지난 글 이후로 많은 의견을 받았는데, 답변차원에서 2번째 글타래를 이어가본다. 지난 글에서 이미 컨설턴트의 '케이스 풀이법'에서 선형적 비지니스 접근의 한계에 대해서는 언급했으므로, 이번에는 실제 현업에서 비지니스 하는 사람들과 컨설턴트들의 차이를 살펴보자. 케이스 풀이법에서 슈퍼마켓 예시를 들었으니 같은 산업에서 스토리를 이어가보려 한다.

우리 회사에 전략 컨설팅 방식의 비즈니스 접근 방식을 좋아하고, 그 방법으로 비지니스 의사결정을 안 하고 있는 상황을 잘못되었다고 지적하는 직원이 하나 있다. 그 분의 접근 방식이 왜 잘못되었는지를 설명하다보니, 해당 설명이 왜 선형 회귀에서 비선형 회귀 또는 머신러닝으로 계산 알고리즘의 중심축이 이동하고 있는지와 맞닿아있는 것 같아 글을 한번 정리해본다.

대부분의 일반인들에게 빅데이터 분석이라고 하면, 빈도수 기반으로 워드 클라우드를 뽑아내거나, 데이터와 관련된 그래프를 뽑아내는 것으로 이해하고 있을 것이다. 혹은 나아가 빅데이터 분석의 키워드를 데이터 과학(Data Science)로 잡을 확률이 높고, 지적 & 철학적으로 훈련된 리그로 가면 복합지능(Integrated Intelligence)라는 표현을 진정한 키워드로 보기도 한다. 그러나 사실 필자가 생각하기에 빅데이터 분석의 핵심 키워드는 계산과학(Computational Science)이다. 그렇다면 계산과학이란 무엇일까?