What is *Too Big to Ignore* by Phil Simon about?

*Too Big to Ignore* explores the critical role of collaboration, technology, and data scalability in modern organizations. Phil Simon argues that businesses must adopt agile frameworks and decentralized systems to thrive in today’s fast-paced digital landscape. The book provides actionable strategies for leveraging platforms, APIs, and emerging tools to solve complex problems.

Who should read *Too Big to Ignore*?

This book is ideal for business leaders, project managers, and IT professionals seeking to future-proof their organizations. It’s especially relevant for those navigating hybrid workplaces, digital transformation, or data governance challenges. Simon’s insights cater to readers interested in practical tech adoption and collaborative workflows.

What are the key concepts in *Too Big to Ignore*?

- **Platform ecosystems**: How interoperable tools enhance organizational agility - **Data democratization**: Breaking silos to empower decision-making - **Low-code solutions**: Accelerating innovation through accessible tech - **Remote collaboration**: Redefining teamwork in distributed environments

How does *Too Big to Ignore* address workplace technology?

Simon advocates for “hub-and-spoke” models, where centralized platforms (hubs) integrate with specialized tools (spokes). He critiques legacy systems that hinder adaptability, offering case studies on companies successfully implementing AI, automation, and real-time analytics.

What critiques exist about *Too Big to Ignore*?

Some argue the book assumes mid-size corporate resources, potentially overlooking small-business constraints. Others note its focus on tech-savvy industries may limit applicability to traditional sectors. However, its principles remain broadly valuable for digital-first strategies.

How does *Too Big to Ignore* relate to Phil Simon’s other books?

It expands on themes from *The Age of the Platform* (tech ecosystems) and *The Nine* (workplace evolution), offering a tactical playbook rather than theoretical analysis. Simon ties concepts like data literacy and API-driven workflows to broader organizational trends.

What real-world examples does *Too Big to Ignore* use?

Case studies include: - Enterprise adoption of Notion and Airtable for project management - Healthcare systems using interoperable platforms for patient data - Retailers leveraging low-code tools to streamline omnichannel operations

How does *Too Big to Ignore* approach collaboration tools?

Simon emphasizes “purposeful tool stacking”—strategically combining communication apps (Slack, Teams), documentation platforms (Confluence, Coda), and workflow automations. He warns against tool sprawl, advocating for integrated ecosystems over disjointed solutions.

빅데이터가 만드는 세상 요약

The Business Case for Big Data

Phil Simon

3.65(129 Reviews)

빅데이터가 만드는 세상 요약 개요

"Too Big to Ignore"에서 필 사이먼(Phil Simon)은 넷플릭스나 구글과 같은 기업들이 어떻게 활용되지 않던 80%의 비정형 데이터를 활용하여 비즈니스 의사결정을 혁신하고 있는지 밝힙니다. 산업 전체를 변화시킨 것과 동일한 빅데이터를 통해 귀하는 어떠한 전략적 우위를 점할 수 있을까요?

전달 방식을 선택하세요

다양한 학습 방식으로 빅데이터가 만드는 세상 요약 살펴보기

빅데이터가 만드는 세상의 같은 아이디어를 담았습니다. 나에게 맞는 목소리, 깊이, 속도를 고르고 언제든 바꿔 보세요.

1장

표 안에 담기지 않는 데이터의 홍수

기업이 보유한 가장 가치 있는 정보는요, 아이러니하게도 한 번도 저장하는 법을 배워본 적 없는 종류의 데이터입니다. 지난 수십 년 동안 기업 데이터라고 하면 행과 열, 즉 고객 이름, 주문 번호, 배송일처럼 엑셀 표 안에 깔끔하게 들어가는 데이터였습니다. 하지만 2005년 무렵, 그 세상은 조용히 끝이 났습니다. 사진, 트윗, 콜센터 녹음 파일, 센서 데이터, 블로그 글처럼 표 안에 가만히 있지 않는 데이터가 폭증하기 시작했거든요. 그 누구도 예상하지 못한 속도였습니다. 심지어 오늘날 현대 기업이 만들어내는 데이터의 80% 이상은 엑셀로 열어볼 수도 없다는 추정도 있습니다. 컨설턴트 필 사이먼은 이 혼란의 한복판에서 15년 가까이 일하며, 기업들이 새로운 데이터의 폭포수 속에서 허우적대는 모습을 지켜봤습니다. 그가 책을 쓴 이유는 서버나 알고리즘에 탄복하기 위해서가 아닙니다. 이 변화가 기술의 문제이기 전에 근본적으로 '리더십의 문제'라는 점을 말하고 싶었기 때문입니다. 그가 설명하는 하둡, 노SQL, 컬럼형 데이터베이스 같은 도구들은 이 책이 나온 2013년 당시에는 최첨단 기술이었습니다. 물론 당시 공급업체 중 일부는 사라졌죠. 하지만 그 바탕에 깔린 핵심 본질은 전혀 사라지지 않았습니다. 리더가 조직의 이 엄청난 데이터 소음을 활용할 준비가 되었는지 어떻게 판단할 것인가? 수십억 개의 데이터 포인트를 경영진이 행동에 옮길 수 있는 통찰로 어떻게 바꿀 것인가? 그리고 기업이 이걸 대중 앞에서 잘못 다뤘을 때 무슨 일이 일어나는가 하는 점이죠. 이건 2013년의 옛날 소프트웨어 박물관 투어가 아닙니다. 기업 내부에서 데이터 기반의 의사결정 역량이 실제로 어떻게 구축되는지 보여주는 실전 이론입니다. 가치가 도대체 어디에 숨어 있었는지부터 하나씩 살펴보죠.

