비즈니스

기업 비즈니스, 보안, 네트워크, 기업용 소프트웨어

arrow_downward최신기사

구글 클라우드

“데이터 분석에 맞는 클라우드가 궁금하시다면”

IT 시장에 ‘클라우드’란 개념이 등장한 지 10여년이 넘었다. 2006년 아마존이 클라우드 인프라 서비스(IaaS)를 시작한 이후, 마이크로소프트(MS), 구글을 비롯해 오라클, VM웨어, IBM 등도 다양한 기업이 이 시장에 뛰어들었다. 원하는 시점에 원하는 서비스를 사용하고, 쓴 만큼 비용을 낸다는 개념을 많은 기업이 환영했다. 때마침 등장한 빅데이터도 클라우드 도입을 채찍질했다. 요정 할머니가 휘두르는 마법의 지팡이마냥 ‘클라우드’는 빅데이터 분석을 꿈꾸고, 비용절감을 원하는 기업의 바람을 금방이라도 이뤄줄 것만 같았다. “국내 기업 대부분이 막대한 투자로 빅데이터 플랫폼을 자체 구축해 분석했는데 효과가 없었습니다. 매장 판매 현황 등 유의미한 정보와 연계할 수 없거나 기업 내 정보 공유가 여전히 해결되지 않아 결과가 제한적으로 나왔지요. 분석 방법도 기업 활동 변화에 맞춰...

P2P 금융

렌딧, 포트폴리오 P2P 투자 상품 ‘헬로렌딧’ 출시

마켓플레이스 금융기업 렌딧은 첫 투자 고객을 위한 포트폴리오 P2P 투자 상품인 ‘헬로렌딧’을 출시한다고 2월27일 밝혔다. 헬로렌딧은 렌딧이 자체 개발한 분산투자 추천 시스템을 통해 채권 100개 이상을 묶은 포트폴리오 투자 상품이다. 처음 투자를 시작하는 고객이 쉽고 편리하게 렌딧의 투자를 경험하고, 올바른 분산투자를 익힐 수 있도록 기획했다. 투자자는 헬로렌딧을 선택한 후 투자 금액만 입력하면 채권 100개 이상에 손쉽게 분산투자를 할 수 있다. 렌딧은 2월25일 투자 모집을 시작한 헬로렌딧 1호를 시작으로, 2호, 3호 등으로 명명된 상품을 상시 오픈할 예정이다. 렌딧은 2015년 5월 국내 P2P금융기업 최초로 포트폴리오 투자 방식을 선보였다. 당시에는 이미 대출이 집행된 채권 100개 가량을 전문가가 ‘렌딧 포트폴리오’로 구성한 후, 한 달에...

DAISY

성별, 연령별, 지역별…데이터를 나누면 인사이트가 보인다

시각적 데이터 탐색 및 분석을 위한 데이터 집산(Data Aggregation) 이야기를 이어가 봅시다. 지난 글에서는 데이터 집산 개념과 수치형 변수를 활용한 데이터 집산에 대해 알아보았습니다. 이번 글에서는 범주형 변수를 활용한 데이터 집산의 개념과 시각화 유형에 대해 자세히 알아보겠습니다. · · · 데이터를 보는 수십 개의 눈, 어떤 기준으로 볼 것인가 범주형 변수란 무엇일까요? 범주형 변수(dimension)란 개별 항목(category)으로 구분되는 데이터 값을 갖는 변수를 말합니다. 일반적으로 값은 텍스트, 날짜 형태를 띱니다. 간혹 숫자 형태의 값을 갖는 변수를 범주형 변수로 활용하기도 하는데, 이 경우 수학적으로 계산할 수 없다는 점에서 수치형 변수와 구별됩니다. 이를 범주형 변수의 종류로 설명할 수 있는데, 좀 더 세분화해 ① 텍스트 ②...

