데이터 과학 프로젝트의 5가지 실수

Article at a Glance

인도의 민간 은행 3곳을 대상으로 분석한 연구는 데이터 과학 활동을 하는 기업들이 쉽게 저지르는 다음의 5가지 실수를 보여준다.

1. 모기를 보고 칼을 빼는 것처럼 기술에 압도돼 비즈니스 맥락을 잘못 짚음
2. 데이터 분석 과정에서 편향의 출처를 인식하지 못해 편향이 모델에 스며듦
3. 솔루션은 맞지만 비즈니스 우선순위나 시스템과 부합하지 않아 적기를 놓침
4. 툴에는 문제없지만 사용자 경험을 분석하지 않아 시장 반응이 예상과 다름
5. 험난한 마지막 단계를 넘지 못함

---

편집자주

이 글은 MIT 슬론 매니지먼트 리뷰(SMR) 2021년 봄 호에 실린 ‘Why So Many Data Science Projects Fail to Deliver’을 번역한 것입니다. 이 글에 의견이 있는 분은 http://sloanreview.mit.edu/x/62317에 접속해 남겨 주시기 바랍니다.

점점 더 많은 기업이 데이터 과학을 회사의 핵심 기능이자 역량으로 받아들이고 있다. 하지만 이 중 다수가 빅데이터, 인공지능, 머신러닝에 대규모 투자를 하고도 비즈니스 가치를 지속적으로 창출하지 못하고 있다.1 1R. Bean and T.H. Davenport, “Companies Are Failing in Their Efforts to Become Data-Driven,” Harvard Business Review, Feb. 5, 2019, https://hbr.org. 닫기 게다가 데이터 과학을 통해 성공적으로 가치를 확보하는 조직과 그렇지 못해 고군분투하는 조직 간 격차가 더욱 벌어지고 있다는 근거들도 있다.2 2T.H. Davenport, N. Mittal, and I. Saif, “What Separates Analytical Leaders From Laggards?” MIT Sloan Management Review, Feb. 3, 2020, https://sloanreview.mit.edu. 닫기