2장

혼란 속에 숨겨진 금광

보통 임원들은 '데이터'라는 말을 들으면 여전히 표를 떠올립니다. 고객 번호, 이름, 우편번호, 연락처처럼 깔끔하고, 세기 쉽고, 다루기 편한 형태 말이죠. 하지만 바로 그 직관 때문에, 정말 중요한 가치가 지금 어디에 존재하는지를 놓치게 됩니다. 병원을 예로 들어볼까요? 중간 규모의 지방 병원에는 하루 평균 200명 정도의 신규 환자가 입원합니다. 트윗이나 블로그 글이 아무리 쏟아져도 이 숫자는 바뀌지 않죠. 병상 수는 한정되어 있으니까요. 말하자면 '반 페이스북' 같은 조직입니다. 인터넷이 아무리 커져도 네트워크 효과를 누릴 수 없는 구조죠. 반면 아마존 같은 기업을 보세요. 영업사원이 특별히 노력하지 않아도, 로그인과 클릭이 쌓이면서 데이터가 저절로 늘어납니다. 두 조직은 성장에 대해 완전히 다른 관계를 맺고 있습니다. 그리고 오늘날 대부분의 기업은 병원과 아마존 사이에 어정쩡하게 서 있으면서, 자신이 어느 쪽에 가까운지도 모른 채 살아가고 있죠. 이번엔 아주 평범한 사진 한 장을 생각해보죠. 스마트폰으로 찍어 사진 공유 사이트에 올린 콘서트 사진입니다. 위치, 날짜, 밴드 이름 태그가 달려 있죠. 이 사진 한 장에는 시간, 파일 크기, GPS 좌표, 카메라 설정 같은 정보들이 그림자처럼 따라붙습니다. 이걸 바로 메타데이터, 즉 '데이터에 대한 데이터'라고 부릅니다. 누군가 '록 드럼 연주자'라고 검색했을 때, 올린 사람조차 태그하지 않은 사진을 찾아낼 수 있는 이유가 바로 이 메타데이터 덕분이죠. 이 정보 역시 표에 들어가지 않습니다. 혼돈의 영역에 존재하는 거죠. 이 혼돈은 어쩌다 생긴 게 아니라 의도적으로 거대합니다. 텍스트 위주에, 관계형도 아니고, 깔끔한 행과 열 구조를 거부하는 이 비구조화 데이터는요, 정형 데이터보다 10배에서 50배나 빠르게 증가하고 있습니다. 그런데 대부분의 기업은 이걸 그냥 외면해버립니다. IBM 설문조사에 따르면, 소셜 미디어 데이터를 수집하고 분석이라도 해보는 기업은 절반도 되지 않는다고 합니다. 트윗을 고객이 손을 들고 건네는 신호가 아니라, 그저 시끄러운 소음으로 치부하는 거죠. 여기서 발상을 바꿔볼 필요가 있습니다. 그 소음은 본질적인 비즈니스 질문을 방해하는 요소가 아닙니다. 오히려 다음 세대 비즈니스 질문의 답이 거기에 숨어 있죠. 이 80%의 비정형 데이터에 귀를 기울이는 기업은 무슨 거창하고 기이한 일을 하는 게 아닙니다. 그저 고객이 이미 말하고 있는 수많은 이야기에 드디어 눈을 뜨기 시작한 것뿐입니다.

들리는 모든 단어를 눈으로 확인하세요

빅데이터가 만드는 세상 요약의 각 단어가 오디오에 맞춰 실시간으로 강조되어 편하게 따라 읽을 수 있습니다.

3장

골프 가방 속의 두 개 클럽

그렇다고 해서 엑셀이나 정형 데이터를 버리라는 뜻은 아닙니다. 빅데이터 열풍이 흔히 빠지는 함정이 바로 여깁니다. 확실히 짚고 넘어갈 필요가 있어요. 급여, 청구서, 고객 기록 같은 평범하고 구조화된 거래 데이터조차 관리하지 못하는 조직이 비정형 데이터를 먼저 탐내는 건 어불성설입니다. 같은 골프 가방에 들어 있는 두 개의 골프 클럽을 떠올려보세요. 드라이버는 공을 300야드 날려 보낼 수 있지만, 드라이버로 퍼팅을 하는 사람은 없습니다. 좋은 점수를 내려면 두 클럽이 모두 필요하죠. 데이터도 마찬가지입니다. 사이먼이 말하는 '스몰데이터', 즉 잘 관리된 정형 데이터가 체커 게임이라면, 더 복잡하고 까다로운 비정형 데이터는 체스 게임입니다. 체커도 둘 줄 모르면서 체스판에 앉을 수는 없겠죠. 바로 이 문제에 평생을 바친 컨설턴트 토니 피셔는 왜 수많은 기업들이 여기서 막히는지 명확히 지적했습니다. 부서들이 회사 전체가 아니라 자기 부서의 프로그램만을 위해 데이터를 관리하기 때문입니다. 영업부는 영업만, 인사부는 인사만 최적화하죠. 그 결과, 회사는 자기 자신에 대한 가장 기본적인 질문조차 답하지 못하게 됩니다. 실제로 일하는 직원이 몇 명인가? 우리에게 부족한 역량은 무엇인가? 지난해 우리 제품을 산 고객은 누구인가? 사이먼이 지적했듯, 많은 기업이 스스로를 데이터 성숙도 피라미드 상단에 올려두지만, 안타까운 진실은 정상 근처에 있는 기업이 거의 없다는 점입니다. 대부분은 정확한 직원 수 파악조차 못 해 헤매고 있죠. 이게 왜 중요할까요? 뒤에서 다룰 첨단 도구들, 크라우드소싱 경진대회, 감정 분석, 시각화 대시보드 같은 것들은 이미 존재하는 기반을 증폭시킬 뿐이기 때문입니다. 중복된 고객 기록으로 가득 찬 회사는 트위터 데이터를 얹는다고 구원받지 못합니다. 혼란이 하나에서 두 개로 늘어날 뿐이죠. 빅데이터는 스몰데이터를 보완하는 것이지 결코 대체할 수 없습니다. 이 단계를 건너뛴 기업들은 새로운 도구에 거금을 쓰고도 예전의 무능함이 새 도구 안에서 똑같이 반복되는 것을 목격하게 됩니다.

