정책초점 빅데이터시대, 데이터과학자양성방안 조완섭충북대학교경영정보학과교수 wscho@cbnu.ac.kr 빅데이터시대를이끌어갈전문가로데이터과학자 (data scientist) 에관한관심이뜨겁다. 데이터과학자 (data scientist) 란데이터를수집, 정리, 조사, 분석, 가시화할수있는전문가이다. 많은언론과전문가들이데이터과학자의수요가급증할것이라보도하고있다. 1) CNN 은 2012 년최고유망신규직종으로데이터과학자를선정하였으며, 2) 하버드비즈니스리뷰 (Harvard Business Review) 도 21세기의 가장매력적인 직종으로데이터과학자를선정하였다. 3) 맥킨지보고서에서는 2018 년까지미국에서만 140,000~190,000 명의데이터분석전문가가추가로필요할것이고, 1,500,000 명의데이터분석기반의관리자가필요할것이라고분석하고있다. 4) 이와같이데이터과학자에관한언급은데이터과학자가쏟아지는방대한데이터속에서의미를발굴하고그것을비즈니스가치로연결하는사람들이기때문이다. 자료 : LinkedIn 보고서. [ 그림 1] 데이터과학자의수요 0.1 0.09 Analytics and Data Science Job Growth 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 1) McKinsey(2011. 5), Big Data: The next frontier for innovation, competition, and productivity; CNN Money(2012. 11), Best new jobs in America(http://money.cnn.com/gallery/pf/2012/11/01/best-new-jobs-in-america/3.html); Thomas H. Davenport and D.J. Patil(2012. 11), Data Scientist: The Sexiest Job of the 21st Century, Harvard Business Review; NASCIO(2008. 4), Data Governance Managing Information As An Enterprise Asset: Part I An Introduction, NASCIO Governance Series(www.nascio.org); Mike Loukides(2010. 6), What is Data Science?, An O Reilly Radar Report. 2) CNN Money(2012. 11). 3) Thomas H. Davenport and D.J. Patil(2012. 11). 4) McKinsey(2011. 5). 44 과학기술정책
[ 그림 1] 은데이터과학자의수요를조사한 LinkedIn 사의보고서이다. 5) 2010 년에신규취업자 1,000 명중에서 1명 (0.1%) 이데이터과학자임을보여주고있다. 2010 년을전후로하여미국의많은대학들에서앞을다투어데이터과학자양성프로그램을만들고있으며, 6) 국내에서도이같은현상은마찬가지이다. 필자는국내에서처음으로 (2012 년 3월 ) 미래창조과학부의지원으로대학원과정에빅데이터전문가양성석사과정학과를만들어운영하고있다. 7) 그이후에서울의몇몇대학들에서도빅데이터인력양성에관심을갖고학과신설이잇따르고있다. 대부분의인력양성프로그램은대학원수준에서석사과정등으로이루어지고있으며, 일부프로그램은직장인을대상으로한자격증프로그램으로운영되고있다. 8) 본고에서는빅데이터시대에가장중요한역할을담당할것으로생각되는데이터과학자의양성방안에관하여논의하고자한다. 먼저데이터과학자가가져야할역량을살펴보고, 교육과정의구성과선진국사례를살펴본다. 마지막으로국내실정에맞는데이터과학자양성방안을제안한다. 정책초점 1. 데이터과학자가가져야할역량은? 미국공영방송인 NPR 에서 최근기업들은머리는수학 / 통계지식으로, 손은컴퓨터해커수준으로, 눈은예술적안목을가진사람 (data scientist) 을찾는데애를먹고있다 라고한보도에서데이터과학자가가져야할역량을잘묘사하고있다. 데이터과학자는먼저수학과통계지식을갖추고있어데이터를분석하고해석하는능력을가져야하며, 다음으로 IT 기술을가지고있어초대규모데이터를수집하고통합하며, 관리할수있어야하고, 마지막으로분석결과에담긴의미를적합한방식으로 ( 예술적인안목으로 ) 가시화하여의사결정자에게적시에제공할수있는능력을겸비해야한다는의미이다. 일반적으로데이터과학자는데이터생명주기 (data lifecycle) 전반을관리하는책무를가진다. 데이터생명주기는데이터의생성과수집및통합, 저장과관리, 분석과가시화에이르는전체과정을의미한다. 현대사회에서데이터는수많은곳에서생성되고있다. 365 일생성되는시내버스운행기록이나공장라인의생산관련정보, 교통카드나신용카드사용기록, 페이스북이나카카오톡등소셜미디어데이터, 고속철도운행을제어하는수천개의센서, 석유시추시설을모니터링하기위해부착된수만개의센서데이터, 병원혹은생명공학연구소에서첨단장비들이생성하는데이터등다양한유 5) Mike Loukides(2010. 