저자 대화: 데이터 과학 팀을 최대한 활용하는 방법에 대한 Howard Friedman

[힘힘]

저자 대화: 데이터 과학 팀을 최대한 활용하는 방법에 대한 Howard Friedman

2024년 2월 12일| 회견

공유하다

인쇄

구하다

우리 모두는 최선의 결정이 데이터 중심이라는 것을 알고 있습니다. 그렇다면 분석 팀을 잘 활용하는 리더가 왜 그렇게 적은 걸까요?

가장 인기 있는 통찰력

1. 생성 AI의 경제적 잠재력: 차세대 생산성 개척지
2. 과대광고를 넘어서: 에너지와 재료 분야에서 Gen AI를 위한 새로운 기회
3. 결제 산업의 미래: 위험 관리가 성장을 촉진하는 방법
4. 흑인 거주자의 상태: 인종 평등 및 결과에 대한 장소의 관련성
5. 2024년 패션 현황: 불확실성이 지배하는 가운데 성장 기회 찾기

이번 Author Talks 에디션 에서는 McKinsey Global Publishing의 Ron Nurwisah가 데이터 과학자이자 보건 경제학자이자 Columbia University의 보건 정책 및 관리 부교수인 Howard Friedman과 그의 새 저서인 Winning with Data Science: A Handbook for Business 에 대해 이야기를 나눕니다. Leaders (Columbia Business School Publishing, 2024년 1월), Akshay Swaminathan 공동 집필. 이 책은 데이터 과학과 그 비즈니스 애플리케이션을 탐구하며, 데이터 과학 프로젝트 관리 중 의사소통 개선, 기본 개념 이해, 윤리적 고려 사항의 필요성을 강조합니다. 대화의 편집된 버전은 다음과 같습니다.

왜 이 책을 썼나요?

Play Video

동영상

실제로 필요성을 확인하는 것이 중요합니다. 데이터 사이언스 팀을 잘 활용하는 방법을 모르는 비즈니스 리더들을 보면 매우 답답합니다  . 그들은 팀을 비효율적으로 활용합니다.

통신 끊김도 문제입니다. 팀은 훌륭한 일을 하고 있지만 사업가는 좌절감을 느낍니다. 저는 그 격차를 해소하고 싶습니다. 저는 이사, 부사장, 최고 경영진이 대화를 나누고 데이터 팀에서 최대한 많은 가치를 얻을 수 있는 무언가를 원합니다. 그리고 나는 데이터 팀이 동시에 자신에 대해 정말 좋은 느낌을 받을 수 있는 것을 원합니다. 이를 통해 그들은 훌륭한 제품을 제공하고 있으며 모두가 그 제품에 감사하고 있다는 것을 알 수 있습니다.

책을 집필하거나 연구하면서 놀라웠던 점이 있었나요?

Play Video

동영상

사실 저는 이전에도 많은 책을 썼습니다. 이번이 첫 번째도 두 번째도 아니었습니다. 하지만 저에게 정말 흥미로웠던 점은 젊고 매우 재능 있는 데이터 과학자인 Akshay Swaminathan과의 협업이었습니다. Akshay와 나는 수년 동안 서로를 알고 있습니다.

우리가 어떻게 이 책을 흥미로운 책으로 만들 것인지에 대해 브레인스토밍을 할 때, 그는 내러티브 접근 방식을 사용하는 아이디어를 생각해낸 사람이었습니다. 이것이 바로 이 책이 비즈니스맨을 위한 대부분의 다른 데이터 과학 서적보다 매우 독특하고 독자 친화적이며 접근하기 쉬운 이유입니다.

서술적 접근 방식으로 이 두 가지 경력 시나리오를 선택한 이유는 무엇입니까?

Play Video

동영상

가상의 인물이 있습니다. 이들은 다양한 리더십 역할을 맡아 기업 세계를 헤쳐 나가며 데이터 과학 팀과 상호 작용하고 있습니다. 스티브(그나저나 내 중간 이름은 스티브)는 소비자 금융 회사에서 일하고 있습니다.

그는 다양한 로테이션을 거치고 있으며 다양한 것을 배우려는 도전을 받고 있습니다. 박사 학위를 마친 후 제가 처음 경험한 것은 소비자 금융 회사에서 근무한 것인데, 그곳에서 처음 5년 동안 4개의 다른 부서에서 일했습니다.

스티브는 내 인생과 꽤 가까웠고, 그와 그의 뒷이야기를 구체화하는 것은 정말 재미있었습니다. 우리는 이 책을 등장인물을 생각하는 소설처럼 만들려고 정말 노력했습니다. Akshay의 할머니 이름을 따서 명명된 Kamala는 건강 보험 분야의 리더십 분야에서 일하고 있습니다.