4장

트위터가 넷플릭스에 만든 파장

빅데이터는 여러분을 보호해 줄 수도 있지만, 순식간에 칼날이 되어 돌아올 수도 있습니다. 2011년 여름 넷플릭스에 일어난 일보다 이 격변을 잘 보여주는 사례는 없죠. 당시 넷플릭스는 미국 내에서도 손꼽히는 정교한 데이터 시스템을 구축해 두었습니다. 2,500만 명의 사용자가 무엇을 보는지뿐만 아니라, 언제 일시정지를 하는지, 언제 뒤로 돌려보는지, 어떤 기기를 쓰는지, 하루 중 몇 시에 스트리밍을 하는지까지 추적했죠. 2011년 마지막 3개월 동안 시청된 시간만 20억 시간이 넘었고, 하루 평가 건수는 400만 건, 검색 건수는 300만 건에 달했습니다. 사람들이 본 콘텐츠의 4분의 3은 넷플릭스의 자체 추천 알고리즘에서 나왔습니다. 단순한 추측이 아니었습니다. 소비자 행동을 역사상 가장 세밀하게 파악한 지표였고, 리드 헤이스팅스는 이 데이터를 기반으로 사람들이 진심으로 사랑하는 회사를 만들었습니다. 그런데 헤이스팅스는 그 모든 데이터와는 아무 상관없는 경영상 결정을 내립니다. 우편 DVD 배송 서비스를 '퀵스터'라는 별도 브랜드로 분리하면서, 가격 인상과 브랜드 변경을 한 번에 매끄럽지 못하게 진행해 버린 겁니다. 고객들은 즉시 등돌렸습니다. 그리고 여기서 단순한 기업의 실수를 넘어선 빅데이터의 이야기가 시작됩니다. 반발이 소문으로 퍼진 게 아니라, 트위터와 페이스북을 통해 실시간으로, 모두가 보는 앞에서 번져나간 겁니다. 유튜브에는 "넷플릭스는 터무니없다"는 영상들이 올라왔습니다. 추정에 따르면 트위터 하나만으로 주가 하락 폭의 10% 이상이 설명될 정도였습니다. 헤이스팅스가 사과하고 방침을 철회하기까지 단 두 달 만에 시가총액 절반 이상이 날아갔고 80만 명 이상의 고객이 이탈했습니다. 여기서 얻는 교훈은 소셜 미디어가 위험하다는 게 아닙니다. 빅데이터는 좋은 판단력을 만들어내는 게 아니라, 당신이 이미 내린 판단력을 증폭시킬 뿐이라는 점입니다. 퀵스터 분리는 그 자체로 나쁜 결정이었습니다. 트위터가 실패를 만든 게 아니라, 구전 속도로 퍼질 실패를 빛의 속도로 퍼뜨렸을 뿐입니다. 이제 실시간 감정 분석 데이터를 손에 쥔 모든 리더는 이 점을 깊이 생각해야 합니다. 고객을 명확하게 보게 해주는 도구는, 고객 역시 당신의 실수를 명확히 보고 당신이 실수를 다 저지르기도 전에 전 세계에 알리게 만드는 도구이기도 합니다.

빅데이터가 만드는 세상 요약에서 더 많은 것을 얻으세요

매일 새로운 인사이트를 10만 개 이상의 레슨에서 만나보세요
단어가 강조되어 오디오와 실시간으로 동기화됩니다
내 라이브러리를 저장하고 모든 기기에서 이용하세요

5장

경영진이 믿는 이야기로 숫자를 바꾸는 법

이런 인사이트도 분석가의 노트북에만 갇혀 있다면 아무 소용이 없습니다. 진짜 실력은 1억 개의 행에서 패턴을 찾아내는 게 아니라, 회의실에 앉아 있는 회의적인 임원들에게 화면을 훑어보는 그 짧은 시간에 그 패턴을 설득해내는 것입니다. 이것이 바로 데이터 시각화가 단순한 부속품을 넘어 하나의 독립된 전문 분야로 자리 잡은 이유입니다. 태블로 소프트웨어가 DM 리뷰에서 '데이터 시각화 최우수상'을 받고 PC 매거진에서 '2005년 최고의 데이터 분석'으로 선정된 건 차트를 예쁘게 그려서가 아닙니다. 리더십의 아주 구체적인 문제를 해결했기 때문이죠. 100개 행으로 된 표는 눈으로 보며 특이값을 찾을 수 있지만, 1억 개 행에서는 그 누구도 할 수 없습니다. 시각 자료는 주장을 꾸며주는 장식이 아닙니다. 그런 엄청난 규모의 데이터 세트에서는 시각 자료만이 실제로 통하는 유일한 설득 도구입니다. 아마존은 일찍이 이 직관을 이해했습니다. 전국 정치 서적 판매량을 지도 위에 히트맵으로 구현해, 보수 성향 책이 진보 성향 책보다 많이 팔린 지역을 붉은색으로 빛나게 만든 거죠. 아마존은 "책 구매가 곧 투표는 아니다"라는 경고 문구를 잊지 않았습니다. 호기심으로 살 수도 있으니까요. 하지만 그 지도는 어떤 표로도 할 수 없는 일을 해냈습니다. 한 번의 훑어봄만으로, 설명하려면 수천 가지 크로스 집계표가 필요했을 내용을 단번에 이해시킨 겁니다. 설득력의 또 다른 축은 단순한 보여주기가 아니라 테스트입니다. '빅데이터'라는 용어가 쓰이기도 훨씬 전, 캐피털원은 고객을 대상으로 수천 번의 실시간 실험을 진행했습니다. 이자율, 연회비, 한도 설정을 다르게 조합해 우편을 보낸 뒤 어느 제안의 전환율이 높은지 측정한 거죠. 해러스의 CEO 게리 러브먼은 이 원칙을 아주 직설적으로 표현했습니다. 자기 회사에서 해고되는 방법은 딱 두 가지인데, 하나는 도둑질이고 다른 하나는 대조군 없이 비즈니스 실험을 하는 것이라고요. 2007년까지 캐피털원은 연간 2만 8천 건의 별도 테스트를 수행했습니다. 에릭 리스는 자신의 저서 <린 스타트업>을 홍보하면서 이 직관을 아주 사적으로 시험했습니다. 출판사가 가져온 터무니없는 표지 디자인을 두고 싸우는 대신, 표지 이미지와 부제를 두고 실시간 실험을 돌려 데이터가 증명하는 디자인을 선택했죠. 그리고 더 예리한 일을 했습니다. 사전 예약을 한 독자들에게 마케팅 뒤에 숨겨진 실제 실험 데이터를 공개한 겁니다. 테스트 과정 자체를 셀링 포인트로 만든 거죠. 여기서 기억해야 할 핵심이 있습니다. 데이터 중심 문화에서 설득이란 사람들을 숫자의 바다에 빠뜨리는 게 아닙니다. 반박할 수 없을 만큼 명확한 차트 하나, 테스트 결과 하나를 찾아내어 논쟁 자체를 종식시키는 것입니다.

