애널리틱스 | 뉴스, 하우투, 기획, 리뷰 및 동영상
기업 내 디지털 트랜스포메이션 작업이 진행되면서 디지털 트랜잭션이 남긴 흔적이 방대해지고 있다. 그러나 데이터에서 맥락 있는 정보(인텔리전스)를
이번 글은 필자가 지금까지 데이터 과학자로 경력을 쌓아오면서 경험했거나 듣고 읽었던 빅데이터 활용 사례들을 중심으로 빅데이터를 활용하는 과정에서
2020년은 ‘데이터 과학(Data Science)’이 얼마나 가치 있는지를 보여준 한 해였다. 물론 그 한계가 드러난 한 해이기도 했다.
이제 데이터가 조직의 ‘피’다. 데이터는 이제 단순히 패턴을 추적하는 것을 넘어, 조직의 원형을 변화시키고, 새로운 수익원을 창출한다. 현상 유지라는 유혹에 맞서도록 돕기도 한
오늘날 소프트웨어 시스템이 점점 더 복잡해지면서 애플리케이션 성능 및 장애 원인에 관한 ‘관찰가능성(Observability)’ 확보가 갈수록 중요해지고 있다.
2020년 8월 ‘클라우드 머신러닝 플랫폼 선택 기준 12가지’이라는 글에서 플랫폼 선택의 첫 번째 가이드라인으로 ‘데이터에 가까이 다가가기’를 제시했다. 빛의 속도가 전송 �
자체적으로 시도한 AI 이니셔티브의 성과를 체감하지 못하는 기업들이 흔하다. 일부 전문가들에 따르면 문제의 원인은 ‘조직 학습(Organizat
2020년 한 해 동안 경영진이 앞으로의 10년에 관해 깨달은 바가 있다면 바로 디지털 민첩성(Digital Agility)이 매우 중요하며, 데이터 리터러시(Data Literacy)는 이제 필수 역량이라는 것이다.
끊임없이 증가하는 복잡한 데이터 사일로에 갇혀 있는가? 여기서 ‘서비스형 데이터 관리(Data Management as a Service; DMaaS)’가 데이터 사일로를 해결하고, 기업으로 하여금 비즈니스 경쟁
기후 변화의 영향이 날로 심각해지면서, 디지털 경제(Digital Economy)에서도 ‘탄소발자국(Carbon Footprint)’을 줄이는 일이 더욱더 중요해지고 있다. 그렇다면 기업들은 어떻게 탄소발자국