6); Datanami Staff(2012. 4. 10.), Six Big Name Schools with Big Data Program, datanami (http://www.datanami.com/datanami/2012-04-10/six_big_name_schools_with_big_data_programs.html?page=2). 6) Datanami Staff(2012. 4. 10.); Michael Rappa(2012. 6.), Master of Science in Analytics, Goals, Learning, Outcomes, North Carolina State University, Institute for Advanced Analytics Report; William Finzer, The Data Science Education Dilemma, Report(supported by National Science Foundation under: KCP Technologies Award ID: 0918735 and UMass Amherst Award ID: 0918653). 7) 충북대학교비즈니스데이터융합학과 (http://bigdata.chungbuk.ac.kr). 8) Datanami Staff(2012. 4. 10.); Michael Rappa(2012. 6); EMC, Data Science and Big Data Analytics(http://education.EMC.com/DataScience). 제 23 권제 3 호 45
정책초점 형의데이터가 24 시간, 365 일쏟아지고있다. 데이터과학자는이와같은다양한데이터소스로부터데이터를추출하여통합하는능력을가져야한다. 다음으로수집, 통합된데이터를기존의데이터베이스 ( 소규모의경우 ) 나하둡 (Hadoop) 등의저장시스템에분석하기적합한형태로저장하고관리할수있어야한다. 빅데이터의경우기존데이터베이스의저장한계로인해수천대의컴퓨터를연결하여방대한저장용량을갖도록한클라우드 / 하둡등의시스템이사용되므로이에관한기술도가져야할것이다. 마지막으로저장된방대한데이터를신속하고도정확하게분석하는기술이야말로데이터과학자의필수능력이될것이다. 특히분석결과를다양한형태로가시화 (visualization) 하여제공함으로써방대한데이터가가지는의미를직관적으로전달하는능력이중요한요소이다. [ 그림 2] 는데이터과학자가지녀야할역량을벤다이어그램으로잘묘사하고있다. 9) 해킹스킬은 IT 기술을의미하며특히대규모데이터베이스구축과관리기술, 하둡및클라우드시스템기술, 가시화기술등이여기에해당한다. 수학과통계기술은데이터분석에서필요한통계모델링기술과분석결과의적절한해석등에관한백그라운드지식을의미한다. 마지막으로현업 ( 비즈니스 ) 지식은빅데이터가발생하는현업 ( 예를들어생산, 마케팅, 의료, 생명공학등 ) 의업무지식을의미한다. 이세가지를골고루갖춘사람을데이터과학자라고한다. 재미있는사실은 IT 기술과업무지식만을갖춘전문가를위험한인물로묘사하고있는데이는수학및통계지식이결여된분석결과를중요한의사결정에사용하면위험하게된다는의미이다. [ 그림 2] 데이터과학자역량벤다이어그램 자료 : http://www.dataists.com/2010/09/the-data-science-venn-diagram/ 9) Conway, D.(2010), The data science venn diagram, Dataists(http://www.dataists.com/2010/09/the-data-science-venn-diagram/database); William Finzer. 46 과학기술정책
이외에도데이터과학자는호기심, 창의성, 객관성, 논리적 / 구조적사고, 인내심, 상식, 그리고세부사항에대한이해력등의자질을갖추어야한다고주장하고있다. 쓰레기더미같은방대한데이터로부터정제, 통합, 분석과정을거쳐의미있는결과를만들어내는일은마치과학수사관이사건현장의혈흔이나발자국지문등을근거로사건을풀어나가는것과유사하다는측면에서중요한자질로인식되고있다. 정책초점 2. 빅데이터프로그램의교육과정은? 데이터과학자양성프로그램의교육과정도데이터과학자가가져야할역량을배양하는데초점을맞추어야한다. 즉, IT 기술과수학및통계지식그리고현업지식을갖추기위한교과목들로구성된다. 물론기존의 IT 분야세부기술관련전체과목보다는데이터관련과목들 ( 예 : 데이터베이스, 데이터마이닝, 데이터베이스프로그래밍등 ) 에포커스를맞추어공부하는것이중요하다. 마찬가지로수학및통계분야나현업지식부분에서도전체분야보다는데이터분석과관련된일부과목들이필요한것이다. 가. 