[Data Analytics] 디지털 트랜스포메이션(Digital Transformation)
데이터가 있어서 분석하는 것이 아니라, 분석을 하기위한 ‘목적’이 있어야 한다.
데이터 분석에서 시작은 ‘기획’이고, 가장 중요하다. 어떤 의미를 가지고, 어떤 변화를 줄 수 있는 지…
데이터 분석의 끝은 ‘스토리 텔링’이다. 분석한 결과를 다른 사람들이 이해할 수 있어야 한다.
강력한 도구 : 시각화
4차 산업 혁명 Vs. Digital Transformation(DT)
1) 1차 산업혁명(1780 ~)
- 증기 기관
- 원하는 시점에 원하는 곳에서 만들어 낼 수 있음
- 증기선 → 증기 기관차 → 증기자동차
- 제조업에 주는 영향이 혁명적(시골에서 증기 기관이 있는 도시로 이동, …)
- 제조업(생산자(공급) vs. 소비자(수요))
- 수요가 더 많은 시기
2) 2차 산업혁명(1870 ~)
- 전기+모터
- 석유 → 내연 기관
- 컨베이어벨트(대량 생산)
- 공급이 더 많은 시기
- 제조업 경쟁 심화→이익 감소
- 원가 절감 노력 / 수요 증가 : 식민지 개척, 증기기관 이용, 전쟁 발발
- 1950 ~ : Management 개념 도입
- 원가 관리
- 품질 관리
- 인적 자원 관리
- 공급망 관리
- 고객 관리
→ 관리의 궁극적인 목적인 좋은 의사결정을 하기 위해서는 데이터가 필요함
→ 이전까지 대량의 데이터는 도움되지 않았지만, 대량의 데이터에서 특징을 확인하는 일인 데이터 마이닝의 등장으로 달라지게 됨
3) 3차 산업혁명(1980 ~)
- 종이(Analog) → 컴퓨터(Digital)
- 컴퓨터활용능력이 중요 하던 시기
- 디지털 데이터의 급격한 증가가 있지만, 아직까지 예전 관리 방법을 사용하고 있음
- 1998 ~
- ADSL(인터넷) 등장으로, 컴퓨터들이 인터넷으로 연결되게 됨
- 2004 ~
- 3G 형태의 영상통화가 가능한 휴대폰 등장
- 2007 ~
- 스마트폰 등장(4G, LTE)
- 2019 ~
- 5G
- 1998 ~
Digital Transformation
Data Analytics + Artificial Intelligence
“디지털 데이터 활용 능력을 극대화 시키겠다”는 의미
특징
- 아직까지 2차 산업혁명 수준의 관리 방법을 적용하고 있기 때문에, 디지털 데이터에 걸맞는 형태의 관리 방법을 적용하고 싶은 것.
- 정부는 4차 산업혁명이라고 부름
- 3차 산업혁명부터는 ‘산업 혁명’이 아니라 사실상 ‘디지털 혁명’
Leave a comment