[빅데이터] 사용자 니즈 파악의 중요성(1)

 

인간공학은 산업공학에서 파생된 학문이다.

그래서 오늘은 산업공학에 대해 이야기해보자.

 

 

이번 글은 이렇게 두 차례로 소개할 예정이다.

 

(1) 사용자 니즈 파악의 중요성

(2) 가치있는 디자인으로 변환하는 마법

 

이번 글은 아래의 퓨처드릴과 똑같은 내용을 하고 있다.

(제가 작성했습니다!)

퓨처드릴을 구독하면, AI와 UX와 관련된 내용을 더 많이 볼 수 있다!

https://futuredrill.stibee.com/

퓨처드릴 - AIX

 

 

산업공학의 핵심은 바로

빅데이터이다.

 

여러군데 흩어져있는

데이터를 하나의 핵심으로 모아

사용자의 니즈를 파악할 수 있다.

 

 

 

 

"필요하다"의 힘

 

왜 니즈를 알아야해? 라고 묻는다면...

 

성공을 이룬 서비스들은

사람들이 필요로하기에 살아남았다.

 

만약 기술이 부족하다면, 더 성공하고 싶다면,

마케팅으로 사용자에게

"그 서비스가 꼭 필요해!"라고 심어주어야한다. 

 

예를 들어 정말 맛있는 음식을 파는 음식점이 있다.

하지만 음식점이 잘 운영이 되지 않는다!

 

그렇다면 과연 음식이 문제일까?

주변 상권은 어떻게 되는가?

여러가지 요소들이 많을 것이다.

 

이러한 데이터를 핵심으로 모았더니,

"사장님이 불친절하다!"가 결론일 수 있다.

 

이러한 원인을 파악한다면,

"사장님이 친절했으면..."이라는 니즈도 알 수 있다.

 

요즘에는 셀 수 없을 정도로 데이터가 많아졌고

이것들을 효율적으로 실시간으로 분석할 수 있다.

 

이제부터 차근차근 알아가보자! 🤸

 

---

Roger Martin, MBA Professor

"디자인 사고는 분석적, 직관적 사고의 조합이다."

 

---

 

혁신의 수단, 미래의 권력: 빅데이터

 

| 빅데이터란?

여러 형태, 셀 수 없는, 다양한 데이터를

가치로 만들어 내는 것이다.

 

| 7V, 빅데이터의 특징

초기에는 3V로 요약되었지만,

필요에 따라 추가되는 중이다.

(출처:  impact  홈페이지)

1. Volume: 대량

   " 매일 만들어지는 데이터 감당할 수 있는가? "

2. Velocity: 생성 속도

   " 실시간으로 데이터 분석할 수 있는가? "

3. Variety: 숫자화

   " 사람을 숫자로 바꿀 수 있는가? "

4. Veracity: 품질

   " 얼마나 믿을 수 있는가? "

5. Value: 가치

   " 쓸모 있는가? "

6. Variability: 의미 가변성

   " 문맥에 따라 달라지는가? "

7. Visualization: 시각화

   " 이해할 수 있는가? "

 

그 중에 가장 핵심적인 것은?

바로, 5번 Value이다.

빅데이터는 결국에 유용한 가치를

이끌어 낼 수 있어야하기 때문이다.

 

 

 

 

 

유용한 가치가 되는 과정: Deming Circle

Q. 왜 구글, 유튜브, 인스타그램, 카카오톡이 무료로 서비스를 제공할까?
A.  사용자들의 질 좋은 데이터로 인사이트, 가치를 얻을 수 있기 때문이다.

 

| 데밍 사이클?

Dr. W. Edwards Deming가 고안한 방법으로,

사용자에게 인사이트와 가치를 효과적으로 제공할 수 있다.

Deming Circle - PDCA (출처:  google )

1. Plan: 빅데이터 분석 기획

사용자가 사고 싶어하는 온라인 광고를 보여주고 싶어. 사용자의 니즈가 무엇일까?

 

2. Do: 데이터를 인사이트로

이 사용자는 고양이 물품에서 시간을 많이 소요했어!

 

3. Check: 인사이트 확인

고양이 물품을 사고 싶은 것 같은데?

 

4. Act: 인사이트를 유용한 가치로

고양이 물품과 관련된 온라인 광고를 보여주자! 😼

 

가지고 있는 데이터로 가치를 실현하기 어려울 수 있다.

 

그래서 먼저 어떠한 목표를 달성하고 싶은지,

어떠한 데이터가 필요로 한지,

데이터를 확보할 수 있는지,

어떻게 데이터를 가공할 것인지!

찾아보는 것이 필요하다.

 

그래서 가장 중요한 것은?

Plan, 기획이다.

최종적인 방향성을 잡지 않고 수행한다면,

실패할 확률이 높다.😥

 

 

| 좋은 데이터는? 대기업꺼!

기획에서의 어려움도 있지만,

데이터가 없어서 인사이트를 도출하지 못할 수 있다.

 

좋은 데이터들은 대기업이 가지고 있거나,

데이터에 대한 거부감을 느끼는 사람이 있거나,

개인정보 보호체계때문에 데이터가 공유되기 어렵기 때문이다.

 

 

 

 

인공지능의 양대산맥: 심볼릭AI vs 뉴럴 네트워크

 

| 인공지능 = 컴퓨터

 

알파고를 기억하시나요?

알파고는 바둑 돌을 직접 옮기지 않고,

바둑 게임을 이기는 추상적인 계획만

수행하던 인공지능이다.

 

인공지능은 주변 상황을 인지하고,

목표를 위한 계획이나 행동을 하는

컴퓨터라고 할 수 있다.

 

 

 

| 인공지능 방식 : 심볼릭 vs 뉴럴

 

1. 심볼릭 (세상의 모든 지식을 명제로) 🌍
세상의 지식을 "명제, A는 B이다"와 같은 형태로,

명제를 바탕으로 새로운 지식을 만들고 추론한다.

 

연역적 추론(deduction)은

사실, 규칙, 정의에서 출발해서

새로운 명제를 도출하는 과정이다.

 

이 방식으로 수억 개의 명제를 만들 수 있지만,

인간이 모두 기억하기에 한계가 있다.

또한 명제는 주관적이기에 비일관적이다.

 

- 또치는 AI를 좋아해.

- 타조는 또치야.

- 타조는 AI를 좋아해.

 

 

2. 뉴럴 네트워크 (뇌세포를 모방한 신경망) 🧠
뇌세포는 전기 자극을 받으면

주변 세포들에게 전기를 퍼트린다.

 

전기 자극 과정을 반복하면

뇌의 구조가 점점 넓어지게 되는데,

이런 학습을 모방한 것이 뉴럴 네트워크이다.

 

귀납적 추론(induction)은

데이터에서 출발해서

결론이나 추측을 만들어내는 과정이다.

 

귀납적 추론은 틀릴 수도 있지만,

데이터가 많아지면 점점 정확해진다.

-> 빅데이터가 많은 현재, 위력적이다.

 

- 강아지 사진 100장 학습시키기. 🐶

- 고양이 사진 100장 학습시키기. 🐱

- 🐈 강아지 vs 고양이 맞춰봐!

-> 점점 더 정확하게 맞출 수 있다.

Sarrasin Jeremie et al., 2020, 학습 신경세포 (출처:  ERICK )

 

 

 

 

 

 

이번 글은 빅데이터 개념과 특징, 인공지능 모델 방식에 대해 알아보았다.

 

"(2) 가치있는 디자인으로 변환하는 마법"으로 다시 찾아오겠다.