[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

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’