The EconoMic Person

먹고사는 게 바쁘다.

언제나, 항상 이런 이야기를 많이 한다. 의식주 중에 아마 가장 중요한 포인트라고 생각이 되는데, 모두 중요하지만 먹는 것은 없으면 바로 죽음과 직결되기 때문이다. 그만큼 중요한 포인트인데 현대 사회에 와서 특히 중진국 이상의 나라에서는 대부분의 경우 영양 과다로 인해서 오히려 생명이 줄어드는 문제가 생기고 있다. 이미 질병이라고 말을 하고 있는 비만이 바로 문제인데, 이 분야의 경우 사실 스스로의 관리를 하지 않으면 쉽게 무너질 수밖에 없는 상태이다. 또 반대로 우리가 이러한 고민을 하고 있을 당시에도 아프리카 등의 난민국가에서는 굶어 죽는 문제가 대두되고 있다. 우리는 이러한 상황에서 식품을 어디에 포커싱을 해야 할까? 아마도 우선은 양 자체를 더 늘리는 쪽으로 가게 될 것이다.

그런데 이렇게 무한정 늘릴 수 있을까?

막상 사육을 늘리고 하는 경우에 여러 문제가 발생이 되는데 동물인권 보호 문제는 부차적으로 본다고 하면 가장 큰 문제는 기후 문제이다. 기후의 경우 사실 탄소 배출량이 소가 엄청나다는 사실을 알 수 있는데 이로 인해서 대체 식품으로 곤충이 부각이 되고 있다. 다만 어릴 적에 나도 메뚜기를 튀겨먹어 본 적이 있는데 맛은 뭐 평범할 지라도 곤충을 먹는다는 사실이 썩 내키지 않았던 것이 사실이다. 우리가 처음 보는 음식에 대해서 본능적으로 거부감을 느끼는 것도 사실인데, 곤충은 사실 상당히 생소하다. 이런 분야의 연구가 더 발달되어 있는 서양에서는 더 심하게 거부감을 느낄 수도 있는 부분이다(우린 이미 먹어본 사람도 꽤나 많이 있으니 말이다) 이 부분을 해결할 수 있다면 단백질 섭취에 있어서 혁명적인 변화를 가져올 수 있다. 번식력부터 비교가 되지 않으니 말이다.

콩고기는 맛있나?

요즘 회사에도 베지테리안들을 위한 음식이나 콩을 활용한 고기를 가지고 음식을 만드는 경우가 있다. 직접 먹어본 결과는 아직은 식감도 별로, 맛도 그리 좋지 않다는 것이 결론이긴 하지만 시간이 지나면서 식감도 얼추 비슷해지기 시작했다고 한다(이 부분은 직접 먹어보진 않아서 잘 모르겠다)  사실 한국에서는 이미 콩으로 만든 음식이 충분히 활용되고 있기 때문에 적응이 쉬울수도 있다. 하지만 서양의 경우 단백질적으로는 효과적일지 모르나, 애초에 기름 등으로 사용하는 형태로만 활용 중이었는데 과연 효과를 거둘 수 있을까? 이 역시도 결국은 기술과 시간이 해결해 줄 수 있겠지만 지금의 가격으로는 경쟁력이 너무 떨어지긴 한다. 앞으로 더 효과적으로 제품을 생산할 수 있는 방법이 발전될 것이라고 생각이 된다.

요즘 쌀 드세요?

쌀 소비량이 줄어든다는 이야기가 많이 나온다. 실제로 다이어트의 이유로 밥량을 줄이고 있는 것도 사실이다. 그런데 항상 뉴스에 나오는 내용은 이렇게 쌀로 밥을 만들어 먹는 양이 줄어든다고 나온다. 하지만 실제로 활용처는 꽤나 많다. 막걸리나 빵, 음식 등에 사용될 수 있는데 당장 내가 가장 좋아하는 치킨도 쌀가루로 튀기면 더 바삭바삭해서 먹을만하다. 그런데 쌀가루는 밀가루보다 가루로 만들기가 어렵다고 한다. 이러한 과정 때문에 소비가 빠르게 늘 수 없었는데(비용문제로) 이러한 부분을 해결하기 위해 종자를 개량한 제품이 나오기 시작했다. 물론 그럼에도 밀가루 소비량이 줄어들지는 않고 있는데, 결국 콩고기 등과 같이 가성비가 결국 일정 안쪽으로 들어오지 못하면 확대가 힘든 상황이다. 하지만 모방할 수 있는 경쟁상대가 있다는 것은 결국 기술적으로 해결할 수 있다는 생각이다.