6장

열린 워크숍: 하둡, 캐글, 그리고 빌려온 천재성

이제 실제 거대 기술의 세계로 들어가 보겠습니다. 대부분의 관리자들은 '하둡'이라는 단어를 들으면 조용히 집중력을 잃기 때문에, 신비감을 털어내고 설명할 필요가 있습니다. 하둡이 해결하는 본질적인 문제는 하나입니다. 기존 데이터베이스는 정보가 정돈된 행으로 들어온다고 가정하지만, 비정형 데이터는 그렇지 않다는 점입니다. 그래서 하둡은 모든 데이터를 먼저 표에 맞춰 넣는 대신, 거대한 문제를 작은 조각으로 나누어 병렬로 작동하는 수많은 일반 컴퓨터에 분산시킨 뒤, 그 결과를 다시 하나로 합칩니다. 무료 오픈 소스이며, 구글이 내부용으로 만든 도구에 뿌리를 두고 있죠. 하둡이 강력한 건 코드 자체 때문이 아니라 그 주변의 커뮤니티 덕분입니다. 마르셀 코르나커라는 구글 엔지니어는 대중이 결코 보지 못할 훌륭한 내부 도구만 만드는 데 지쳐 회사를 그만두었습니다. 2주 동안 빵을 구우며 쉰 뒤, 2008년에 클라우데라라는 작은 회사에 합류해 같은 기술을 세상에 공개하기로 했죠. 이 한 번의 커리어 선택이 하둡을 한낱 호기심거리에서 거대한 산업으로 발전시켰습니다. 하지만 경영 관점에서 더 흥미로운 변화는 플랫폼을 설치하는 게 아니라, 플랫폼을 쓰기 위해 모든 인재를 직접 소유할 필요가 없다는 사실을 깨닫는 것입니다. 2010년 앤서니 골드블룸과 제러미 하워드가 설립한 캐글이 대표적입니다. 기업이 데이터 세트와 실제 문제를 올리면, 100개국 4만 명 이상의 데이터 과학자 커뮤니티가 경쟁하여 문제를 해결하고, 상금은 승리한 모델에만 주어지는 구조입니다. 나사 역시 하버드 경영대학원, 탑코더와 함께 '나사 토너먼트 랩'을 통해 구조적으로 똑같은 일을 진행합니다. 한 경진대회에서 나사는 30년 치 행성 탐사 데이터 100테라바이트 이상을 공개하며, 이걸로 무엇을 만들 수 있을지 전 세계에 아이디어를 물었습니다. 단 2주 만에 212명이 등록했고 36개의 제출작이 들어왔죠. 우승작은 행성 데이터 문서고에서 아직 탐사되지 않은 '백색 지대'를 찾아내는 도구였는데, 나사 연구소가 아니라 우크라이나 키이우에서 일하는 20대 여성 엘레나 슈토바의 작품이었습니다. 상금은 단 1,000달러였죠. 기술을 모르는 리더가 이해해야 할 워크플로는 바로 이것입니다. 세계적인 수준의 사고력을 얻기 위해 데이터 과학자 군단을 직접 고용할 필요는 없습니다. 지구 반대편에 있는 낯선 사람이 해결할 수 있을 만큼 문제를 명확하게 정의할 수만 있으면 됩니다. 나사 팀 역시 가장 어려운 건 기술이 아니라, 외부에 있는 사람이 풀 수 있는 구체적인 질문으로 문제를 분해하는 과정이었다고 말했습니다.

들리는 모든 단어를 눈으로 확인하세요

빅데이터가 만드는 세상 요약의 각 단어가 오디오에 맞춰 실시간으로 강조되어 편하게 따라 읽을 수 있습니다.

7장

한 푼도 쓰기 전에 받아야 할 준비도 테스트

기업들이 이 모든 것에 흥분한 직후 범하는 실수가 있습니다. 자신들의 조직 문화가 기술을 쓸 준비가 되었는지 묻기도 전에 소프트웨어부터 구매하는 겁니다. 사이먼은 포춘 500대 기업 중 하나인 'ABC'라는 회사 이야기를 전하는데, 이는 끊임없이 일어나는 전형적인 사례입니다. ABC사는 화려한 새 전사적 시스템과 비즈니스 인텔리전스 도구를 도입했습니다. 인사부 임원 다이앤은 이 멋진 새 보고서 덕분에 인사부가 드디어 "진정한 전략적 파트너"가 될 수 있다고 동료들에게 자랑스럽게 말했죠. 하지만 다이앤이 몰랐거나 알기 싫어했던 진실은, 그 보고서가 새 소프트웨어에서 나온 게 아니라는 사실이었습니다. 그녀의 직원들은 여전히 기존 레거시 시스템에서 손으로 일일이 데이터를 끌어모으고 있었고, 그 엄청난 수작업 끝에 나온 보고서조차 오류투성이였습니다. 임원들은 소프트웨어를 탓했습니다. 하지만 소프트웨어는 죄가 없었죠. 들어가는 데이터 자체가 쓰레기였고, 아무리 정교한 도구라도 쓰레기를 통찰력으로 세탁해줄 수는 없습니다. '쓰레기를 넣으면 쓰레기가 나온다'는 원칙은 1980년대 메인프레임이나 지금의 하둡 클러스터나 똑같이 적용됩니다. 따라서 진짜 돈을 쓰기 전에, 리더는 몇 가지 짧은 질문에 정직하게 답해야 합니다. 앞으로 6개월, 그리고 3년 동안 이 데이터로 실제로 무엇을 할 것인가? 지금까지 한 번도 던져보지 않은 어떤 새로운 질문을 던질 준비가 되어 있는가? 그리고 더 날카로운 질문은 이것입니다. 경영진이 20년 동안 믿어온 직관과 전혀 다른, 예상치 못한 답이 나왔을 때 받아들일 준비가 되어 있는가? 기존의 직관을 확인해줄 데이터만 원하는 조직은 데이터 문화를 구축한 게 아닙니다. 그저 비싼 거울을 하나 산 것뿐이죠. 이 질문에 정직하게 답해보면 대부분의 조직은 세 부류로 나뉩니다. 첫째, 진정으로 나아갈 준비가 된 조직입니다. 이들에게 주는 조언은 간단합니다. 실행하되, 클라우드라는 대안이 있는데 굳이 모든 서버를 직접 사야 한다고 생각하지는 마세요. 둘째, 누가 봐도 준비가 안 된 조직입니다. 컨설턴트를 부르고 도입에 실패하기 전에 지금 정직하게 인정하고 6개월 뒤에 다시 검토하는 것이 가장 현명합니다. 셋째, 모호한 중간에 위치한 수많은 조직입니다. 이들의 정답은 결혼하기 전에 데이트부터 해보는 겁니다. 저비용 클라우드 기반 시범 사업을 운영해 보고, 영구적인 인프라를 구축하기 전에 투자 가치가 있는지 확인해보는 거죠. 그 어떤 것도 거창한 조언은 아닙니다. 하지만 이것이 회사의 사고방식을 바꾸는 빅데이터 이니셔티브가 될지, 아무도 다시는 언급하지 않는 비싼 지출 항목이 될지를 가르는 차이입니다.

