.jpg)
데이터 폭증할수록 인간 이롭게 하는 데이터 분석 필요해
데이터 분석 목적, “자동화 아닌 인간 일과 결정 능력의 향상”
[보안뉴스 오다인 기자] 10년 전 아이폰이라는 새로운 기기가 등장했고 애플리케이션이라는 건 존재하지도 않았다. 분석을 두고 경쟁한다는 것도 새로운 개념이었다. 인공지능이 우리의 직업을 빼앗고 세상을 지배하리라는 걱정도 지금보다 훨씬 적었던 시절이었다.
이후 10년 간 세상은 바뀌었다. 그 변화들에 대해 이야기하는 자리가 19일 미국 워싱턴DC에서 마련됐다. 바로 SAS 애널리틱스 익스피리언스(SAS Analytics Experience) 컨퍼런스의 본 무대에서다. 이 자리에는 미국의 최고데이터과학자(Chief Data Scientist)를 역임했던 DJ 파틸(DJ Patil)과 함께 SAS CTO 올리버 슈아벤버거(Oliver Schabenberger), 그리고 작가, 교수, 컨설턴트 등으로 일하고 있는 톰 데븐포트(Tom Davenport)가 참석했다.
연사 소개 말머리에서 파틸은 “우리는 놀라운 시대에 살고 있다”고 말했다. 그는 현대에선 개인별 맞춤 뉴스를 매순간 받아볼 수 있으며, 실시간 교통 정보와 지도, 온디맨드형 차량 서비스, 1일 배송 등 수많은 서비스가 즉각적으로 이용 가능하다고 설명했다.
파틸은 미국 정부가 최고데이터과학자라는 직책을 개설했을 때 특별한 미션을 갖고 있었다고 밝혔다. 그 미션이란 데이터의 힘을 책임감 있는 방식으로 극대화해서 모든 미국인에게 유익함을 제공하는 것이었다.
파틸은 “‘책임감 있는’이라는 단어와 ‘모든’ 미국인이라는 단어가 각각 신중하게 선택된 것”이라고 덧붙였다. “모든 사람에게 득이 되지 않는 이상 기술을 급진적이거나 혁명적인 어떤 것이라고 여겨서는 안 됩니다.” 즉, 특정 기술에 대한 섣부른 가치 판단은 위험하다는 뜻이다.
이어 파틸은 미국에서 데이터의 힘을 극대화하기 위해 진행되고 있는 일들 몇 가지를 소개했다. 일례로, 미국 플로리다주 마이애미데이드카운티는 경찰관들이 위기 상황에 더 잘 개입할 수 있도록 기관 간 데이터 공유를 추진하고 있다고 밝혔다.
슈아벤버거는 현재 인공지능이 인간의 뇌처럼 작동하지 않으며 미래의 인공지능도 인간의 뇌와는 다르게 작동할 것이라고 말했다. 이어서 그는 “방대한 양의 데이터가 생산되고 있으며 이는 인간이 필요한 것보다 훨씬 많은 양”이라고 설명했다. 그렇기 때문에 데이터 간 연관성을 찾고 연산하는 능력이 필요하다는 것이다.
슈아벤버거는 “더 빨리 데이터를 처리해야 할 필요성 때문에 머신 러닝에 대한 관심이 높아진 것”이라고도 말했다. 머신 러닝으로 자동화가 가능해졌다는 것이다. 심층신경망처럼 움직이는 기술이 빅데이터를 만나면 자연어 처리에서의 정확성까지 달성할 수 있다고 그는 덧붙였다. 그에 따르면, 고객과의 관계를 평생 이어갈 수 있도록 돕는 데도 심층신경망 기술이 적용될 수 있다.
데븐포트는 지난 10년 간 나타난 분석 기술 10가지를 소개했다. 여기에는 △하둡(Hadoop) △스파크(Spark) △파이썬(Python) △텍스트 분석 △스트리밍 분석 △소셜 미디어 분석 등이 포함됐다.
그는 “지난 10년은 모든 사람이 머니볼(Money Ball)에 대해 알아간 시대였다”고 말했다. 과거 여러 개의 스포츠 팀이 분석가 한 사람을 고용하던 것에서 나아가 이제는 모든 팀이 각각 분석가를 두고 있다는 것이다. 현재 점점 더 많은 산업과 조직에서 분석을 수행하고 있는 데다 분석을 두고 경쟁하고 있다.
데븐포트는 시대별 분석을 제시하며 △재래식 분석(1.0) △빅데이터 분석(2.0) △데이터 경제 분석(3.0) △인지 분석(4.0)을 언급하기도 했다.
파틸, 슈아벤버거, 데븐포트는 모두 데이터 과학의 목표가 인간의 일과 결정을 향상(augment)시키는 데 있지 모든 걸 자동화(automate)하는 건 아니라는 데 동의했다. 슈아벤버거는 “자동화와 자율성 사이에는 거대한 차이가 있다”고 말했다.
