Data Literacy
“ 데이터 리터러시 역량은 앞으로 10년간 가장 중요한 비즈니스 능력이 될 것이다.”
구글의 수석 이코노미스트인 할 베리안(Hal Varian)은 “데이터 리터러시(Data Literacy)는 누가 어떤 비즈니스에 종사하든 관계없이
향후 10년간 가장 중요해질 비즈니스 능력이다.” 라고 데이터리터러시의 중요성에 대해 이야기 했다.
특히 불확실한 미래에서 생존할 수 있는 강력한 무기인 ‘데이터 리터러시’가 데이터를 활용하는 특정 부서뿐만 아니라 모든 조직원에게 필수역량임을 강조했다.
구글의 수석 이코노미스트인 할 베리안(Hal Varian)
글을 읽고, 읽은 내용을 이해하는 능력이 리터러시(문해력)라면, 데이터를 읽고 그 안에 숨겨진 의미를 파악하는 데이터 해독 능력과
이를 전달하는 능력을 데이터리터러시(Data Literacy) 라고 한다.
데이터를 보고 읽는 구체적인 방법, 즉 데이터 리터러시 하위 역량에는 데이터를 수집하고 가공 및 분석하는 것뿐만 아니라 데이터 기획, 시각화 역량이 포함된다.
데이터 리터러시가 부족한 조직은 디지털 혁신이 늦어지고 디지털 중심 비즈니스 환경에서의 경쟁력이 점점 더 약해진다.
반면, 데이터 리터러시를 보유한 조직은 상당한 이익을 얻을 수 있다. Gartner의 연구에 따르면, 기업 데이터 리터러시 점수가 높은 기업은 그렇지 않은 기업에 비해
기업 가치가 3억 2,000만~5억 3,400만 달러 더 높게 평가된다고 한다.
필자의 경험상 많은 공공조직, 지자체와 많은 과제를 수행하고 또 자문하고 있는데 빅데이터 시대로서 수많은 데이터가 생성되고 있다.
정부 및 공공기관 담당자의 경험과 전문성도 중요하지만, 앞으로는 데이터를 기반으로 정책을 수립하고, 의사결정을 할 수 있는 능력을 기르는 것이 중요하다.
특히 담당자가 데이터를 분석하여 유용한 정보를 추출하고 의사결정에 활용하기 위해서는 데이터 시각화와 데이터 리터러시가 필요하다.
Definition
데이터 리터러시(Data Literacy) 정의
데이터 리터러시란 다양한 방식으로 데이터를 읽고, 이해하고, 사용하는 능력이다.
여기에는 올바른 결정을 내리기 위해 올바른 질문을 하고, 업무 지식을 쌓고, 의미와 맥락을 다른 사람들에게 전달하는 것이 포함된다.
데이터 리터러시는 데이터 과학자가 되거나 프로그래밍 언어를 배우기 위한 과정이 아니다.
데이터의 다양한 유형과 소스를 이해하고 분석 대상, 장소, 방법을 파악하며 데이터가 정확하고, 신뢰할 수 있으며 유용한지 확인하기 위한 것이다.
데이터리터러시(Data Literacy)정의 [출처: Wikipedia]
데이터 활용 역량이라고 하면 가장 먼저 언급되는 개념은 데이터 리터러시(Data Literacy)이다.
데이터를 보고 읽는 구체적인 방법, 즉 데이터 리터러시 하위 역량에는 데이터를 수집하고 가공 및 분석하는 것뿐만 아니라 데이터 기획, 시각화 역량이 포함된다.
데이터리터러시(Data Literacy) 하위 역량
Data Literacy
데이터 시각화(Data Literacy) 정의
데이터 시각화는 데이터와 정보를 시각적으로 표현하는 과정을 말한다.
데이터 시각화를 통해 복잡한 데이터를 쉽게 이해할 수 있으며, 시각적으로 표현된 데이터는 새로운 인사이트를 제공하고 의사 결정에 도움을 준다.
데이터 시각화는 다양한 형태로 이루어질 수 있으며, 막대 그래프, 선 그래프, 원 그래프, 히트맵, 스캐터 플롯 등 다양한 차트나 그래픽으로 표현될 수 있다.
데이터 시각화는 데이터 분석 및 인사이트 발굴에 핵심적인 역할을 하며, 데이터 시각화 기술의 발전은 정보화 시대에 필수적인 기술이다.
데이터 시각화를 활용하여 비즈니스 인텔리전스, 데이터 분석, 인사이트 발굴 등 다양한 작업을 수행하는데, 이러한 이유로, 데이터 시각화는 현대 사회에서 매우 중요한 역할을 한다.
앞으로도 데이터시각화는 계속해서 발전할 것으로 기대된다.
빅데이터, 인공지능 등 기술의 발전과 함께 더욱 정교한 데이터 시각화 기술이 등장할 것이며, 이를 통해 더욱 정확하고 유익한 정보를 얻을 수 있게 될 것이다.
이러한 역량들은 데이터 시각화를 위해 필요한 주요 요소이다.