8장

작은 걸음, 빠른 피드백

준비도 테스트를 통과했다고 해도, 그다음 실수는 첫날부터 바다를 끓여버리려 하는 겁니다. 첫 번째 프로젝트가 조직이 고객에 대해 궁금해했던 모든 것을 한 번에 해결해야 하는 것처럼 다루는 거죠. 보스턴의 도로 파임 신고 앱인 '스트리트 범프'가 훌륭한 반면교사입니다. 이 앱은 완성된 시스템으로 출시되지 않았습니다. 새로운 데이터 출처와 교훈이 쌓임에 따라 개선될 수 있는, '개념 검증' 단계에 가까운 거친 첫 번째 버전으로 시작했죠. 이건 기획의 실패가 아닙니다. 완성된 모습이 어떨지 아무도 모르는 분야에서 무언가를 만들어가는 가장 올바른 방법입니다. 시어스 백화점은 더 현실적이고 명확한 금액 단위의 사례를 보여줍니다. 비대해진 기존 IT 구조 때문에 시어스의 고객 분석 보고서는 작성하는 데 몇 달씩 걸리곤 했습니다. 월마트와 아마존이 실시간으로 움직이며 시장 점유율을 빼앗아가는 동안 보고서만 기다리고 있었으니 영겁의 세월이었죠. 시어스는 하둡과 관련 도구들을 도입함으로써 2012년 7월로 끝나는 분기 이익을 전 분기 대비 163%나 올릴 수 있었습니다. 최고기술책임자는 그 바탕에 깔린 철학을 아주 직설적으로 단언했습니다. 기존의 추출·변환·적재 프로세스, 즉 데이터를 들여다보기도 전에 몇 년에 걸쳐 경직된 형식에 맞춰 넣는 방식은 끝장내야 했다고요. 정교함이 중요하지 않아서가 아닙니다. 답이 어떤 모양이어야 하는지 미리 결정하는 대신, 하둡을 통해 원천 데이터를 있는 그대로 두고 직접 질문을 던질 수 있기 때문입니다. 두 사례의 패턴은 동일합니다. 분명하게 말할 수 있어요. 고객 행동을 제대로 추적해본 적도 없으면서 첫날부터 고객 이탈을 예측하려 들지 마세요. 실제로 끝낼 수 있을 만큼 좁은 범위에서 시작하세요. 답을 미리 알지 못하는 불안함을 받아들이고, 단 하나의 도로 파임도 발견하기 전에 회의실에서 완벽한 계획을 세우는 대신, 실제 사용을 통해 스트리트 범프처럼 도구를 개선해 나가는 겁니다.

빅데이터가 만드는 세상 요약에서 더 많은 것을 얻으세요

매일 새로운 인사이트를 10만 개 이상의 레슨에서 만나보세요
단어가 강조되어 오디오와 실시간으로 동기화됩니다
내 라이브러리를 저장하고 모든 기기에서 이용하세요

9장

냉장고가 말을 걸기 시작할 때

지금까지 다룬 모든 이야기는 사람이 직접 타이핑하고, 클릭하고, 업로드하고, 트윗하며 데이터를 적극적으로 만들어낸다고 가정한 것이었습니다. 하지만 다음 변화는 더 기이하고, 어떤 면에서는 훨씬 더 중대한 변화입니다. 우리가 아무것도 하지 않아도 기계가 우리에 대한 데이터를 스스로 만들어내는 거죠. 이걸 일컬어 '사물인터넷'이라고 부릅니다. 1999년 케빈 애슈턴이라는 연구원이 처음 만든 용어인데, 논리는 간단합니다. 컴퓨터에 센서, 알에프아이디 칩, 네트워크 연결 같은 자체 감각을 부여하면, 더 이상 사람이 정보를 입력해주길 기다리지 않습니다. 스스로 관찰하기 시작하죠. 11개 연속 아이팟 모델의 하드웨어를 설계한 엔지니어 토니 파델은 애플을 떠나 아무도 흥미롭게 생각하지 않았던 물건, 즉 온도조절기에 이 직관을 적용했습니다. '네스트 학습형 온도조절기'는 단순히 스마트폰으로 원격 제어를 하게 해주는 도구가 아닙니다. 겨울철 밤에는 집안 온도를 화씨 71도로 맞추고 낮에는 더 낮게 유지하는 당신의 취향을 조용히 학습한 뒤, 선호도를 입력하지 않아도 알아서 온도를 조절해 줍니다. 테네시주 채터누가의 비영리 전력회사 EPB는 똑같은 논리를 전력망 자체에 적용했습니다. 한 달에 한 번이 아니라 15분마다 사용량을 보고하는 스마트 계량기를 설치했죠. 이제 분노한 고객이 전화를 걸어야 겨우 알던 정전 상황을 몇 분 만에 감지하고 해결할 수 있게 되었습니다. 이 모든 과정에서 사람이 기록한 건 하나도 없습니다. 데이터는 그저 삶의 부산물로 쌓일 뿐입니다. 하지만 이런 수동적 데이터 수집이 어디까지 갈 수 있는지, 그리고 왜 윤리적 엄중함이 필요한지 극명하게 보여주는 사례는 유통업체 타깃에서 나왔습니다. 2002년, 마케팅 담당자 두 명이 통계학자 앤드루 폴을 찾아와 이상한 질문을 던졌습니다. "고객이 임신했다는 사실을 알리고 싶지 않아 하더라도, 우리가 그 사실을 알아낼 수 있을까요?" 폴은 이 과제를 진지하게 받아들였습니다. 임신이 시작될 때 바뀌는 작고 평범한 구매 패턴을 바탕으로 모델을 만들었죠. 무향 로션, 특정 비타민처럼 여성들이 새로 사기 시작하는 제품과, 반대로 사지 않게 되는 제품들을 분석했습니다. 타깃은 평범한 구매 이력만을 활용해, 임신 가능성이 높은 것으로 추정되는 여성들에게 아기 침대와 아동복 쿠폰을 우편으로 보내기 시작했습니다. 본인들이 임신 사실을 공개하기도 전이었죠. 1년쯤 지나, 분노한 한 아버지가 미니애폴리스 근교의 타깃 매장으로 찾아왔습니다. 고등학생 딸 앞으로 전달된 우편물에는 임부복 광고와 웃고 있는 아기 사진이 가득했죠. 그는 매장이 왜 여고생 딸에게 임신을 부추기느냐며 강력히 따졌습니다. 매장 매니저는 당황해 사과했고, 며칠 뒤 다시 전화를 걸어 사과를 전했습니다. 그런데 그 아버지는 뜻밖에도 조용해져 있었습니다. "딸아이와 이야기를 나눠봤습니다"라고 그는 털어놓았습니다. "제가 집안에서 무슨 일이 일어나는지 잘 몰랐더군요. 딸아이 출산 예정일이 8월입니다. 제가 사과드립니다." 오직 영수증 데이터로만 만들어진 타깃의 모델이, 딸의 친아버지보다 먼저 집안에서 무슨 일이 벌어지고 있는지 알아챘던 겁니다. 이 이야기는 약간 불편하게 느껴져야 정상입니다. 바로 그런 목적으로 들려드린 거니까요. 수동적 데이터 혁명은 당신이 의식적으로 제공하지 않은 구매 기록, 기기 설정, 온도 설정 하나하나를 모아 당신에 대한 프로필을 조용히 구축하고 있음을 의미합니다. 네스트를 스마트하게 만들고 EPB를 민첩하게 만드는 도구는, 타깃이 쇼핑 목록으로 임신을 추론하게 만드는 도구와 정확히 같습니다. 기술은 용도를 구분하지 않습니다. 오직 기술을 다루는 사람만이 구분할 뿐이죠.