충북대학교빅데이터전문가양성을위한석사과정의교과과정 10) < 표 1> 충북대학교비즈니스데이터융합학과교과과정 ( 일반대학원석사과정 ) 과목명분야개요 1 대용량데이터베이스 IT 빅데이터를다루기위한데이터베이스기술 2 기업프로세스통합적분석 비즈니스 기업의경영개선을위한기업프로세스통합적분석기법습득 3 빅데이터 EDA 통계 통계분석모델링과분석기법습득 4 빅데이터가시화 IT 빅데이터분석결과의 visualization 5 분산병렬처리 IT 병렬처리알고리즘학습 6 빅데이터세미나 융합 빅데이터산업전반에걸친기술, 비즈니스세미나 7 비즈니스데이터분석 비즈니스 데이터분석결과를비즈니스에접목하는방안학습 8 정보검색과활용 IT 인터넷정보검색과 SNS 등소셜미디어처리 9 IT 산업과빅데이터컴퓨팅 IT IT 기술의발전과빅데이터산업의중요성학습 10 기업정보시스템 1, 2 비즈니스 기업정보시스템 (ERP, CRM, BI 등 ) 의구축과활용의실무과정 11 비즈니스인텔리전스 비즈니스 데이터웨어하우스와 OLAP 분석기법학습 12 R- 데이터마이닝 통계 통계학지식을기반으로한데이터마이닝실무 10) 충북대학교비즈니스데이터융합학과 (http://bigdata.chungbuk.ac.kr). 제 23 권제 3 호 47
정책초점 과목명분야개요 13 비즈니스프로그래밍 IT 기업정보화시스템구축에필요한프로그래밍기술을학습함 (DB Programming, ABAP 등 ) 14 클라우드시스템 IT 클라우드시스템구축기술을학습하고, 실제구축을통한실무능력을배양함 15 빅데이터거버넌스 융합 빅데이터품질, 프라이버시, 메타데이터등빅데이터실무관리능력을배양함 16 인턴십 1, 2 기업체방문실무프로젝트수행 ( 논문과연계 ) 17 연구과제 논문연구 나. 미국대학들의교과과정 < 표 2> 는미국의 10개대학에서빅데이터분야로개설한학위과정의교육과정을편의상 IT 및데이터관리분야 경영, 비즈니스관련분야 통계및수학관련분야로구분하여분류한것이다 ( 해당내용은각대학의홈페이지를조사하여정리한것임 ). 일부중복된과목도있지만중복된만큼많은대학에서개설한다는의미가있으므로모두나열하였다. 조사대상으로한대학교는다음과같으며, 학위과정이아닌재직자교육이나자격증과정은제외하였다. (1) 텍사스주립대학맥콤스경영대학원 (McCombs School of Business) (2) 뉴욕대학 (New York University) 산하스턴경영대학원 (Stern School of Business) (3) 노스캐롤라이나주립대학 (North Carolina State University) (4) 노스웨스턴대학 (Northwestern University) (5) 미시간주립대학 (University of Michigan) 산하디어본경영대학 (Dearbon College of Business) (6) 아이오와두부쿠의로라스칼리지 (Loras College) (7) 루이지애나주립대학 (Louisiana State University) (8) 스티븐스공과대학교 (Stevens Institute of Technology) (9) 신시내티대학 (University of Cincinnati) (10) 샌프란시스코대학 (University of San Francisco) < 표 2> 미국대학빅데이터학과의교과과정 1. IT & 데이터관리분야 Advanced Data Mining and Web Analytics(1) Analytics for Big Data(4) Analytics for Social Networks(10) Business Intelligence Capstone(1) Computation for Analytics(10) Computer Information Systems(5) Data acquisition(10) Data Analytics Programming(1) Data and Information Visualization(10) Information Management(5) Integrating IT Architecture(8) Introduction to Data Management(1) Introduction to Data Warehousing and Workflow Management(4) Introduction to Programming in SAS(10) Knowledge Discovery in Databases(8) Machine Learning(10) Programming Macros/sql(3) SAS Programming(7) 48 과학기술정책
