‍

일반 현업 전문가를 데이터 분석가로 변모시키는 시도는 여러모로 훌륭한 데이터 전략이라고 볼수 있습니다. 가장 현장적인 추론 모델을 만들어 낼수 있기 때문입니다. 이런 현업 출신 데이터 과학자를 CDS(Citizen Data Scientist)라 부르며, DeepSkill은 가장 종합적이고 실전적인 CDS 양성 커리큘럼을 PBL(Project-Based Learning) 형태로 제공합니다. 왜냐하면, ‘실무의 문제를, 실무의 데이터’로 함께 분석하기 때문입니다. DeepSkill 팀은 고강도의 밀착 교육을 위해 NDA(비밀유지각서)를 작성하게 됩니다. DeepSkill의 교육 과정 중 ‘컨설팅과 경계가 가장 모호하다’할 정도로 실천적으로 진행됩니다.

‍

데이터 리터러시가 무엇인지에 대한 시장적 합의는 없습니다. 다만, 분석 기법과 툴 사용법을 데이터 리터러시로 한정하지 않았으면 좋겠습니다. 의사결정 원리를 모르면 분석 기법은 무용하기 때문입니다.

그래서, 큰 문제를 작은 문제로 쪼개고, 생각의 사각지대를 없애고, 쪼개진 소결들을 큰 생각 구조물로 융합하고 소통하는 감각이 우선입니다. 분석은 설득이고 합의이니까요.

DeepSkill은 분석기법보다는 분석기법을 고르는 눈을, 상관관계를 불러오는 기능 사용법보다 인과추론하는 사고력을 훈련에 집중합니다.

‍

혁신은 담론에 있지 않고, 디테일에서 시작됩니다. 그 디테일은 현장 임원들의 몫이죠. 데이터가 아무리 많아도 기획하지 못하고 리뷰하지 못하는 임원은 오히려 걸림돌이 됩니다.DeepSkill은 국내 재계순위 3위 이내 그룹의 인재개발부서와 협업하여 데이터 기반 리더십 역량모델을 완성하였으며 이를 기반으로 평가 및 훈련이 가능한 완결된 커리큘럼을 구축하였습니다.이후, 국내 대기업 임원 및 핵심인재 대상 평가 데이터를 지속 축적해산업간 직무간 임원의 데이터 리더십 역량을 상호 비교 평가할 수 있게 되었습니다.

지식을 전달하는 교육만으로는 혁신이 시작되지 않습니다. 왜 디지털 대전환하고 데이터 기반 문제해결 해야는지 공감해야 비로소 자발성이 살아납니다.단순히 학위만 높고 지식이 많아서는 이런 감화를 끌어내는데 한계가 있습니다. 디지털 대전환을 몸소 진두지휘 해보며 다양한 이슈를 소화해본 전문가만이 Why를 이끌어 낼수 있습니다. DeepSkill 은 산업/업태/직무별 Why에 대한 감성적 이성적 논거를 끊임없이 수집 연구합니다.

챗GPT가 대중들에게 선보여진 이후 괄목할만큼 성장한 AI에 대해 우리는 기대 반 걱정 반의 시각을 가지고 있습니다. 2007년 아이폰 출시라는 혁신이 있었지만, 스마트폰이 모바일 생태계라는 새로운 세계를 만든 것은 그 후 수년간에 걸친 진화였습니다. 세상에 뛰어난 기술이 나오는 것과, 그 기술이 사람들이 일상적으로 쓰이게끔 하는 것은 별개의 과제인 것을 보여준 사례죠. 새로운 기술인 AI에게 어떤 일을 시켜야 하고 어떤 일을 시키면 안되는지 파악하는 감각은 AI와의 협업 효과를 양극화하는 역량이 될 것입니다. AIQ라는 책의 한 구절처럼 "똑똑한 기계는 똑똑한 사람이 필요하다"는 말이 시의적절해 보입니다. AI 시대에 초래될 양극화의 선두에 서기 위해 갖춰야 할 사고력은 무엇일지에 대해 DeepSkill 팀은 시장의 변화에 맞춰 지속적으로 연구하고 이를 기업에 체화하는 교육을 진행해왔습니다.

디지털 트랜스포메이션(DT 혹은 DX)이라는 거대 화두를 아무 구체화 없이 논하는 것은 종종 방향성을 모호하게 만듭니다. 거대 담론이라 할지라도 시작은 small success에서부터여야만 조직이 움직이고 후속 변화로 이어지는 것이죠. 성공체험을 위한 '문제'를 정의하는 것은 일방적인 교육 만으로 오롯이 되지는 않는 경우가 많습니다. 해답은 실무를 담당하고 계시는 분들이 가지고 있고, 이를 구체적인 과제로 정의하는 것은 외부 전문가와의 고강도 협업이 필요합니다. DeepSkill 팀은 다수 고객사에서 가지고 계셨던 갈증을 끄집어 내어 구체적인 혁신 과제로 기획하는 워크샵을 진행해왔습니다. 해당 고객사들에서 DT/DX를 주도하시는 팀에서는 이러한 기획서를 모두 취합해 가신 것은 의미있는 변화의 시발점이 되겠죠. 이 과정에서 교육 참가자 중 한분이 지루하게 단순반복하던 업무를 자동화하는 과정이 "게임을 하는 것 같이 중독성 있다"고 하신 것은, 이 변화의 에너지가 단순히 시간과 비용과 같은 가시적 측면 이상임을 보여줍니다.