10장

데이터가 말해주지 않는 것

결국 이 모든 논의는 차트, 알고리즘, 화려한 대시보드를 넘어 우리가 품어야 할 본질로 돌아옵니다. 이 도구들 중 그 무엇도 인간의 판단력을 대신할 수 없다는 사실입니다. 도구가 발전할수록 필요한 판단력의 무게는 더 커질 뿐이죠. 네이트 실버는 자신의 예측 작업을 설명하며 이렇게 말했습니다. 데이터 기반의 예측은 성공할 수도 있고 실패할 수도 있지만, 과정에서 자신의 역할을 부정할 때 실패할 확률이 급격히 커진다고요. 데이터에 더 많은 것을 요구하기 전에, 우리 자신에게 더 많은 것을 요구해야 합니다. 이건 기술의 승리를 말하는 자리에 덧붙이는 마지못한 조건이나 예외 조항이 아닙니다. 이 모든 주장의 진짜 핵심이죠. 이 혁명에서 진짜 가치를 얻어낸 조직들을 보세요. 하둡이 채 자리 잡기도 전에 자체 파일 시스템을 만들어낸 작은 광고 기술 회사, 데이터의 단절 대신 투명성을 선택한 건강 기록 스타트업, 문제를 혼자 움켜쥐는 대신 경진대회를 열어 외부에 공개한 정부 기관들. 이들이 승리한 건 가장 화려한 도구를 가져서가 아닙니다. 회의실에 앉아 있던 누군가가 불편한 질문을 던지고, 20년 동안 지켜온 조직의 직관에 반하더라도 그 답을 정직하게 받아들일 용기가 있었기 때문입니다. 이것이 데이터가 우리에게 던지는 진짜 초청장입니다. 그리고 이건 서버나 소프트웨어 라이선스와는 아무런 상관이 없습니다. 여러분의 업무 현장에도 외면하고 있던 숫자, 대충 둘러대며 넘어간 피드백, 고객이나 팀에 대해 이미 짐작하고 있지만 감히 확인하지 못한 어떤 패턴이 존재할 겁니다. 그걸 찾아낼 도구는 그 어느 때보다 저렴하고 흔해졌습니다. 하지만 도구가 해줄 수 없는 단 한 가지는, 그 현실을 직시할 용기를 주는 일입니다. 그 용기는, 예전이나 지금이나 오롯이 여러분의 몫입니다.

★★★★★

빅데이터가 만드는 세상 요약 완독을 축하합니다

“23일째 매일 사용하고 있어요. 이제 제 일상의 한 부분이 되었습니다.”

jayallen

빅데이터가 만드는 세상 요약의 핵심 주제

unstructured data management
data-driven decision making
predictive analytics strategy
information economy survival
enterprise data governance

빅데이터가 만드는 세상 요약의 명문장

Understanding Big Data isn't just advantageous; it's essential for survival.
Big Data isn't a magical solution to organizational problems.
Big Data complements but doesn't replace traditional systems.
Big Data cannot eliminate uncertainty entirely.
Big Data doesn't fit neatly into traditional database structures.

빅데이터가 만드는 세상 요약의 등장인물

Phil SimonAuthor and expert on Big Data strategy
Douglas LaneyAnalyst who defined the 3Vs of Big Data
Potter StewartJustice cited for his definition threshold

저자 소개

Too Big to Ignore: The Business Case for Big Data의 저자이자 수상 경력에 빛나는 필 사이먼(Phil Simon)은 데이터 분석, 직장 내 협업, 파괴적 혁신을 전문으로 하는 저명한 기술 및 비즈니스 전략 전문가입니다. 애리조나 주립대학교 W. P. 케리 경영대학원의 전직 교수인 사이먼은 기업 컨설팅 경험과 학술 연구 배경을 결합하여 비즈니스 리더들이 복잡한 기술적 변화를 쉽게 이해할 수 있도록 돕고 있습니다.

그의 14권의 저서—The Age of the Platform 및 The Nine: The Tectonic Forces Reshaping the Workplace 포함—는 기술, 커뮤니케이션, 조직 설계 사이의 진화하는 접점을 탐구하며 5차례의 액시엄 비즈니스 북 어워드(Axiom Business Book Awards)를 수상했습니다.

하버드 비즈니스 리뷰(Harvard Business Review), 뉴욕 타임스(The New York Times), CNN의 정기 기고가인 사이먼은 포춘 500대 기업들에 자문을 제공하며 넷플릭스(Netflix), IBM, 하버드 경영대학원에서 기조 연설을 해왔습니다. Too Big to Ignore에서 보여준 빅데이터에 대한 그의 실용적인 접근 방식은 실제 사례 연구를 바탕으로 정보 과부하를 활용할 수 있는 실행 가능한 프레임워크를 제공합니다. 이 책은 업계 리더들로부터 찬사를 받았으며 여러 언어로 번역되어, 기술적 복잡성과 경영진의 의사결정 사이를 잇는 가교로서 사이먼의 명성을 공고히 했습니다.

빅데이터가 만드는 세상 요약 다운로드

빅데이터가 만드는 세상 요약을 무료 PDF 또는 EPUB으로 받으세요. 인쇄하거나 오프라인에서 언제든 읽을 수 있습니다.

다른 사용자들도 좋아한 책

Big Data

Viktor Mayer-Schönberger & Kenneth Cukier

Bernard Marr

Phil Simon

Martin Lindstrom

Dimitri Maex

Eric Siegel

24 sources

Business Intelligence Careers and the Art of Storytelling

$Introducing Claude for Small Business \ Anthropic$ Small Business Suite: All-in-One AI Workspace | ClickUp

AI Software for Small Business — Automation Without Hiring | Arahi AI

8 sources

The AI-Powered Small Business

빅데이터가 만드는 세상 요약에 관한 자주 묻는 질문

더 알아보기

학습 계획

The Billion-Pound Blueprint

This blueprint is essential for ambitious entrepreneurs and executives aiming to transition from a successful model to a market-dominating empire. It provides the strategic roadmap for scaling operations without compromising the core integrity of the business.