가장 필요한, 그리고 가장 필수적인 테크

먹는 것만큼 중요한 것이 따로 있을까? 그래서 그럴까, 그저 확대로만 진행이 되었던 지난 100년 간의 변화에서 이제는 다른 변화로 진행이 되고 있다. 언젠가는 육식이나 채식이라는 단어가 아니라 대체식이라는 단어가 더 익숙하게 들릴 수도 있을 것 같은데, 그럼에도 개인적으로는 지금 먹고 싶은 것이 기존에 알고 있던 것들이라는 사실이 조금 아이러니 하다. 누군가에게 가장 워너비 음식이 콩고기나 곤충 이런 것이 될 수 있을까? 미래에는 어떤 음식이 우리를 마주하게 될지 모르겠지만, 아마도 결국 맛과 가격을 모두 잡아야만 성공할 수 있는 분야가 아닐까 생각을 해 본다. 그래서 더 많은 투자와 시간이 필요한 분야라고 생각이 된다. 이 책에서는 그러한 부분을 깊게 짚어주고 있어 미래를 다시 생각해 볼 수 있는 시간이 되었다.

무조건 코딩을 잘해야 한다?

최근 소프트웨어 업계의 추세는 코딩에 중점이 맞춰져 있다. 각종 언어들도 그렇고 코딩적인 생각(?), 코딩적인 마인드와 같은 희한한 신조어도 나타나고 있고 코딩을 통해서 세상 모든 어려운 문제를 해결할 수 있을 것 같은 느낌이 든다(다 되는지는 솔직히 모르니까) 그런데 한편으로 보면 우리의 과학은 몇 천년이나 지난 것인데 고작 몇십 년 밖에 되지 않은 코딩이 모든 것을 해결한다고 하니 좀 의아하긴 하다. 하지만 대세인 것은 맞는 듯하다. 당장 업무에서 코딩과 관계가 없는 나에게도 코딩을 배워보라고 권유가 오고 있으니 말이다.

그런데 책 제목이 좀 솔깃하다.

노코딩 AI? 사실 코딩을 하는 목적에 대해서 생각을 하자면 데이터를 원하는 형태로 가공을 하는 것을 의미하는데 단순히 엑셀에서 보아도 함수를 활용하여 내가 편하게 만드는 과정도 그에 해당한다고 생각이 된다. 물론 그 과정 뒤에 숨겨져 있는 다양한 식과 글자들이 사람들이 멀리하게 하는 근원이긴 한데, 요즘에는 이러한 과정을 소프트웨어 상으로 모두 구현을 하여 자체적인 코딩 없이도 AI를 활용할 수 있는 길이 열렸다고 한다. 얼마 전에 나온 기사에서도 외국계 S/W 회사에 국내 문과생이 일을 하고 있다는 기사를 봐도 알 수 있다.

코딩을 할 줄 알면 할 수 있는 것이 많지만...

우리는 이미 코딩 없이 살아온 세대이다. 당장 코딩을 배우라고 하면 일단 거부감이 먼저 들기도 하지만 무엇보다 힘든 것은 다시 '공부를 해야 한다' 라는 강박관념이다. 그렇다면 어떻게 해야 할까? 우리는 또 그런 사람을 위해서 각종 툴을 만들어 두었다. 디파이, 다빈치 랩스 등과 같이 대기업, 중소기업 가릴 것 없이 설루션을 준비해 뒀다. 느낌으로는 생짜로 창업을 하는 것이 아니라 프랜차이즈로 창업을 한다는 느낌이라고 할까? 노하우와 방식 그리고 설루션을 제공해 주지만 물론 한정적인 것에만 해당되는 문제가 있지만 뭐 어떤가? 목적은 돈을 버는 거, 혹은 AI를 사용하는 것인데 말이다.

물론 전혀 아무것도 몰라도 되는 것은 아니다.

기본적인 지식은 가지고 있어야 한다. 위에 설명한 다양한 것들도 언어로 표현이 안되어 있을 뿐 많은 명령을 넣어야 내가 원하는 결과값을 얻어낼 수 있다. 책에서는 간단한 것들만 소개를 하고 있지만 그런 간단한 것들도 사실 쓸모가 있는 경우가 많이 있다. 마치 엑셀에서 SUM 함수가 그렇게 소중할 수밖에 없다고 생각이 될 때가 있듯이 말이다. 그래서 이러한 프로그램을 통해서 노 코딩으로 진행은 하지만 장기적으로는 코딩에 대한 니즈가 생기기 시작하면 한 번쯤 공부해 볼 필요성이 있다. 뭐든 공부해야 한다. 죽기 직전까지 말이다.

