데이터 분석, 인공지능(머신러닝/딥러닝)의 대중화

앞으로 직장 내의 데이터 리터러시(Data Literacy) 능력이 점점 더 강조될 것으로 보입니다.
데이터 리터러시란 무엇인가요?
리터러시(literacy)는 글을 읽고 해독하는 능력을 뜻합니다.
데이터 리터러시는 데이터를 읽고 그 데이터를 해독하는 능력 또는 그 안에 숨겨진 의미를 파악하는 데이터 해독능력을 말합니다.

데이터 분석, 인공지능(머신러닝/딥러닝)의 대중화

데이터 리터러시 능력은 이제 특정 직군(데이터 분석가, 데이터 사이언티스트)의 전유물이 아닌 어떤 직군의 직장인도 필수 업무스킬로 장착해야 하는 시대가 도래하고 있습니다. 이는 데이터 분석 환경이 점점 더 활용하기 쉬운 방향으로 발전되고 있고, 점점 더 데이터를 미래 수익을 위한 원천으로 보기 때문에 일어나는 필연적인 현상이라 볼 수 있는데요.
이제 과거와 같이 IT 부서에 데이터를 의뢰하고, 이를 보기 좋게 꾸며 달라는 요구를 하면 원시인 소리를 듣게 될 날이 멀지 않았습니다.

어찌 보면 당연한 이야기입니다.
데이터 분석에 투자하는 기업의 입장에서는 모든 구성원들이 데이터에 기반한 업무 결정을 하길 바라며 도입하는 것일 테니까요.

앞으로 직장 내에는 데이터 리터러시 등급제를 실시하여 인사고과에 반영하는 날도 멀지 않았습니다.
어쩌면 데이터 분석을 넘어 일반 현업부서에 인공지능 구현하고 이를 활용한 업무를 요구할 수도 있겠습니다.

데이터 분석, 인공지능(머신러닝, 딥러닝) 대중화 대비책

그럼 데이터 분석 대중화에 어떻게 대비해야 할까요?
데이터 리터러시를 높이기 위해 비 IT 계열 직군들은 어떤 대비를 해야 할까요?

우선 파이썬을 배우십시오. 파이썬은 데이터 분석과 인공지능에 최적화된 패키지(라이브러리)를 많이 보유하고 있고 가장 많이 쓰이는 지위를 획득했습니다.
데이터 분석을 위해 파이썬을 배운다는 것은 파이썬의 기본 문법 이외 데이터 분석을 위한 패키지 사용법을 익힌다고 볼 수 있습니다. 그리고 기본적인 데이터 분석 이론을 같이 병행해 나가야 할 것입니다.

파이썬은 배우기 쉬워 누구나 쉽게 배울 수 있습니다.
그러나 여기에 함정이 하나 있습니다.

맞습니다. 파이썬과 데이터 분석을 위한 패키지 학습은 쉽습니다.
비전공자라도 책 1~2권 정도만 보면 아주 쉽게 따라 할 수 있습니다.

그러나, 데이터 분석 이론을 배우는 것은 그리 쉽지 않습니다.
데이터 분석 이론을 배워 실무에 적용하기란 그리 쉽지 않다는 것입니다.

데이터 분석이나 인공지능을 구현하려면 수많은 통계 이론이 자연스럽게 필요합니다.
통계 이론은 미리 짐작하시겠지만, 매우 매우 골치 아프고 이해하기 어려운 분야라
여기서 많은 분들이 중도 포기합니다.

배우기 힘들어도 어찌하겠습니까?
변화에 적응하지 않으면 낙오되는 건 어찌할 수 없는 일이니 싫어도 배워야 합니다.

★ 중도 포기하지 않는 방법
1. 아주 아주 쉬운 파이썬 문법 책과 데이터 분석, 인공지능(머신러닝, 딥러닝) 책으로 시작
2. 1번에서 배운 내용을 가지고, 아니면 책에 나온 그대로를 활용하여 업무에 조금씩 활용
3. 단기적으로 배우려 하지 말고, 길게 보세요 (당장 여러분이 못한다고 해도 잘리지는 않습니다)
4. 가장 중요한 방법입니다. 책에 나온 내용을 그대로 따라 해 보면서 재미를 조금씩이라도 느껴보세요.

맺음말

지금까지 간략히 데이터 분석, 인공지능(머신러닝/딥러닝)의 대중화 시대가 오고 있다는 것을 간략히 말씀드렸고,
일반직군도 대비해야 한다는 것을 강조했습니다.
미리 대비하여 본인의 경쟁력을 키우시는 결심의 계기가 되었길 바랍니다.

끝으로 현재 기업 내의 데이터 분석 대중화를 위한 준비는 매우 활발합니다.
Goal까지 가기는 많은 난관에 있겠지만 반드시 Goal에 도착할 것이라는 것을 강조하며 마치겠습니다.