45 m•3 섹션

학습 계획

Innovate Like the Top 1%

In an era of rapid change, the ability to innovate systematically is the only sustainable competitive advantage. This program is designed for ambitious leaders and entrepreneurs who want to move beyond luck and master the repeatable frameworks used by the world's most successful disruptors.

5 h 21 m•4 섹션

학습 계획

Digital Transformation: Systems Over Software

This plan is essential for leaders and entrepreneurs who feel stuck in reactive cycles and want to build scalable operations. It bridges the gap between simply using digital tools and architecting a business that improves itself through systems thinking.

2 h•4 섹션

학습 계획

The Decision Science Toolkit

In an era of information overload, the ability to think systematically is a competitive advantage. This plan is designed for leaders and problem-solvers who need to move beyond gut instinct to master logical frameworks and probabilistic reasoning.

2 h•4 섹션

학습 계획

Understand & influence human decision-making

In an era of information overload, understanding the hidden mechanics of the mind is a critical competitive advantage. This plan is ideal for leaders, marketers, and designers looking to leverage behavioral science to drive better results and ethical engagement.

4 h 40 m•4 섹션

학습 계획

The Superscaling Revolution

This plan is essential for entrepreneurs and leaders looking to move beyond linear growth into exponential territory. It provides the strategic blueprint for anyone needing to master modular systems and cost-efficiency at a massive scale.

1 h•2 섹션

학습 계획

The Hidden Operating System of Human Behavior

This plan bridge the gap between abstract psychology and practical application, revealing the invisible forces that govern our daily choices. It is essential for leaders, marketers, and anyone seeking to master influence and understand the mechanics of the human mind.

1 h 30 m•3 섹션

학습 계획

The Data Science Engine

In an increasingly data-driven economy, understanding the end-to-end lifecycle of information is a critical competitive advantage. This plan is ideal for aspiring data professionals and managers who need to bridge the gap between technical execution and ethical leadership.

2 h•4 섹션

컬럼비아 대학교 동문들이 제작 | 샌프란시스코에서 개발

BeFreed는 호기심 넘치는 글로벌 커뮤니티를 하나로 연결합니다

4.7

평균 평점

앱 평가 7.84천 개 이상

BeFreed 커뮤니티

정말이지 아직 앱을 다 써 보지도 않았는데, 며칠 써 본 것만으로도 깊은 인상을 받았어요… BeFreed는 제가 써 본 어떤 학습 앱과도 차원이 달라요. 몰입감이 엄청나고 집중력도 실제로 좋아져서, 스마트폰을 하염없이 스크롤하는 분들께 딱이에요!

@ladyInfinity

정확히 23일 전에 BeFreed를 구입했는데, 그날부터 하루도 빠짐없이 쓰고 있어요. 제 일상 업무 흐름과 학습 습관에 완전히 자리 잡았어요.

@jayallen

솔직히 이 앱은 제 기대를 전부 뛰어넘었어요. 어떤 주제든 오디오로 만들어 달라고 할 수 있고, 결과물이 놀라워요. 제 전문 분야는 심리치료 쪽이고 여러 학문이 얽혀 있는데도 답변이 아주 정확해요.

@Raguipa

제일 고마운 건 스크롤하는 시간이 확 줄었다는 거예요. 검색하는 시간은 줄고 흡수하는 시간은 늘었어요. 오디오북 전권, 팟캐스트, 학습 플랜의 조합이 정말 훌륭해요.

@colonyofcreatorsNGO

저는 24년째 PhotoReading 속진 학습 강사로 일하고 있어요… 책과 독서, 배움이 제 전문인데, BeFreed는 정보를 소화하기 쉽게 전달하는 혁신적인 방식을 정말 잘 구현했어요.

@BeFreed user

단순한 책 요약 앱이 아니에요. '재미' 스타일을 써 봤는데, 전통적인 방식보다 훨씬 나은 요약이고 아이디어를 이해하기도 쉬워요. 이것만으로도 값어치를 해요.

@austinakon

이 앱이 정말 좋아요. 며칠 써 봤는데 듣는 걸 멈출 수가 없어요. 시작하기에 이보다 좋을 수 없어요.

@jcrules328

정말 마음에 들어요. 한 달 정도 써 봤는데 숨은 보석을 찾은 기분이에요. BeFreed로 제가 원하는 주제를 직접 만들 수 있어서 좋고, 목소리도 훌륭한 데다 내레이션 선택지가 무궁무진해요.

@DanielCZ

정말이지 아직 앱을 다 써 보지도 않았는데, 며칠 써 본 것만으로도 깊은 인상을 받았어요… BeFreed는 제가 써 본 어떤 학습 앱과도 차원이 달라요. 몰입감이 엄청나고 집중력도 실제로 좋아져서, 스마트폰을 하염없이 스크롤하는 분들께 딱이에요!

@ladyInfinity

정확히 23일 전에 BeFreed를 구입했는데, 그날부터 하루도 빠짐없이 쓰고 있어요. 제 일상 업무 흐름과 학습 습관에 완전히 자리 잡았어요.

@jayallen

솔직히 이 앱은 제 기대를 전부 뛰어넘었어요. 어떤 주제든 오디오로 만들어 달라고 할 수 있고, 결과물이 놀라워요. 제 전문 분야는 심리치료 쪽이고 여러 학문이 얽혀 있는데도 답변이 아주 정확해요.

@Raguipa

제일 고마운 건 스크롤하는 시간이 확 줄었다는 거예요. 검색하는 시간은 줄고 흡수하는 시간은 늘었어요. 오디오북 전권, 팟캐스트, 학습 플랜의 조합이 정말 훌륭해요.

@colonyofcreatorsNGO

저는 24년째 PhotoReading 속진 학습 강사로 일하고 있어요… 책과 독서, 배움이 제 전문인데, BeFreed는 정보를 소화하기 쉽게 전달하는 혁신적인 방식을 정말 잘 구현했어요.

@BeFreed user

단순한 책 요약 앱이 아니에요. '재미' 스타일을 써 봤는데, 전통적인 방식보다 훨씬 나은 요약이고 아이디어를 이해하기도 쉬워요. 이것만으로도 값어치를 해요.

@austinakon

이 앱이 정말 좋아요. 며칠 써 봤는데 듣는 걸 멈출 수가 없어요. 시작하기에 이보다 좋을 수 없어요.

@jcrules328

정말 마음에 들어요. 한 달 정도 써 봤는데 숨은 보석을 찾은 기분이에요. BeFreed로 제가 원하는 주제를 직접 만들 수 있어서 좋고, 목소리도 훌륭한 데다 내레이션 선택지가 무궁무진해요.

@DanielCZ

유용한 정보와 아이디어를 8~15분짜리 팟캐스트 스타일 오디오로 압축해서 들을 수 있다는 게 정말 좋아요. 원래 팟캐스트는 군더더기가 많아서 안 좋아했는데, 여기는 그걸 싹 걷어냈어요.