Data Driven Decision Making(2) Data Management and Information Processing(4) Data Visualization(2, 4, 9) Data Warehousing and Business Intelligence(8) Database Management(7) Dealing with Big Data(2) Distributed Computing(10) Distributed Databases(10) Geospatial Analytics(3) Social and Digital Media Analytics(2) Social Media Analytics(1) Social Network Analytics(8) Strategic Data Management(8) System Simulation(5) Technologies(6) Text Mining(3, 10) Web Analytics(3, 8, 10) 정책초점 2. 경영, 비즈니스관련분야 Introduction to Business Data Analytics(1) Advanced Decision Models(2) Advanced Modeling(3) Analysis of Markets(1) Analytical Consulting Project Leadership(4) Analytics for Competitive Advantage(4) Business Communications for Analytics(10) Business Strategies for Big Data(10) Computational Finance(1) Customer Analytics(3) Decision Analysis(4, 5) Decision Models(2) Decision-making(6) Digital Analytics and Strategy: An Introduction(2) Electronic Commerce(7) Ethical, Legal, & Social Responsibilities of Business(6) Financial Analytics(3) Financial Decision Making(8) Financial Enterprise Risk Engineering(8) Financial Management(1, 6) Information Technology in Supply Chain Management(5) Introduction to Data-Driven Business Strategies(10) Investment and Capital Markets(8) Management Science(5) Managerial Economic Analysis(6) Managerial Effectiveness(6) Managing for Quality(2) Market Modeling(2) Marketing Analytics(10) Marketing Management(5) Marketing Metrics(1) Marketing Online(8) Operations Analytics(2) Operations Management(5) Opt. Analysis(9) Optimization and Decision Analysis(1) Optimization and Heuristics(4) Optimization and Simulation(3) Optimization(9) Organization Behavior(5) Pricing and Revenue Optimization(1) Probabilistic Models for Finance(2) Process Analytics and Optimization(8) Revenue Management & Pricing(2) Risk Analytics(3) Seminar in Advanced Business Problems(7) Strategic Leadership & Management(6) Strategic Marketing(6) Strategy, Change and Analytics(2) Supply Chain Analytics(1) Supply Chain Management(7) Turning Data into Revenue(5) 3. 통계및수학관련분야 Advanced Statistical Analysis for Research(7) Advanced Topics in Statistics(7) Applied Forecasting(5) Applied Statistical Modeling(5) Data Mining for Business Analytics(2) Data Mining(3, 4, 9) Design of experiment(3) Experimental Design(8) Exploratory & Outliers(3) Prediction(2) Predictive Analytics(4) Predictive Modeling(1) Probability Modeling(9) Review of Linear Algebra(10) Review of Probability and Statistics(10) Simulation Analysis(9) Simulation Modeling(9) Statistical Data Mining(7) 제 23 권제 3 호 49
