무적 차이점을 설명하고, 시각화와 모형화 관점에서의 핵심 개념과 도구를 소개한다. 또한 DS를 적용하는 기업에서 발생할 수 있는 일반적인 실행 오 류를 제시하고 이를 방지하기 위한 지침을 제시한다. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 피터드러커 소사이어티 | - |
dc.relation.isPartOf | 창조와 혁신 | - |
dc.title | 기업 내 데이터 사이언티스트 양성과 활용에 대한 연구 | - |
dc.title.alternative | A study on Training and Utilizing In-house Data Scientists | - |
dc.type | Article | - |
dc.type.rims | ART | - |
dc.description.journalClass | 2 | - |
dc.identifier.bibliographicCitation | 창조와 혁신, v.14, no.4, pp.143 - 171 | - |
dc.identifier.kciid | ART002802462 | - |
dc.description.isOpenAccess | N | - |
dc.citation.endPage | 171 | - |
dc.citation.startPage | 143 | - |
dc.citation.title | 창조와 혁신 | - |
dc.citation.volume | 14 | - |
dc.citation.number | 4 | - |
dc.contributor.affiliatedAuthor | 고승곤 | - |
dc.subject.keywordAuthor | Data Science | - |
dc.subject.keywordAuthor | Data Scientist | - |
dc.subject.keywordAuthor | Big Data | - |
dc.subject.keywordAuthor | Statistical Learning | - |
dc.subject.keywordAuthor | Machine Learning | - |
dc.subject.keywordAuthor | Visualization | - |
dc.subject.keywordAuthor | Statistical modeling | - |
dc.subject.keywordAuthor | 데이터 사이언스 | - |
dc.subject.keywordAuthor | 데이터 사이언티스트 | - |
dc.subject.keywordAuthor | 빅 데이터 | - |
dc.subject.keywordAuthor | 통계적 학습 | - |
dc.subject.keywordAuthor | 기계적 학습 | - |
dc.subject.keywordAuthor | 시각화 | - |
dc.subject.keywordAuthor | 통계적 모형화 | - |
dc.description.journalRegisteredClass | kci | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
1342, Seongnam-daero, Sujeong-gu, Seongnam-si, Gyeonggi-do, Republic of Korea(13120)031-750-5114
COPYRIGHT 2020 Gachon University All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.