이를 보유한 사람들은 데이터 시각화를 효과적으로 활용하여 데이터에 내재된 인사이트를 발견하고, 의사결정에 활용할 수 있다.
Difference
데이터시각화와 데이터리터러시(Data Literacy) 차이점
데이터 리터러시 하위 역량에는 데이터를 수집하고 가공 및 분석하는 것뿐만 아니라 데이터 기획, 시각화 역량이 포함된다.
그중에서도 데이터 시각화는 누구나 데이터를 활용할 수 있는 가장 쉽고 빠른 방법이다.
복잡한 데이터 분석 기술이 없는 사람도 쉽게 시각화 차트를 만들 수 있어, 데이터 활용을 하는 데 있어서의 진입 장벽이 낮다.
또 특별한 분석 역량이 없어도 시각화 차트 내 요소의 시각적 패턴을 근거로 데이터 의미를 해석하기 때문에, 누구나 쉽게 데이터 인사이트를 발견하고 스토리텔링 할 수 있다.
데이터 시각화와 데이터 리터러시는 빅데이터 시대에서 더욱 중요한 역할을 하고 있다.
최신 트렌드를 반영한 인터랙티브 데이터 시각화, 데이터 시각화와 머신러닝의 결합, 그리고 스토리텔링 데이터 시각화 등 다양한 방법을 활용하여 더욱 정확하고 유용한 정보를 추출할 수 있다.
이를 통해 사용자는 데이터를 더욱 효과적으로 이해하고, 적절한 의사 결정을 내릴 수 있다.
Importance
빅데이터 활용 측면에서의 중요성
데이터 리터러시의 중요성을 빅데이터 중심으로 알아보고자 한다. 빅데이터가 무엇이냐고 물어보면 개인적으로 좋아하는 정의가 있다.
“조직의 내/외부에 존재하는 다양한 형태의 데이터를 수집, 처리, 저장하여 목적에 맞게 분석함으로써 해당 분야의 필요 지식 및 인사이트를 추출하고
이를 조직의 전략적 의사결정에 활용하거나, 새로운 가치를 창출하며, 비즈니스 모델의 개발 및 개선에 활용하는 등의 제반 행위”를 포괄적으로 빅데이터라 정의하고 싶다.
첫째, 빅데이터의 활용 목적과 방향을 명확히 해야 한다.
빅데이터는 대량의 데이터를 다루므로 목적 없이 수집하거나, 다루는 방식이 명확하지 않으면 막대한 비용과 시간 낭비를 초래할 수 있다.
둘째, 조직 내부의 데이터 처리 인프라 및 데이터 관리 역량을 강화해야 한다.
빅데이터를 다루기 위해서는 대량의 데이터를 저장하고 처리하는 인프라와 기술적인 역량이 필요하다.
셋째, 데이터 분석 전문가와 데이터 과학자를 확보하거나, 내부의 데이터 분석 역량을 강화해야 한다.
빅데이터는 매우 복잡하며, 그 안에 숨겨진 의미와 패턴을 찾아내기는 어려운 일이다.
넷째, 빅데이터의 활용에 따른 윤리적인 문제 및 개인정보의 안전한 활용을 고려해야 한다. 빅데이터는 개인정보 등 민감한 정보를 포함하고 있을 수 있으므로, 이를 적절히 보호하고 활용해야 한다.
또한, 빅데이터의 분석 결과에 따른 사회적, 경제적 영향을 고려하고, 이를 적극적으로 활용하는 방안을 모색해야 한다.
다섯째, 빅데이터의 활용에 따른 가치 창출 방안 및 BM 서비스를 고려해야 한다.
빅데이터는 조직 내부의 업무 효율성을 높이는 것은 물론, 새로운 비즈니스 모델을 창출하는 데에도 큰 역할을 할 수 있다.
따라서 빅데이터를 활용하여 새로운 가치 창출 방안을 모색하고 이를 실현해 나가는 것이 중요하다.
위의 5가지 모두 중요하지만, 빅데이터 활용으로 조직의 경쟁우위 확보와 같은 측면을 강조하고 싶고 또한 이를 분석하기 위한 역량 강화에 초점을 맞추어 보면,
빅데이터, AI 도입에서 가장 중요한 빅데이터 성공의 방정식은 “어떤 문제를 해결하기 위해 ‘어떤 데이터’를 ‘어떻게 모아’ ‘어떤 방법(알고리즘)으로 분석,
모델링하여’,‘어떤 비즈니스 가치(Value)를 제공’하겠다”라는 기획력이다.
즉, 빅데이터의 전산 기술보다는 실제적인 문제해결을 위한 빅데이터 분석 및 문제해결을 위한 데이터 리터러시 능력이 가장 중요하다는 생각이다.
데이터 시각화와 데이터 리터러시는 끊임없이 발전하고 변화하고 있다.
이를 반영하여 최신 기술과 트렌드에 대한 이해와 지속적인 학습이 필요하며, 이를 통해 더욱 정확하고 유용한 데이터 시각화와 데이터 리터러시를 만들어 나갈 수 있을 것이다.