Akshay 자신은 의료 데이터 분석 분야의 이사입니다. 카말라의 이야기는 그의 경험과 제가 수년간 제약회사에서 일한 경험을 반영합니다. 도전 과제는 실제로 우리 자신의 삶과 전문가로서 수행한 작업을 반영합니다. 하지만 이 가상의 인물에 우리 자신의 개인적인 역사를 약간 섞는 것은 정말 재미있었습니다.

데이터 과학자가 아닌 사람들을 위해 데이터 과학을 덜 '무섭고 난해'하게 만들려면 어떻게 해야 할까요?

Play Video

동영상

 데이터 과학과 데이터 과학 의 전문화 에 대한 두려움을 어떻게 해소할 수 있을까요 ? 대화를 나누는 것입니다. 그것은 의사소통에 관한 것입니다. 사람들이 연결되어야 하는 첫 번째 영역은 우리가 말하는 내용에 동의할 수 있도록 정의하는 것입니다.

이 책에서는 사전처럼 보이지 않고 비즈니스 리더들이 데이터 과학에 대해 알아야 할 중요한 개념을 엮어 대화를 나눌 수 있습니다. 우리는 데이터 과학 정의를 가져옵니다. 하지만 우리는 프레임워크를 소개합니다.

데이터 과학 프로젝트이든 다른 유형의 프로젝트이든 프로젝트 관리의 개념은 동일합니다. 성공을 판단하는 방법은 동일한 대화가 됩니다. 그래서 우리는 책 전체에 걸쳐 이러한 프레임워크를 점진적으로 도입하여 사람들이 점들을 연결하는 방법을 이해하도록 돕습니다. 결국 데이터 사이언스는 전문 분야이다. 하지만 세상에는 전문적인 분야가 많이 있습니다. 대화를 더 많이 연결할수록 모든 사람이 노력에서 더 많은 가치를 얻을 수 있습니다.

생성 AI 및 데이터 과학을 사용할 때 명심해야 할 필수 원칙은 무엇입니까?

Play Video

동영상

생성적 AI(Gen AI)와 지난 몇 년 동안 우리가 보아온 놀라운 기능 중 일부는 정말 놀랍습니다. 제가 모든 비즈니스 리더에게 조언하는 중요한 고려 사항은 해결 중인 문제에 대해 생각해 보는 것입니다. 최신의 최고의 도구에 대해 너무 흥분하지 마십시오. 대신, 해결하려는 문제에 대해 생각해 보세요.

당신은 무엇으로 성공하고 싶나요? 수익이나 비용의 관점에서 문제를 보려고 하시나요? 체계적으로 접근해보세요. Gen AI가 판도를 바꾸는 솔루션을 제공하는 것으로 밝혀지면 좋습니다.

대답부터 시작하지 마십시오. 먼저 문제부터 시작한 다음 답이 무엇인지 확인하십시오.

대답부터 시작하지 마십시오. 먼저 문제부터 시작한 다음 답이 무엇인지 확인하십시오. 종종 가장 좋은 답변은 몇 가지 기본적인 분석으로 시작한 다음 고급 모델링이나 최신 도구를 사용하는 경우가 있습니다.

데이터와 AI로 작업할 때 윤리적 문제를 어떻게 염두에 둘 수 있습니까?

Play Video

동영상

데이터 과학과 AI 내의 윤리는 항상 다양한 측면에서 등장합니다. 기본 아이디어 중 하나는 개인 정보 보호 , 즉 사람들의 개인 정보가 노출될 수 있다는 것을 이해하는 것입니다. 그리고 그러한 개인정보를 보호하는 것은 모든 사람의 책임입니다 .

나오는 다른 항목은 데이터 사용에 관한 것입니다. 어떻게 적용될 예정인가요? 잠재적으로 사람들을 위험에 빠뜨리게 될까요? 아니면 [데이터]가 윤리적이고 사람들의 삶을 개선할 수 있는 방식으로 적용될 예정입니까 ? 알고리즘을 평가하여 반복되지 않는지 확인하고 편향을 강조하는 것이 절대적으로 중요합니다.

[데이터]가 윤리적이고 사람들의 삶을 개선할 수 있는 방식으로 적용될까요? 알고리즘을 평가하여 반복되지 않는지 확인하고 편향을 강조하는 것이 절대적으로 중요합니다.