@BeFreed user

박사 과정을 마무리하는 중이라 낯선 자료를 많이 읽어야 해요… BeFreed에서는 프롬프트만 입력하면 앱이 자료를 찾아서 오디오 팟캐스트로 만들어 줘요. BeFreed의 과정이 NotebookLM보다 더 매끄럽게 느껴져요.

@Brad

아침을 준비하거나 산책하거나 출퇴근할 때 들을 것을 YouTube에서 자주 찾곤 했는데, BeFreed는 광고도 군더더기도 없이 훨씬 더 딱 맞는 걸 들려줘요!

@BeFreed user

이 플랫폼의 가장 큰 장점은 활용도예요. 다루지 못하는 주제가 말 그대로 하나도 없어요. 무엇을 던져도 다 소화해요… 제한이 전혀 없으면서 약속을 실제로 지키는 학습 도구는 정말 드물어요.

@jayallen

BeFreed는 환상적이에요. 디자인이 편해서 헤매는 시간은 줄고 배우는 시간은 늘었어요. 오디오북, 팟캐스트, 학습 플랜의 조합은 천재적이에요. 제 하루가 완전히 달라졌어요.

@BeFreed user

처음엔 이탈리아어로 팟캐스트를 만드는 방법을 이해하는 데 시간이 좀 걸렸는데, 알고 나니까 — 와! 정말 대단해요! 어떤 주제든 설명해 달라고 하면 정말 똑똑하게 잘 설명해 줘요!

@matteo77

BeFreed는 제가 매일 쓰는 오디오북 앱이 됐어요… 제일 마음에 드는 건 텍스트를 넣으면 이동 중에도 들을 수 있는 오디오로 만들어 준다는 점이에요.

@kotanzu1

유용한 정보와 아이디어를 8~15분짜리 팟캐스트 스타일 오디오로 압축해서 들을 수 있다는 게 정말 좋아요. 원래 팟캐스트는 군더더기가 많아서 안 좋아했는데, 여기는 그걸 싹 걷어냈어요.

@BeFreed user

박사 과정을 마무리하는 중이라 낯선 자료를 많이 읽어야 해요… BeFreed에서는 프롬프트만 입력하면 앱이 자료를 찾아서 오디오 팟캐스트로 만들어 줘요. BeFreed의 과정이 NotebookLM보다 더 매끄럽게 느껴져요.

@Brad

아침을 준비하거나 산책하거나 출퇴근할 때 들을 것을 YouTube에서 자주 찾곤 했는데, BeFreed는 광고도 군더더기도 없이 훨씬 더 딱 맞는 걸 들려줘요!

@BeFreed user

이 플랫폼의 가장 큰 장점은 활용도예요. 다루지 못하는 주제가 말 그대로 하나도 없어요. 무엇을 던져도 다 소화해요… 제한이 전혀 없으면서 약속을 실제로 지키는 학습 도구는 정말 드물어요.

@jayallen

BeFreed는 환상적이에요. 디자인이 편해서 헤매는 시간은 줄고 배우는 시간은 늘었어요. 오디오북, 팟캐스트, 학습 플랜의 조합은 천재적이에요. 제 하루가 완전히 달라졌어요.

@BeFreed user

처음엔 이탈리아어로 팟캐스트를 만드는 방법을 이해하는 데 시간이 좀 걸렸는데, 알고 나니까 — 와! 정말 대단해요! 어떤 주제든 설명해 달라고 하면 정말 똑똑하게 잘 설명해 줘요!

@matteo77

BeFreed는 제가 매일 쓰는 오디오북 앱이 됐어요… 제일 마음에 드는 건 텍스트를 넣으면 이동 중에도 들을 수 있는 오디오로 만들어 준다는 점이에요.

@kotanzu1

웹에서 BeFreed가 어떻게 논의되고 있는지 더 보기

지금 바로 학습 여정을 시작하세요

9장

빅데이터가 만드는 세상 요약

빅데이터가 만드는 세상 요약 개요

다양한 학습 방식으로 빅데이터가 만드는 세상 요약 살펴보기

표 안에 담기지 않는 데이터의 홍수

혼란 속에 숨겨진 금광

들리는 모든 단어를 눈으로 확인하세요

골프 가방 속의 두 개 클럽

트위터가 넷플릭스에 만든 파장

빅데이터가 만드는 세상 요약에서 더 많은 것을 얻으세요

경영진이 믿는 이야기로 숫자를 바꾸는 법

열린 워크숍: 하둡, 캐글, 그리고 빌려온 천재성

들리는 모든 단어를 눈으로 확인하세요

한 푼도 쓰기 전에 받아야 할 준비도 테스트

작은 걸음, 빠른 피드백

빅데이터가 만드는 세상 요약에서 더 많은 것을 얻으세요

냉장고가 말을 걸기 시작할 때

데이터가 말해주지 않는 것

빅데이터가 만드는 세상 요약 완독을 축하합니다

빅데이터가 만드는 세상 요약의 핵심 주제

빅데이터가 만드는 세상 요약의 명문장

빅데이터가 만드는 세상 요약의 등장인물

저자 소개

빅데이터가 만드는 세상 요약 다운로드

다른 사용자들도 좋아한 책

빅데이터가 만드는 세상 요약에 관한 자주 묻는 질문

What is Too Big to Ignore by Phil Simon about?

Who should read Too Big to Ignore?

What are the key concepts in Too Big to Ignore?

How does Too Big to Ignore address workplace technology?

더 알아보기

BeFreed는 호기심 넘치는 글로벌 커뮤니티를 하나로 연결합니다

다양한 학습 방식으로 빅데이터가 만드는 세상 요약 살펴보기

표 안에 담기지 않는 데이터의 홍수

혼란 속에 숨겨진 금광

들리는 모든 단어를 눈으로 확인하세요

골프 가방 속의 두 개 클럽

트위터가 넷플릭스에 만든 파장

빅데이터가 만드는 세상 요약에서 더 많은 것을 얻으세요

경영진이 믿는 이야기로 숫자를 바꾸는 법

열린 워크숍: 하둡, 캐글, 그리고 빌려온 천재성

들리는 모든 단어를 눈으로 확인하세요

한 푼도 쓰기 전에 받아야 할 준비도 테스트

작은 걸음, 빠른 피드백

빅데이터가 만드는 세상 요약에서 더 많은 것을 얻으세요

냉장고가 말을 걸기 시작할 때

데이터가 말해주지 않는 것

빅데이터가 만드는 세상 요약 완독을 축하합니다

다른 사용자들도 좋아한 책

더 알아보기