인공지능 시대를 맞이하여 기업과 노동은 큰 변화를 겪을 것이다. 예측 가능하고 반복적인 업무들은 인공지능으로 대체될 것이기 때문이다. 기업의 전문성에 의존하여 특화된 분야를 추구하던 비즈니스 모델은 데이터 수집, 처리, 분석하는 플랫폼을 구축하는 방향으로 변경되고 있다. 특정 산업에 특화된 경영의 리더보다
디지털과 네트워크 기반의 비즈니스 리더가 부각되고 있다.
- 교양으로서의 인공지능, 이상진 지음
앞으로의 여러 산업들은 데이터 플랫폼을 중심으로 재편될 것입니다. 데이터 원천 접근성에 따른 산업 별 차이로 인한 시차가 있을 뿐, 데이터 플랫폼을 기초로 하는 디지털 트랜스포메이션은 거부할 수 없는 시대적 흐름입니다. 데이터 기획력과 분석력은 산업에서의 생존 능력이 될 것입니다.
데이터 플랫폼은 모두 동일한 원리로 구축되고, 운영되고, 강화됩니다. (1) API 등을 통해 데이터를 수집하고, (2) 데이터를 전처리하고 모델링하여 데이터베이스에 저장하고 (3) 데이터 마이닝 알고리즘을 활용하여 데이터를 가공하고 (4) 데이터 시각화, 분석, 예측, 최적화를 통해 특정 산업의 문제를 해결합니다.
3단계 데이터 마이닝 단계에서 수학적 능력이 요구됩니다. 수학의 여러 분야 중에서도 특히 [선형대수학, 미적분, 통계학]에 대한 전문성이 요구됩니다.
중고등학교 입시 수학의 부작용으로 수학에 대한 부담감을 갖고 있을 수도 있습니다. 하지만, 정해진 시간에 많은 문제를 풀고 정답을 찾는 입시 수학과 달리 대학수학은 원리와 증명을 중요시합니다. 즉, 문제 풀이보다 논리적 사고방식을 중요시합니다. 데이터 분석가에게는 논리적 사고방식이 중요합니다. 실제 계산은 컴퓨터가 합니다. 그러므로 인내심을 갖고 학습한다면 누구나 데이터 분석가에게 필요한 수학적 능력을 배양할 수 있습니다.
데이터 분석가에게 필요한 중요한 능력은 (1) 특정 산업에 대한 도메인 지식, (2) 프로그래밍(파이썬, SQL) , (3) 수학통계 입니다. 프로그래밍과 수학통계는 데이터 분석가가 되기 위한 도구입니다. 컴퓨터공학과 혹은 수학과(통계학과) 전공이 아니더라도 훈련을 통해 도구 사용법을 익힐 수 있습니다. 실제 현장의 문제를 해결하는 경쟁력 있는 데이터 분석가가 되기 위해서는 특정 산업에 대한 도메인 능력이 더욱 귀한 자산일 수 있습니다. 특정 산업에 대한 문제를 발견하고, 데이터를 모델링하고, 결과에서 인사이트를 발견하기 위해서는 특정 산업에 대한 깊이 있는 이해가 필요하기 때문입니다.
'수학.통계' 카테고리의 다른 글
| AI.빅데이터 시대의 수학 [미적분, 선형대수학, 확률과통계, 이산수학] (0) | 2023.11.17 |
|---|---|
| 수학적 모형(mathematical model)의 의의 (1) | 2023.11.01 |
| 최재혁 베이징대 HSBC 경영대 금융수학자, 헬로디디 인터뷰 (0) | 2023.10.13 |
| 명목척도, 순위척도, 등간척도, 비율척도 / 양적데이터, 질적데이터, 횡단데이터, 종단데이터 (0) | 2023.10.04 |
| 상관분석(correlation analysis) : 공분산, 상관계수, 산포도 (1) | 2023.09.27 |