디지털 트랜스포메이션(DT 혹은 DX)의 핵심은 변화관리이기 때문에, 이를 지속화하기 위한 정예 요원들을 선발해서 운영하는 경우들을 많이 봅니다. 이 변화는 다소 급하게 추진되고 있는 면이 있기 때문에, Top management의 의욕만큼 조직이 빠르게 따라오지 못하는 경우 또한 상당히 있습니다. 이러한 상황에서 자칫 Why에 대한 공감대가 없이 Top-down으로 변화를 끌고 가는 것은 자칫 조직 내에서의 괴리를 더 크게 만드는 우를 범할 수 있습니다. 때문에 이 요원 분들의 역할에 대한 당위성과 구체적인 정의를 교육하는 것이 DT/DX라는 변화가 부드럽게 활공하는 데에 결정적인 역할을 합니다. 이 때 DT/DX Agent 분들께는 이미 통달하신 하드스킬을 반복 교육하는 것보다 변화관리를 위한 소프트스킬이 교육 효과가 더 크다는 것을 목도해왔습니다. DeepSkill 팀은 국내 선도 대기업 고객사의 DT/DX Agent 분들을 집중 육성하는 과정을 성공적으로 운영해왔습니다.

데이터 분석은 근본적으로 답을 주는 행위가 아닙니다. 좀더 설명력이 높은 결과를 위해 부단히 가다듬는 과정만 있을 뿐입니다. 이런 분석의 근본적인 특징을 체화하기 위해서는 철저히 상황에 기반한 데이터 분석 실습을 해야 합니다. 정갈하지만 지루한 예제 풀이만으로는 한계가 있죠. 학습자의 산업/직무에 특화된 문제상황과 데이터셋을 이용해 특정 결과치가 아닌 논거 간 스토리로 공감을 이끌어 내고 설득을 완성하는 상황형 문제해결 훈련을 반드시 해야는 이유입니다. 파이썬과 R 등 하드스킬을 학습하는 것 또한 분절된 예제가 아니라 비즈니스 상황과 연동되었을 때 학습자 분들의 몰입도가 비교할 수 없이 배가된다는 것을 교육 현장에서 느끼고 있습니다.

세상의 문제가 점점 복잡해 지고 있습니다. 이를 해결하기 위해서는 비즈니스 리터러시, 데이터 리터러시, 디지털 리터러시를 통합적으로 연결하는 3 리터러시가 필요합니다.데이터는 비즈니스 문제를 해결하기 위해 존재하고, 디지털 환경은 데이터의 엄마이기 때문입니다. 대 변혁의 시대 이 셋을 아우르는 가장 거시적인 조감도를 디자인 할 줄 알아야 합니다. DeepSkill은 세 리터러시를 통합하는 검증된 훈련 체계를 자체적으로 개발하였고 이미 수 많은 기업 임원 및 핵심인재와 실습해 풍부한 산출물을 자산화 하고 있습니다.

분석 기법을 사전편찬식으로 배우는 것은 문제해결에 별로 도움이 되지 않습니다. 마치 빈출 영단어집을 모두 외웠지만 외국인과 자유롭게 대화하지 못하는 것처럼 말입니다.중요한 것은 상황에 맞게 분석 기법을 선별하는 능력이 더 중요합니다. ChatGPT의 발달로 선별된 분석기법을 실제 수행하는 허들은 많이 낮아진 탓도 있습니다. 상황에 최적합한 문제해결 어프로치를 설계하고 그에 맞는 기법을 선별하며, 때로는 복수의 기법을 복합적으로 운용할 줄 아는 법을 집중 훈련합니다.

인과추론은 사회과학 뿐만 아니라 자연과학에서도 어렵습니다. 그래서, 데이터과학의 대부분이 상관관계 기법을 근간으로 하고 있는 이유이기도 하죠. 하지만, 역설적이게도 인과추론에 대한 감각이 뚜렷해야 상관관계 기반 분석을 더 효과적으로 수행할 수 있습니다. 나아가 상관관계 기반으로 추론하는 AI 모델에게 인과 감각으로 피드백을 주는 것은 기계 대비 인간의 특장점이 될 수 있습니다. DeepSkill은 인과추론 감각을 체계적으로 훈련하기 위한 다양한 산업별/직무별 연습문제를 보유하고 있습니다.

데이터 기반 의사결정은 굉장히 많은 절차들의 집합입니다. 그리고 그 각각의 절차들은 고유의 함정(pitfall)을 가지고 있죠.

그래서 분석 절차별로 어떤 함정들이 있을 수 있는지 총 망라해서 학습하는 것은 두고두고 유익합니다.

DeepSkill은 다양한 실제 분석 경험을 바탕으로 휴먼에러부터 디지털 환경 구축 실패까지 분석 단계 별 주요 함정을 망라한 함정집을 집대성해하여, 분석가의 시행착오를 줄이고자 합니다.

‍

CDO(Chief Data Officer, 최고데이터책임자)는 데이터 과학자가 아닙니다. 회사의 전략, 디지털환경, 조직, 법/제도를 모두 고려하여 종합적 의사결정을 하는 일반 경영임원에 가깝습니다. 데이터 과학자 출신 CDO는 '경영'을 이해하는 과정이 필요합니다. 그래서, DeepSkill은 2023년 가장 균형잡힌 CDO육성 프로그램 CDO 마스터 코스를 런칭하게 됩니다. 최고 데이터 임원에게 필요한 전략적, 기술적, 조직적, 법/제도 적 제반 이슈를 강화해 명실상부한 경영자가 되게 합니다.

‍