정책초점 Exploratory Data Analysis(10) Forecast/Time Ser(9) Linear Algebra(3) Linear and Non-Linear Programming(3) Linear Regression Analysis(10) Logistic regression(3) Multivariate Data Analytics(8) Multivariate Method(9) Multivariate Statistical Analysis(10) Statistical Learning & Analytics(8) Statistical Methods for Data Mining(4) Statistical Methods(9) Statistical Modeling(9) Stats/modeling(6) Survey of Operations Research: Stochastic Methods(7) Survival Analysis(3) Time series & Forecasting(3) Time Series Analysis for Business and Finance(10) Unsupervised Learning and Time Series(1) 주 : 괄호안의숫자는상기대학을의미함. 3. 선진국벤치마킹사례는? 노스캐롤라이나주립대학교 (North Carolina State University) 는빅데이터전문가양성을위해 Analytics 학과 ( 석사과정 ) 를개설하여이분야의선두주자가되고있다. 11) 이대학에서는 2008 년부터 2011 년까지의졸업생을대상으로벤치마킹을수행하여타대학의유사전공과비교하는방식으로졸업생의급여나취업률을비교분석하였다. 12) 비교분석대상으로카네기멜론대학교, 코넬대학교, MIT 대학교에서유사전공을선정하였다. < 표 3> 은비교결과를보여주고있다. < 표 3> 유사학과와의벤치마킹결과 대학 Master of Science in Analytics at North Carolina State Univ. Master of Info. Sys. Mgt. at Carnegie Mellon Master of OR and Info. Eng. at Cornell Master of Finance at MIT 항목 취업률 (%) Avg. Base Salary( 달러 ) 2008 2009 2010 2009 2010 100.0 100.0 97.0 73,000 83,500 88.0 77.0 78.0 NA 89,400 88.0 73.0 85.0 79,200 NA NA NA 89.5 NA 79,600 벤치마킹결과가시사하는중요한점은다음과같다. - North Carolina State Univ. 가비교대학들에비하여우수하지않음에도불구하고빅데이터전공졸업생의평균급여는타대학유사학과졸업생과유사한수준을유지하고있다. - 취업률측면에서볼때 North Carolina State Univ. 는거의 100% 로써타대학에비하여매우우수함을알수있다. 11), 12) Michael Rappa(2012. 6). 50 과학기술정책
미국의취업포털사이트 indeed.com 을방문하여데이터과학자에관한미국내급여수준을유사직종과비교해보았다 ([ 그림 4] 참조 ). 전통적으로 IT 및경영컨설팅융합분야에서최고연봉으로유명한 SAP ERP 컨설턴트와유사한급여수준임을알수있다. 13) [ 그림 4] 데이터과학자의연봉비교 (2013 년 8월미국기준 ) 정책초점 자료 : indeed.com/salary 4. 국내데이터과학자양성현황과정책적제언은? 빅데이터전문가야말로빅데이터시대를이끌어갈가장중요한자원이다. 선진국을중심으로데이터과학자양성의중요성을인식하고있으며, 대학에서그역할을담당하게하고있다. 14) 미국의대학들과유사하게국내대학들도데이터과학자양성에매우적극적이지만구체적인행동은늦은편이다. 충북대학교에서는미래창조과학부와정보통신산업진흥원의지원으로빅데이터분야석사과정을국내최초로 2012 년에개설하였으며, 현재풀타임석사과정 38 명이재학중이다. 15) 뒤를이어국민대학교, 숙명여자대학교등에서빅데이터관련학과를개설하였거나준비중에있다. 다음에서국내에서빅데이터전문가양성을통해다가온빅데이터시대를주도하기위한정책적제언을몇가지하고자한다. 많은언론과연구보고서에서빅데이터전문가양성의필요성은언급하고있지만어떤걸림돌이있는지, 이를어떻게해결할것인지를정부가함께고민함으로써민간과정부에서필요로하는빅데이터인력을적시에공급할뿐아니라사회문제가되고있는청년실업문제해결에도도움이될것이다. 13) Indeed(http://www.indeed.com/salary). 14) Datanami Staff(2012. 4. 10.). 15) 충북대학교비즈니스데이터융합학과 (http://bigdata.chungbuk.ac.kr). 제 23 권제 3 호 51