글 : 제시카 데이비스(Jessica Davis)
[국제부 오다인 기자(boan2@boannews.com)]
데이터 분석 목적, “자동화 아닌 인간 일과 결정 능력의 향상”
[보안뉴스 오다인 기자] 10년 전 아이폰이라는 새로운 기기가 등장했고 애플리케이션이라는 건 존재하지도 않았다. 분석을 두고 경쟁한다는 것도 새로운 개념이었다. 인공지능이 우리의 직업을 빼앗고 세상을 지배하리라는 걱정도 지금보다 훨씬 적었던 시절이었다.
[이미지=iclickart]
이후 10년 간 세상은 바뀌었다. 그 변화들에 대해 이야기하는 자리가 19일 미국 워싱턴DC에서 마련됐다. 바로 SAS 애널리틱스 익스피리언스(SAS Analytics Experience) 컨퍼런스의 본 무대에서다. 이 자리에는 미국의 최고데이터과학자(Chief Data Scientist)를 역임했던 DJ 파틸(DJ Patil)과 함께 SAS CTO 올리버 슈아벤버거(Oliver Schabenberger), 그리고 작가, 교수, 컨설턴트 등으로 일하고 있는 톰 데븐포트(Tom Davenport)가 참석했다.
연사 소개 말머리에서 파틸은 “우리는 놀라운 시대에 살고 있다”고 말했다. 그는 현대에선 개인별 맞춤 뉴스를 매순간 받아볼 수 있으며, 실시간 교통 정보와 지도, 온디맨드형 차량 서비스, 1일 배송 등 수많은 서비스가 즉각적으로 이용 가능하다고 설명했다.
파틸은 미국 정부가 최고데이터과학자라는 직책을 개설했을 때 특별한 미션을 갖고 있었다고 밝혔다. 그 미션이란 데이터의 힘을 책임감 있는 방식으로 극대화해서 모든 미국인에게 유익함을 제공하는 것이었다.
파틸은 “‘책임감 있는’이라는 단어와 ‘모든’ 미국인이라는 단어가 각각 신중하게 선택된 것”이라고 덧붙였다. “모든 사람에게 득이 되지 않는 이상 기술을 급진적이거나 혁명적인 어떤 것이라고 여겨서는 안 됩니다.” 즉, 특정 기술에 대한 섣부른 가치 판단은 위험하다는 뜻이다.
이어 파틸은 미국에서 데이터의 힘을 극대화하기 위해 진행되고 있는 일들 몇 가지를 소개했다. 일례로, 미국 플로리다주 마이애미데이드카운티는 경찰관들이 위기 상황에 더 잘 개입할 수 있도록 기관 간 데이터 공유를 추진하고 있다고 밝혔다.
슈아벤버거는 현재 인공지능이 인간의 뇌처럼 작동하지 않으며 미래의 인공지능도 인간의 뇌와는 다르게 작동할 것이라고 말했다. 이어서 그는 “방대한 양의 데이터가 생산되고 있으며 이는 인간이 필요한 것보다 훨씬 많은 양”이라고 설명했다. 그렇기 때문에 데이터 간 연관성을 찾고 연산하는 능력이 필요하다는 것이다.
슈아벤버거는 “더 빨리 데이터를 처리해야 할 필요성 때문에 머신 러닝에 대한 관심이 높아진 것”이라고도 말했다. 머신 러닝으로 자동화가 가능해졌다는 것이다. 심층신경망처럼 움직이는 기술이 빅데이터를 만나면 자연어 처리에서의 정확성까지 달성할 수 있다고 그는 덧붙였다. 그에 따르면, 고객과의 관계를 평생 이어갈 수 있도록 돕는 데도 심층신경망 기술이 적용될 수 있다.
데븐포트는 지난 10년 간 나타난 분석 기술 10가지를 소개했다. 여기에는 △하둡(Hadoop) △스파크(Spark) △파이썬(Python) △텍스트 분석 △스트리밍 분석 △소셜 미디어 분석 등이 포함됐다.
그는 “지난 10년은 모든 사람이 머니볼(Money Ball)에 대해 알아간 시대였다”고 말했다. 과거 여러 개의 스포츠 팀이 분석가 한 사람을 고용하던 것에서 나아가 이제는 모든 팀이 각각 분석가를 두고 있다는 것이다. 현재 점점 더 많은 산업과 조직에서 분석을 수행하고 있는 데다 분석을 두고 경쟁하고 있다.
데븐포트는 시대별 분석을 제시하며 △재래식 분석(1.0) △빅데이터 분석(2.0) △데이터 경제 분석(3.0) △인지 분석(4.0)을 언급하기도 했다.
파틸, 슈아벤버거, 데븐포트는 모두 데이터 과학의 목표가 인간의 일과 결정을 향상(augment)시키는 데 있지 모든 걸 자동화(automate)하는 건 아니라는 데 동의했다. 슈아벤버거는 “자동화와 자율성 사이에는 거대한 차이가 있다”고 말했다.
글 : 제시카 데이비스(Jessica Davis)
[국제부 오다인 기자(boan2@boannews.com)]
Copyrighted 2015. UBM-Tech. 117153:0515BC
<저작권자: 보안뉴스(www.boannews.com) 무단전재-재배포금지>
오다인기자 기사보기
[2024-11-22] .jpg)
.jpg)
.jpg)
.jpg)
.jpg)
