“월가에서만 쓰는 용어는 잊으라.
시티뱅크 분석가들은 이력서에 파이썬 항목을 추가하고 있다.” 《블룸버그》
경영과 기술 지식을 모두 갖춘 하이브리드 전문가를 탄생시킬 프로그래밍 공부

“코딩은 개발자들이나 하는 거 아냐?” 이렇게 생각하는 사람들에게 『데이터 경영을 위한 파이썬』은 파이썬을 아는 것만으로도 99퍼센트의 평범한 MBA 학생, 관리자, 분석가보다 더 유능하고 가치를 창출하는 사람이 될 수 있다고 말한다.
현재 전 세계의 비즈니스 리더들이 여러 이유로 파이썬 코딩에 입문하고 있다. 세상이 코드로 움직인다는 사실을 깨닫고 도태되지 않기 위해, 기술팀과 원활히 소통하기 위해, 업무를 자동화하는 스크립트를 작성하기 위해, 의사결정에 데이터를 활용하기 위해….
만약 코딩이 어렵게 느껴진다면, 당신 잘못이 아니다. 컬럼비아 경영대학원의 마탄 그리펠과 대니얼 게타 교수가 그런 오해를 지닌 IT 비전공 사업가를 위해 새로운 파이썬 입문서를 썼다. 저자들은 기존의 커리큘럼이 엔지니어를 대상으로 하여 기능에만 초점을 맞추거나, 학습자를 확실히 이해시킨다며 기본기에 너무 많은 시간을 할애해 유용하지 못하다고 지적한다.
저자들은 최소한의 프로그래밍 기초를 다지고 곧이어 실제 사례 연구로 넘어가 파이썬의 가능성을 살핀다. 즉, 거대한 데이터에서 비즈니스 문제의 답을 찾는 것이다. 이를 위해 책에서는 파이썬과 풍부하게 상호작용을 하도록 해주는 주피터 노트북과, 파이썬의 데이터 분석용 도구로서 가장 인기 있는 판다스 라이브러리를 다룬다.

뉴욕 실제 유명 레스토랑의 1년 치 데이터로 실습하는
경영을 위한 파이썬 데이터 분석

책에는 2011년에 설립되어 뉴욕 등 30여 개 분점을 낸 식당 체인점 ‘디그’의 이야기를 중심으로, 파이썬 데이터 분석을 경영에 활용한 실제 사례를 알기 쉽게 보여준다. 농장에서 직접 재료를 공수해 만든 채식 메뉴를 합리적인 가격으로 제공하는 이 식당 체인이 메뉴 출시, 직원 배치, 배달 서비스 개시, 고객 성향 파악 등과 관련해 경영상의 문제에 직면한다. 각 매장 위치와 개업 일자, 메뉴 정보(메인/사이드/디저트 등), 주문 유형(매장/픽업/배달) 등 일반적인 엑셀로는 열어보기 어려운 대규모의 데이터를 직접 다루며 그러한 문제들을 해결해나가는 사례를 이 책에서 확인할 수 있다. 이를 통해 파이썬 활용으로 날개를 다는 데이터 경영의 실체를 파악할 수 있다.
이를테면 식당이 새로운 음료를 출시하려 할 때, 어떤 매장부터 시범적으로 해보고 언제 다른 매장으로 확대하는 것이 좋을까? 이런 모호한 문제는 데이터의 맥락에서 재정의해야 한다. 매장별 평균 음료 주문량을 비교하는 것이 한 가지 답이 될 수 있다. 책에서는 파이썬을 이용해 데이터를 매장별로 그룹화하고(groupby), 평균을 구하고(mean), 결과를 오름차순으로 정렬한 다음(sort_values), 그래프로 그리기까지(plot) 과정을 차근차근 학습한다.

사업 방식을 깊이 고민할수록 질문은 다양해지고 복잡해진다. 음료 주문에 기온이 영향을 미칠까?(신상품 출시 시기 결정 문제) ‘더우면 음료가 더 많이 팔리겠지. 당연하잖아’라는 생각이 든다면, 그것이 맞는지 데이터로 확증해보자. 음료를 주문한 사람이 쿠키도 함께 주문할까?(메뉴 설계 문제) 이런 전반적인 과제를 두고 직감에 의한 판단에서 나아가 코딩의 틀을 활용해 데이터 중심적 사고로 경영을 전환하는 것이 이 책의 궁극적인 목표다.

데이터 문해력을 키우는
구체적이고 실질적인 사례 중심 구성

“요즘은 AI가, 챗GPT가 알아서 코드를 써주는데 굳이 파이썬을 배워야 할까?” 이 책은 이 당면한 질문에도 충분히 답을 준다. 빅데이터 분석 기업과 아마존에서 데이터로 매일 수천 건의 결정이 내려지고 사업이 개선되는 현장을 목격한 두 저자는 실제 경영 현장에서 파이썬을 활용한 데이터 분석의 사례를 소개한다. 코딩 자체는 AI나 직원, 동료가 하더라도 관리자와 경영자가 코딩의 원리를 이해한다면 더 날카로운 안목으로 원하는 방향의 결과를 풍성하게 얻어낼 수 있다.
인공지능이 아무리 뛰어난 기술력을 갖추더라도 대신 해주지 못하는 일이 있다. 비즈니스의 문제를 파악하고 이를 데이터 중심으로 해석해서 결정을 내리는 것은 통찰력을 지닌 사업가의 몫이다. 파이썬의 기능을 차근차근 익혀 데이터 분석에 돌입해서 질문을 끄집어내고 해답을 도출하기까지, 이 책의 커리큘럼을 따른다면 단순한 개발 역량은 물론 비즈니스에 필요한 데이터 문해력 또한 기르게 될 것이다.