DAISY

숫자는 계산하라고 있는 것, 차트 만들기에서도 예외 없다

지난 글 ‘데이터 하나로 몇 개의 차트를 만들 수 있을까요?’에서 데이터 집산(Data Aggregation)의 개념을 알아보았습니다. 시각화에서 데이터 집산은 그 기준이 되는 변수의 유형에 따라 두 가지(수치형, 범주형)로 나뉘는데요. 이번에는 수치형 변수를 활용해 데이터 집산을 해보고, 시각화했을 때의 효과까지 자세히 알아봅니다. · · · · · 시각화 차트를 만드는 순간, 당신은 이미 데이터 집산을 했다 먼저 수치형 변수의 개념을 간단히 알아봅시다. 수치형 변수(measure, value)란 계산이 가능한 숫자 형태의 값을 가진 변수를 의미합니다. 시각화 차트는 수치형 변수와 범주형 변수(dimension, 항목(category)으로 구분되는 값)의 조합으로 만들어집니다. 이때 범주형 변수 항목별로 수치형 변수의 값이 합산(SUM)되는 것이 일반적입니다. 시각화 차트를 만드는 과정을 통해 자세히 알아보겠습니다. 먼저 시각화를 하기 위해 필요한 데이터인 로우(raw)...

DAISY

데이터 하나로 몇 개의 차트를 만들 수 있을까?

 데이터 하나로 만들어진 이 모든 차트 데이터 분석 결과 보고서나 자료를 보면, 많은 시각화 차트와 데이터 표가 포함된 경우가 많습니다. 이런 보고서를 보고 있노라면, ‘이 보고서에 정말 많은 종류의 데이터가 활용됐구나’, ‘이 모든 것을 다 이해하기는 힘들겠다’ 등의 생각이 듭니다. 데이터에 압도되는 듯한 느낌이 드는 것이죠. 그러나 꼭 그럴 필요는 없습니다. 사실 특정 조사 기관이 하나의 조사를 한다면, 해당 조사 결과 데이터는 하나로 정리되었을 것이기 때문입니다. 여기에서 데이터란 정제되지 않은 상태의 원본 데이터인 로우(raw) 데이터를 의미합니다. 이들이 보고서에 여러 개의 시각화 차트와 데이터 표를 넣은 이유는 데이터 분석 과정에서 발견한 여러 인사이트를 전달하기 위한 보조 자료로써 활용했기 때문입니다. 여기에서 우리는...

광고 데이터

마케터가 알아두면 좋은 '낯선' 시각화

우리는 데이터를 통해 문제를 발견하고자 합니다. 데이터에서 문제를 볼 줄 알아야 하는데, 여기에 시각화의 필요성이 있습니다. · · · · ·  마케팅 데이터로 해보는 시각화 마케팅의 경우 사용자의 반응을 즉각적으로 확인하고, 그에 따른 적절한 행동을 취할 때 마케팅 효율을 높일 수 있습니다. 시각화는 이런 통찰을 가능하게 합니다. 통찰은 단순한 과정이 아니라 내부 요인 간의 관계를 통해 대상들 사이에 숨겨진 관계를 찾는 것을 의미합니다. 이 관계를 찾으면 과거를 알 수 있고, 현재가 보이며, 미래에 대해 짐작할 수 있습니다. 그렇다면 시각화는 어떻게 할 수 있을까요? 시각화에도 프로세스가 있습니다. 시각화를 통해 어떤 목적을 달성할 것이냐에 따라 심화된 단계로 나아갈 수 있습니다. 시각화 프로세스는 그 과정과 목적에 따라...

dashboard

효과적인 대시보드를 만들기 위해 고려해야 할 6가지

우리는 데이터를 모니터링하고 인사이트를 얻기 위해 대시보드를 이용합니다. 여러 정보들로 구성되는 대시보드는 때때로 레고를 조립해 하나의 판을 만드는 것처럼 느껴지기도 합니다. 레고 조립을 잘 하기 위해 설명서를 보듯 대시보드를 잘 만들기 위해서 알아야 할 것이 있을까요? 여러 디자인 아티클에서 언급하고 있는 원칙의 공통점을 정리해보았습니다. 좋은 대시보드는 어떻게 만들고 평가해야 할까? · · · · ·  #1. 대시보드의 잠재 사용자 이해하기 “그들은 누구인가? 이 대시보드를 언제 보는가? 그 시점에 얼마나 피곤한지, 어떤 감정을 느끼는지 느낄 수 있을까? 우리의 대시보드를 얼마나 자주 보는가? 누구랑 보는가? 어디까지 공유하는가? 그 동료(혹은 상사)와는 얼마나 자주 소통하는가? 그들과 자주 나누는 데이터는 무엇이고, 공유하지 않는 데이터는 무엇인가?” 많은 디자인 아티클에서 자주 언급돼...