정책초점 가. 기존의학과-단과대학칸막이가융합분야교육에걸림돌이되고있음빅데이터는수리통계, IT, 비즈니스등다양한학문이융합된분야로써기존의단일학과에서교육하기는어려운분야이다. 그러나학과- 단과대학의높은칸막이는융합분야를교육하는데걸림돌이되고있다. 예를들어경영대, 자연대, 공대소속의일부교수가빅데이터대학원협동과정을만들어운영하려고해도단과대학을넘어서는융합학과를만드는순간모든단과대학에서귀찮아하는 낙동강오리알 이되고만다. 기존의조직틀에맞지않는융합분야학과를운영하는데발생하는세세한문제는한두가지가아니며, 이를해결하는데에너지를다소진할것이다. 널리활성화되어있는부전공이나복수전공도하나의대안이될수는있지만부전공이나복수전공을빅데이터분야로유도하지않고있다는점이문제이다. 대학 CEO( 총장 ) 의의지가도움이될수있지만불행히도빅데이터와같은융합분야를이해하고적극적으로지원하는총장은 ( 특히국립대학의경우 ) 만나기어렵다. 나. 기존관련학과의관심이절실함기존의빅데이터관련학과들 ( 경영, 통계, 수학및 IT, 공학, 자연과학등 ) 이시대의흐름에맞추어빅데이터관련교과목을학생들이수강하도록지도한다면적은비용으로많은데이터과학자들을빨리양성할수있을것이다. 뿐만아니라각학과의취업률도높아질것이다. 그러나 학과모든교수들의지대한관심사 인교과과정을빅데이터에관심있는일부교수들의의견대로개편하는것은지극히어려운일이다. 부전공이나복수전공등기존의제도를활용하여빅데이터전문가를양성하는트랙을만든다면취업과빅데이터전문가양성의두가지문제를한꺼번에잡을수도있을것이다. 문제는실제교육현장에서그렇게되도록정부나 CEO 의적극적인관심과지원이필요하다는점이다. 다. 재직자교육프로그램활성화가중요함재직자를대상으로한데이터과학자양성프로그램을적극개발하여직원들이데이터과학자역량을갖도록하는것이바람직하다. 이미현업지식을가진직원들은각자가부족한 IT 및수리통계분야의보충을통하여훌륭한데이터과학자로성장할수있기때문이다. 맥킨지보고서에서 데이터기반의사결정을할수있는관리자가 150 만명필요하다 라고전망하였는데, 16) 이는재직자교육의활성화를통하여상당부분해결될수있을것이다. 재직자교육의활성화도조직의 CEO 마인드가성패의주요관건임은두말할필요도없다. 16) McKinsey(2011). 52 과학기술정책
라. 지속가능한빅데이터실현은빅데이터거버넌스정착부터많은공공기관과민간기업에서정부 3.0 을계기로데이터개방과빅데이터분석을통한활용에관심을갖고있다. 각조직에서는관련기업들과함께이미성공사례를발표하고있으며, 많은빅데이터프로젝트가진행중에있다. 17) 한번의프로젝트성공은기술과돈이있으면언제든지성공할수있으나빅데이터활용의성과가지속적으로최적화되어가기위해서는빅데이터거버넌스 (big data governance) 가먼저각조직에서정착되어야한다. 18) 즉, 다양한빅데이터의통합과관리, 빅데이터품질, 빅데이터프라이버시, 비즈니스프로세스와의최적통합, 메타데이터관리등데이터관련전반적인문제를담당할조직과인력및제도가함께정비되어야일회성이아닌지속가능한빅데이터실현이가능한것이다. 19) 정책초점 마. CEO 의지 - 빅데이터시대의가장큰걸림돌이모든것중에서가장중요한것은조직의 CEO 가데이터기반의의사결정을중요시하고, 조직내데이터기반문화를확산시키려는인식과의지이다. 서울시는물론이고, 필자가거주하는청주시의경우 CEO 의빅데이터에관한지대한관심과이해가시청공무원전체의마인드를빠르게바꾸어나가고있다. 반면, 대학을포함한많은공공기관에서는 일부의관심에의해자라고있는빅데이터라는싹 이 CEO 의무관심속에서확산되지못하고있는실정이다. 성과가높은조직은그렇지않는회사에비하여 5배이상의데이터분석능력을가지고있다 라는 MIT Sloan Management Review 의 CEO 3,000 명조사결과 20) 를 CEO 들이깊이인식해야할것이다. 5. 결론 빅데이터시대를이끌어갈가장중요한요소가바로데이터과학자의양성이다. 데이터과학자는수학및통계, IT, 비즈니스등다양한영역의융합분야교육이필요하므로기존의학과단위의교육체계를넘어서는새로운시도가요구된다. 특히, 학과단위의높은칸막이는이러한융합분야교육의걸림돌이되고있다. 부전공이나복수전공과같은형태로빅데이터가활성화될수도있으나교육현장에서실제실현되지는못하고있어안타깝다. 조직내빅데이터의확산을위해 CEO 의의지가가장중요하지만많은대학과공공기관의 CEO 들은데이터분석에기반을둔과학적의사결정보다는 ( 데이터는그냥쌓아둔채 ) 경험과직관에의지하고있다. 지속가능한빅데이터실현을위해서는조직내에빅데이터거버넌스를정착하는것이선결과제이지만이는 CEO 의의지없이는불가능한일이다. 17) 서울시청 (2013. 9. 4.), 심야전용 올빼미버스 9 개노선출발! (http://traffic.seoul.go.kr/archives/13102). 18), 19) NASCIO(2008); 홍릉과학출판사 (2014 년초번역출판예정 ), 빅데이터거버넌스 ( 원서 : Big Data Governance An Emerging Imperative, MC Press, 2012). 20) Steve ALaValle, et al.(2011), Big Data, Analytics and the Path From Insights to Value, MIT Sloan Management Review. 제 23 권제 3 호 53
