빅데이터 가치

빅데이터의 가치는 분명히 크지만 그 크기를 정확히 재기는 어렵다. 같은 데이터라도 누가, 언제, 어떤 목적으로 쓰느냐에 따라 가치가 달라지기 때문이다. ADsP 과목 1 '데이터의 가치와 미래'의 세부항목 '빅데이터의 가치와 영향'에서 다룬다.

가치 산정이 어려운 이유

이유	설명
데이터 활용 방식의 다양화	데이터는 한 번 쓰고 끝나지 않는다. 재사용, 재조합(다른 데이터와 결합), 다목적용 개발이 일반화되면서 특정 데이터를 언제, 어디서, 누가 활용할지 미리 알기 어렵다
새로운 가치 창출	빅데이터는 기존에 없던 가치를 만들어 낸다. 아직 존재하지 않던 서비스나 시장의 가치는 기존 방식으로 측정하기 어렵다
분석 기술의 급속한 발전	지금은 가치가 없어 보이는 데이터도 새로운 분석 기법이 등장하면 거대한 가치를 지닌 데이터가 될 수 있다

대상	영향	예
기업	혁신, 경쟁력 제고, 생산성 향상	고객 행동을 분석해 시장 변동을 예측하고 신사업을 발굴한다. 원가를 절감하고 제품 차별화를 꾀한다
정부	환경 탐색, 상황 분석, 미래 대응	기상·교통·인구 등 사회 데이터를 분석해 정책을 세우고, 재난 등 미래 상황에 미리 대비한다
개인	목적에 따른 활용	적은 비용으로 빅데이터 서비스를 이용하거나, 선거 운동이나 팬 관리처럼 자신의 목적에 맞게 데이터를 활용한다

빅데이터 시대에는 데이터를 모으고 분석하는 방식 자체가 바뀌었다.

변화	이전	이후	의미
사전처리 → 사후처리	필요한 정보만 정해진 형식으로 가공해 수집	가능한 많은 데이터를 모은 뒤 다양한 방식으로 조합해 숨은 정보를 찾음	무엇을 분석할지 미리 정하지 않아도 된다
표본조사 → 전수조사	비용 때문에 표본추출로 전체를 추정	데이터 수집·처리 비용이 낮아져 전체 데이터를 분석	표본에서 보이지 않던 세부 패턴까지 볼 수 있다
질 → 양	정확한 소수의 데이터를 중시	데이터가 충분히 많으면 일부 오류가 있어도 전체 경향이 드러남	양이 질을 보완한다
인과관계 → 상관관계	원인과 결과를 밝히는 데 집중	상관관계만으로도 의미 있는 예측과 의사결정을 함	이유를 몰라도 "무엇이 함께 일어나는지"를 활용한다

상관관계 중심의 분석은 빠른 의사결정에 유리하지만, 상관이 있다고 원인이라는 뜻은 아니다. 인과관계를 따져야 하는 문제(정책 효과, 의학 등)에서는 여전히 인과 분석이 필요하다. 상관의 크기를 재는 방법은 상관 분석을 본다.