데이터적 사고가 중요한 이유
빅데이터 시대, 정보화 시대이기 때문에 개개인의 데이터 마이닝이 중요해졌기 때문과 같은 뻔하고 표면적인 이유는 말하지 않겠다. 데이터적 사고가 중요한 이유는 '정확하고 유의미한 추론 그를 통한 올바른 솔루션'을 얻어내기 위함이다.
데이터의 정의: 특정 상황, 사건, 사실을 기록한 자료를 의미합니다. 이는 숫자, 문자, 이미지, 소리 등 다양한 형태로 존재할 수 있으며, 상황이나 목적에 따라 의미가 달라질 수 있습니다.
데이터와 정보를 통해, 반복되는 추이나 경향성을 객관적으로 파악할 수 있어 근본적인 원인을 찾아낼 수있고, 이는 상대적으로 정확도가 높고 범용성이 넓은 솔루션 즉, 통찰력 있는 솔루션을 도출할 수있는 발판이 된다.
그리고 위와 같이 데이터/정보/지식(반복되는 추이나 경향성, 패턴)/지혜(근본적인 원인을 해결하는 통찰력있는 솔루션)을 단계별로 나타낸 것이 01. AI와 와 머신러닝의 발전이 가속화된 정보 과잉 시대에서 지혜롭게 살아남는 방법, 지식과 지혜의 '공식'에 언급했던 DIKW 피라미드이다.
다만 위의 글에서는 기존의 DIKW와는 다르게 인생의 관점에서 적용해서 보편적으로 쓰이는 의미와 맥락이 다르니 아래와 같이 정정하겠다.
DIKW 피라미드
DIKW 피라미드는 정보 관리와 지식 이론에서 자주 사용되는 개념으로, 데이터의 가치를 4단계로 구분하여 설명한다. DIKW는 각각 Data(데이터), Information(정보), Knowledge(지식), Wisdom(지혜)를 뜻한다.
이 개념을 통해 데이터의 가치 변환 과정을 이해할 수 있다:
- 데이터(Data): 가공되지 않은 사실이나 수치.
- 정보(Information): 데이터에 맥락을 부여하여 의미를 도출한 것.
- 지식(Knowledge): 여러 정보들간의 상관관계를 분석해 추이, 패턴, 경향성을 분석한 것.
- 지혜(Wisdom): 지식을 통해 상황과 맥락, 목표에 맞는 솔루션을 내리는 것.
이렇게만 얘기하면 감이 안잡힐테니, 밑에 예시를 들겠다.
예시: 공부 시간과 시험 점수의 상관관계
여기서 D (데이터)는 공부 시간, 시험 점수라는 변수이고, 아무 맥락이나 의미가 없는 정보덩어리라고 볼 수 있고, I(정보)는 공부 시간이 1시간일때, 시험점수가 20점이다. 와 같은 의미와 맥락이 부여된 정보라고 할 수 있다. K(지식)는 여기서 보이는 공통적인 양상 ‘공부 시간이 늘어날 수록 시험 점수가 늘어난다.’, ‘시험 점수가 높은 사람은 공부 시간도 많다.’와 같은 추이, 패턴, 경향성을 말하는 것이고 W는 이를 통해 ‘시험 점수를 잘 받으려면 공부 시간을 많이 들여야 한다.’와 같은 솔루션을 내는 것을 말한다. 혹은 목표가 100점이라면 최소 9시간 이상은 공부해야 한다가 W라고 볼수도 있겠다.
그럼 여기서 인간의 의사결정이 들어가는 부분이 어디일까? 바로 K(지식)부터이다. 정확히 말하면 'K에서 W를 도출한다.' 수치적이고 정량적인 흐름이 그래프에서 반복되는 것을 보며 거기서 추이, 경향성, 패턴을 도출해내는 것이고 그 패턴과 경향성에서 유의미한 정보를 얻어 통찰력있는 솔루션을 내리는 것까지 다다르면 W(지혜)에 해당된다. 그래서 W(지혜)를 정확히 내리기 위해선 D와 I보다는 K를 볼 줄 아는 것이 앞으로의 업무에서나 삶에서 더 유리하다고 할 수 있다.
회사의 수익적인 문제를 해결하면 월급을 받는 것이고, 타겟층의 문제를 유의미하게 해결하고 알리면 돈을 버는 것이기 때문이다.
|
