우리는 신을 믿습니다. 그 외의 모든 사람은 데이터를 가져와야 합니다.”

"우리는 신을 신뢰합니다. 다른 모든 사람은 데이터를 가져와야 합니다."

이 문구는 W. Edwards Deming이 한 말로, 비즈니스를 수행할 때 데이터 측정과 분석의 중요성을 주로 의미합니다. IT 분야에서도 비즈니스와 마찬가지로 데이터 분석은 동일하게 중요합니다. 따라서 지난 10년 동안 데이터 웨어하우스, 빅 데이터, 데이터 레이크, 그리고 최근에는 데이터 사이언스에 대해 이야기해 왔습니다. 데이터 과학은 그 자체로 하나의 IT 분야가 되었으며, 요즘 가장 각광받는 직업 중 하나는 데이터 과학자입니다.

대부분의 기업에서는 우리가 이 모든 데이터를 보유하고 있으며, 이를 올바르게 처리하고 분석하여 인사이트를 얻고 이점을 누리기만 하면 된다는 인식을 가지고 있는 것 같습니다. 

결론: 데이터 과학을 활용해 봅시다!

데이터 과학은 인공 지능(AI), 모니터링 및 자동화를 사용할 때 핵심 요소입니다. 데이터 과학을 사용하여 데이터를 분석 및 그룹화하고, 상관 관계를 생성하고, 클러스터를 찾고, 기본적으로 데이터를 생성 및 저장하는 툴 및 시스템에 대한 표준 보고에서는 얻을 수 없는 데이터에 대한 인사이트를 얻을 수 있습니다. 대부분의 데이터 과학자들은 이 작업을 위해 Python이나 R을 사용합니다.

데이터 과학에 대한 제 개인적인 경험은 주로 서비스 관리와 관련이 있으며, 데이터 과학을 사용하여 티켓 데이터, 인시던트, 변경 사항, 문제, 서비스 요청, CSAT 등을 분석하여 특정 패턴과 자동화 잠재력을 식별합니다. 이는 결과적으로 서비스 데스크 및 서비스 관리 프로세스를 보다 효과적으로 만들고 리소스 소비를 줄이는 방법에 대한 여러 가지 권장 사항으로 이어집니다.

하지만 티켓을 팔고 데이터 과학을 적용하는 것만으로는 충분하지 않습니다. 또한 분석하는 데이터의 컨텍스트, 데이터가 어떻게 사용되는지, 어떤 프로세스를 지원하는지 이해해야 합니다. 데이터 과학은 분석하는 데이터의 맥락을 이해하지 못하면 그 자체로는 가치를 창출할 수 없습니다. 당연한 것처럼 보일지 모르지만, 때로는 다음과 같은 오해가 있는 것 같습니다.

그런 식으로 작동하지 않습니다.

데이터 마이닝을 사용하여 초기 품질 평가를 수행합니다.

1. 하향식 접근 방식을 사용하여 분석을 시작하고 클러스터를 구축/분석합니다.
   
   
2. 가능한 경우 업계 표준에 대한 벤치마킹 사용
   
   
3. 스토리텔링을 사용하여 결과 설명하기
   
   
4. 다음을 포함한 가치에 초점을 맞춰 고객에게 최종 결과를 전달합니다.
   • 빠른 성공
   • 주요 권고 사항
   • 로드맵 및 관련 비즈니스 사례에 대한 입력
   • 다음 단계

물론 위의 내용에 대해 자세히 설명할 수도 있지만, 그렇게 하면 이 블로그 게시물이 너무 길어질 것입니다. 대신 여기에서 IBM이 제공하는 서비스에 대해 자세히 알아보세요.

또는 데이터 과학에 관심이 있고 이를 사용하여 회사의 데이터에서 가치를 창출할 수 있는 방법이 있다면 저에게 연락해 주세요. 다양한 의견이 있지만, 자신의 주장을 입증할 증거가 있으신가요? 그렇지 않다면 데이터를 가져오세요!

더 궁금한 점이 있으시면 언제든지 HHansen@dk.ibm.com으로 문의해 주세요.