이 평가를 수행하는 방법이 있습니다. 비즈니스 리더십 관점에서 데이터 과학 팀을 중요한 질문으로 무장시키는 것이 가장 일반적인 것입니다. 데이터 프라이버시를 어떻게 보호하고 있는지 물어볼 수 있는 짧은 질문 목록을 제공하는 것이 시작입니다.

알고리즘의 잠재적 편향을 어떻게 평가하고 있나요? 그들은 얼마나 자신감이 있나요? 잠재적인 위험은 무엇입니까 ? 자신이 부정적인 기사로 신문 1면에 실리는 순간을 원하는 사람은 아무도 없습니다. 동시에 이는 비즈니스의 광학적 측면에만 국한되지 않습니다. 이는 고객과 직원을 위해 올바른 일을 수행하고 데이터가 잘 사용되고 있는지 확인하는 것입니다.

관심 있는 이해관계자가 이 책에서 얻었으면 하는 한 가지는 무엇입니까?

Play Video

동영상

저는 사람들이 데이터 과학이 모든 사람에게 적합하다는 것을 깨닫기를 정말로 바랍니다. 접근 가능합니다. 그리고 데이터 과학의 좋은 고객이 되려면 기본 개념에 편안함을 느끼고 좋은 질문과 좋은 프레임워크로 무장해야 합니다.

해당 정보를 얻은 후에는 나가서 팀과 협력하고 다른 프로젝트와 마찬가지로 데이터 과학을 다루면 엄청난 가치를 얻을 수 있다는 것을 실제로 확인하십시오. 그게 핵심이에요.

데이터 과학자가 이 책에서 무엇을 배워야 할까요?

Play Video

동영상

저는 데이터 과학자들이 의사소통을 잘하고, 기술적 전문 용어에서 벗어나 고객이 기능을 이해하고 어떤 솔루션이 어떤 문제에 매핑되는지 확인할 책임이 있음을 인식하기를 바랍니다. 그들은 또한 해결책에 먼저 집중하기보다는 경청할 책임이 있습니다.

데이터 과학자는 의사소통을 잘하고, 기술적 전문 용어에서 벗어나 고객이 기능을 이해하고 어떤 솔루션이 어떤 문제에 매핑되는지 확인해야 할 책임이 있습니다.

이것이 바로 책의 대화 접근 방식에서 많은 대화를 볼 수 있는 이유입니다. 사람들이 “프로젝트가 무엇인가요? 목표는 무엇입니까? 우리는 무엇을 성취하려고 하는가?” 왜냐하면 당신이 그것을 확립한다면 당신은 이미 답의 절반에 도달했다는 것을 알게 될 것이기 때문입니다.

반면에 망치를 들고 들어가면 항상 못을 찾고 있는 것입니다. 우리는 데이터 과학자들이 그렇게 하는 것을 정말로 원하지 않습니다. 먼저 듣고, 고객과 소통하고, 이해하는 것이 접근 방식의 일부입니다.

예를 들어, 나는 매우 정량적인 대학원 배경을 가지고 있었습니다. 저는 고급 통계와 공학을 공부했습니다. 하지만 기업 세계에 들어왔을 때 성공적인 데이터 과학자이자 분석가가 되고, 고품질의 작업을 생산하고, 팀을 이끌려면 프로젝트 관리자가 가져오는 큰 가치를 이해해야 한다는 점을 인식하는 데 시간이 조금 걸렸습니다. 진행자와 커뮤니케이터가 가져오는 큰 가치를 테이블에 올려보세요.

제가 성공할 수 있도록 도와주신 분들이에요. 그래서 저는 저에게 그러한 질문을 하도록 가르쳐 준 훌륭한 프로젝트 관리자들과 함께 일했던 초기 시절에 대해 영원히 감사하고 있습니다. 그들은 나에게 귀를 기울인 다음 내가 구축할 수 있다고 알고 있는 것뿐만 아니라 고객이 원하는 것에 맞춰 솔루션을 조정하는 방법을 가르쳐 주었습니다.

Play Video

동영상

데이터 과학 팀을 활용하는 방법에 대한 Howard Friedman

전체 시리즈를 보려면 Author Talks를 방문하세요 .

더 알아보기

저자 소개

하워드 프리드먼(Howard Friedman) 은 컬럼비아 대학교의 수석 데이터 과학자, 보건 경제학자, 보건 정책 및 관리 부교수입니다. Ron Nurwisah 는 McKinsey Global Publishing의 수석 편집자이며 뉴욕 사무실에서 근무하고 있습니다.

인터뷰 대상자가 표현한 의견과 의견은 개인의 의견이며 McKinsey & Company의 의견, 정책 또는 입장을 대표하거나 반영하지 않으며 McKinsey & Company의 승인을 받지도 않습니다.