* 모든 데이터와 코드 예제 파일은 책의 웹사이트에서 내려받을 수 있다.
https://www.pythonformbas.com

1부
1장 파이썬 시작하기
2장 파이썬의 기본기 1
3장 파이썬의 기본기 2
4장 파이썬의 기본기 3

2부
5장 파이썬으로 데이터 다루기
6장 데이터 탐색, 변형, 그리기
7장 여러 데이터세트 다루기
8장 데이터 취합하기
9장 연습 문제

앞으로 나아갈 방향
주석

< 내용 출처 : 교보문고 > 

좋은습관연구소의 36번째 습관은 “데이터를 읽는 습관”입니다. 작가는 데이터 읽는 습관으로 인문학적 소양 쌓기를 주장합니다. 그리고 수학자 출신답게 이를 뒷받침 하는 증명(?)으로 데이터에 관한 오해와 진실이 무엇인지 하나씩 소개합니다.

그 중 몇 가지를 소개하면 다음과 같습니다.

1. 양질의 데이터 100개가 이것저것 섞인 데이터 100만 개보다 낫다.

2. 데이터 분석은 어쨌든 모집단의 일부를 갖고서 분석하는 것으로 아무리 양질의 데이터이고, 많은 양이 있다 하더라도 결국은 진실에 가까운 추정치일 뿐이다.

3. 데이터 없이 분석결과를 얻을 수 있다면 그것이 최선이다.

4. 데이터 분석을 할 때 자주 하는 실수 중 하나가 ‘나의 데이터’ ‘남의 데이터’를 구분하지 못하는 것이다.

5. ‘당선 확률’은 당선의 미래를 예측하는 것이 아니라 미래의 오차 범위를 말하는 것이다. 그래서 “미래를 정확히 예측한다”는 말을 해서는 안 된다.

6. 데이터는 과거의 발자취일 뿐이다. 예측할 수 없다. 빅데이터를 분석한다는 것은 예측을 하기 위한 것이 아니라 패턴을 찾기 위한 것이다.

7. 분석에만 치중하다 보면 상식적인 판단이 헷갈려 엉뚱한 진단을 하는 수가 있다. 그래서 풀고자 하는 문제에 대한 통찰을 선행하는 것이 중요하다. 통찰은 결국 해당 문제 영역의 경험에서 나온다.

8. 데이터 리터러시 역량을 키운다는 것은 해결하려는 문제의 주어진 상황이나 인과관계를 논리적으로 추론할 수 있는 소양을 갖추는 것을 말한다.

9. 지금의 빅데이터가 몇 년 뒤에는 일반 데이터가 될 수도 있다. 그러니 빅데이터가 뭔가 대단한 것이라고 착각해서는 안 된다.

10. 인공지능이 표본화된 데이터를 학습한 만큼, 인공지능이 생성한 답이 반드시 진리일 수는 없다. 갈릴레오 시대의 인공지능이라면 “지구는 돈다”라고 말할 것이다.

1. 분석의 목적 정의 - 나는 어떤 필요 때문에 데이터를 활용하는지 알아야 한다

2. 가장 좋은 분석이란 - 문제를 정의하고 상황에 맞는 분석 기술을 아는 것이 중요하다

3. 데이터 분석, 꼭 알아야 할 15가지 - 측정, 분석, 수집에 대해 꼭 알아야 하는 15가지를 기억하자

4. 진짜 좋은 데이터란? - 나의 데이터와 남의 데이터를 구별할 줄 알아야 한다

5. 분석 결과의 진실성 - 데이터 분석의 결과는 완벽하게 실제를 대변할 수 없다

6. 데이터의 상관관계, 인과관계 - 데이터 변수들 사이의 관계를 파악하는 인사이트가 중요하다

7. 데이터 사이언스의 한계 - 데이터 사이언스는 통계학의 한계를 벗어날 수 없다


2부 - 데이터 사이언스의 오해와 진실

8. 언제까지 빅데이터? - 지금의 빅데이터가 미래에는 스몰데이터가 될 수 있다

9. 데이터 지상주의 - 데이터를 이용한 주장에는 신뢰성 이슈에서 자유로울 수 없다

10. 데이터는 잘못이 없다 - 똑같은 데이터라도 보는 관점에 따라 해석은 달라진다

11. 데이터로 미래 예측이 가능? - 데이터는 예측이 아니라 패턴을 알려준다

12. 데이터 없이 문제 해결하기 - 가장 최고의 해결책은 데이터 없이 해결하는 것이다

13. 데이터 사이언스는 과학이 아니다 - 데이터의 대표성이라는 한계를 명확히 알아야 한다

14. 도박과 확률이 다른 점 - 도박은 예측이지만 확률의 본질은 관리(매지니먼트)이다