정책초점 참고문헌 서울시청 (2013. 9. 4.), 심야전용 올빼미버스 9개노선출발! (http://traffic.seoul.go.kr/archives/13102). 조완섭 (2012. 7. 11.), Big Data 시대 - 데이터분석인력의가치, 13th Conference on SW Quality Insight. 한국정보화진흥원 (2012. 8. 8.), 빅데이터시대의인재, 데이터사이언티스트의역할과가능성, IT & Future Strategy, 제8호. 홍릉과학출판사 (2014 년초번역출판예정 ), 빅데이터거버넌스 ( 원서 : Big Data Governance An Emerging Imperative, MC Press, 2012). CIO(2012. 12. 3.), 데이터과학자육성, 채용 5 가지조언 (http://www.ciokorea.com/news/14901). IDG Tech Report(2012. 8. 23.), 데이터속에서가치를창출하는데이터과학자 (http://www.itworld.co.k r/techlibrary/77427). IT World(2013. 4. 12.), 데이터과학자가되고싶다면 (http://www.itworld.co.kr/news/81316). CNN Money(2012. 11), Best new jobs in America(http://money.cnn.com/gallery/pf/2012/11/01/be st-new-jobs-in-america/3.html). Conway, D.(2010), The data science venn diagram, Dataists(http://www.dataists.com/2010/09/t he-data-science-venn-diagram/database). Datanami Staff(2012. 4. 10.), Six Big Name Schools with Big Data Program, datanami(http:// www.datanami.com/datanami/2012-04-10/six_big_name_schools_with_big_data_programs. html?page=2). EMC, Data Science and Big Data Analytics(http://education.EMC.com/DataScience). McKinsey(2011. 5), Big Data: The next frontier for innovation, competition, and productivity. Michael Rappa(2012. 6), Master of Science in Analytics, Goals, Learning, Outcomes, North Carolina State University, Institute for Advanced Analytics Report. Mike Loukides(2010. 6), What is Data Science?, An O Reilly Radar Report. NASCIO(2008. 4), Data Governance Managing Information As An Enterprise Asset: Part I An Introduction, NASCIO Governance Series(www.nascio.org). Steve ALaValle, et al.(2011), Big Data, Analytics and the Path From Insights to Value, MIT Sloan Management Review. Thomas H. Davenport and D.J. Patil(2012. 11), Data Scientist: The Sexiest Job of the 21st Century, Harvard Business Review. Tom Groenfeldt(2013. 5. 18.), Big Data and Data Scientists - It s An Issue Of Degree(s), Forbes. William Finzer, The Data Science Education Dilemma, Report(supported by National Science 54 과학기술정책
Foundation under: KCP Technologies Award ID: 0918735 and UMass Amherst Award ID: 0918653). 충북대학교비즈니스데이터융합학과 (bigdata.chungbuk.ac.kr) Indeed(www.indeed.com/salary) 정책초점 제 23 권제 3 호 55