김선영

멀티채널 시대의 마케팅, 효과적으로 하려면?

마케팅은 고객 분석을 기반으로 합니다. 그런데 마케팅 방법이 고도화될수록 역설적으로 고객에 대한 데이터 분석은 어려워지고 있죠. 특히 모바일과 PC 등 기기를 넘나들고 소셜, 배너, 이메일, 검색 등 다양한 채널을 통해 마케팅이 이뤄지면서 어떤 경로를 거쳐 구매가 이뤄졌는지, 마케팅이 효과적으로 잘 되고 있는지 알기가 쉽지 않습니다. 이때 필요한 것이 매체 기여도 분석입니다. 어떤 채널이 매출을 올리는 데 효과적인지 기여도가 분석돼야 마케팅 역량을 효과적으로 투입할 수 있습니다. 중요한 점은 구매 과정에 특정 한 채널만 기여하지 않는다는 점입니다. 고객의 구매 과정엔 다양한 채널이 걸쳐져 있습니다. 예를 들어 모바일 광고를 통해 상품을 인지한 사람이 PC를 통해 구매할 수도 있죠. 한 달 전에 모바일 광고를...

ai

넥슨 분석본부, "데이터 분석으로 개발 노하우 축적한다"

바람의 나라, 메이플스토리, 카트라이더, 마비노기, 던전앤파이터... 어린시절 한 번쯤 거쳐간 게임이다. 누군가에겐 과거, 누군가에겐 현재다. 넥슨은 한국 게임의 역사를 써내려갔다고 해도 과언이 아니다. 게임의 역사는 지금까지 명맥을 이어가고 있지만, 개발의 역사는 분절돼 있다. 개별 게임의 개발 노하우는 통합적으로 축적되지 않고 각 게임팀별로 파편화돼 있는 게 현실이다. 넥슨 '분석본부'는 이런 문제의식을 느끼고 신설된 조직이다. 넥슨은 9월14일부터 10월11일까지 하반기 공채를 진행하고 있다. 이번 넥슨 공채에서 눈에 띄는 부분은 새롭게 조직된 '분석본부' 인력 채용 비중이 크다는 점이다. 지난 5월 만들어진 분석본부는 ‘빅데이터’, ‘머신러닝·딥러닝’, ‘인공지능(AI)’ 등의 기술을 통해 게임 개발 노하우를 축적하고 게임 플레이 환경을 개선하는 것을 목표로 하는 조직으로 전사적인 지원을 받고 있다. <블로터>는 분석본부를...

나이팅게일

[전병국의 데이터스토리] 가장 위대한 데이터 분석가

많이들 묻는다. 도대체, 데이터 분석이란 무엇인가? 데이터 분석가는 어떤 사람이어야 하는가? 앞으로 이 분야는 어떻게 될 것인가? 생각보다 대답이 쉽지 않다. 일부 들리는 이야기들이 있지만 중구난방이다. 계속 발전하는 미래형 산업이라 아무래도 확실한 주장은 무리일까? 결국 미래를 기다리거나 뭐가 되든 부딪혀 보는 수밖에 없는 걸까? 달리보면 대답은 오히려 쉽다. 미래에 대한 해답은 미래에 있지 않기 때문이다. '명심보감(明心寶鑑)'의 한 구절도 그렇게 말한다. "욕지미래 선찰이연(慾知未來 先察已然)". 미래를 알고 싶으면 먼저 과거를 살피라는 말이다. 천년의 지혜다. 성공적인 데이터 분석과 데이터 분석가의 비밀은 미래가 아니라 과거에 있다. 구글은 커녕 컴퓨터조차 없던 시대에 그 열쇠들이 있다. 200년 전 이야기도 그 중 하나다. 1. 어느 소녀의 꿈...