노코딩이지만 코딩을 배우라는 의미일까?

내가 읽은 책의 느낌은 그렇다. 물론 그러한 방법도 도와줄 수 있는 프로그램들이 점차 더 발전되어갈 것이라고 생각이 된다. 하지만 무엇보다 중요한 것은 코딩적 사고 능력을 기르는 법과 데이터를 무서워 하지 않고 잘 가공해야 하는 의무감을 가져야 한다는 의미이다. 단순한 데이터는 아무런 필요가 없지만 알맞게 설정된 것은 무서운 무기가 될 수 있다(우리가 보이스 피싱 같은 것을 보면 그렇다고 생각되지 않는가? 단순한 연락처와 내용이 그들에게는 무기가 되니 말이다) 이 책에서 나오는 각종 무료 교육들도 시간 될 때 꼭 받아보는 것도 추천할만한 부분이다. 사실 몰라서 못하는 것이지 알면 배울 의지가 생기지 않겠는가?

이제는 진짜 데이터의 시대이다.

미국에서도 향후 가장 높은 몸값을 받을 수 있는 업종으로 데이터 사이언티스트를 꼽았으며 한국에서도 솔직히 일정 이상의 수준만 된다면 정말 없어서 뽑을 수 없는 인재가 바로 데이터 관련 인재이다. 내가 왜 산업공학과를 가지 못했을까 정말 한탄스럽긴 하지만 그때는 그게 유행하지는 않았었으니 조금 아쉬운 감이 있다. 어찌 됐건 지금은 데이터를 얼마나 잘 가공하고, 효율적으로 활용할 수 있는가가 기업의 경쟁력으로 떠오르고 있다. 가끔 나오는 마케팅 방안들 중에 이러한 데이터를 연동하여 사람이 이동경로, 카드 사용 내역, 스마트폰 GPS 사용 등과 같은 다양한 비정형 데이터로 이런 데이터를 만들 수 있다는 게 너무 놀랍기도 하다.

데이터는 왜 중요할까?

사자가 가죽을 남기듯 우리는 뭐든 남기게 된다. 과거에 범죄현장에서 보면 발자국을 찾거나 지문을 찾는 등의 다양한 조사를 하는 경우가 많이 있는데 이러한 것이 다 데이터화 될 수 있다는 의미이다. 우리가 아무 생각없이 지하철을 광고판을 보고 있다고 생각을 하더라도 누군가는 그 광고판을 더 집중해서 볼 수 있고 위치 상 어쩔 수 없어 그 광고판을 볼 수밖에 없는 경우가 발생이 되면서 그 제품에 대해서 이해를 하거나 더 호감을 갖게 되는 경우가 있다(나 같은 경우 아이유가 광고하면 진짜 다 좋아 보인다) 그것을 전부 수치화하여 활용할 수 있다면 얼마나 효율적일까? 그래서 데이터는 현대 사회에 이르러 굉장히 중요한 역할을 한다고 생각이 된다. 왜냐고? 대체품이 너무나 많으니까!

나이팅게일은 이미 그 시절에 다이어그램을 활용하였다.

2차 감염이 사실은 개개인의 습관에 의해 발생되는 것을 간파한 나이팅게일은 장미 다이어그램이라는 것을 통하여 시계열로 보여주고 효과적인 시각화를 이미 그 시절에 달성하였다. 우리는 지금도 너무나 많은 PPT 화면을 보고 있는데 그 안에 너무나 많은 것을 말하고 싶은 나머지 글만 주렁주렁 달려놓는 경우가 많다. 과연 그렇게 반대 입장이 되면 그 장표를 보고 싶기나 할까? 시각화에 효율적이라고 만들어진 PPT인데 시각화를 제대로 활용하지 않는다면 워드와 다를바가 없다. 사실 시각화만큼 데이터를 가공함에 있어서 효율적으로 상대방에게 보여주는 것은 없다.

AI가 모든 것을 다 해줄까?

사실 우리가 알고 있는 컴퓨터는 우리가 무엇인가 데이터를 넣고 명령을 내리기 전까지는 정말 '바보' 에 불과하다고 한다. 바로 '의지'라는 것이 존재하지 않기 때문인데, 그렇기 때문에 머신러닝과 같은 것을 활용하여 목적을 사전에 준비하게 하는 과정을 거치게 된다. 우리가 사용하는 데이터 중에 비정형 데이터가 80%가 넘는다고 하는데 이것을 어떻게 활용하는 가에 따라서 우리의 능력이 달라지게 된다. AI가 우리 삶을 많이 바꿔놓기는 하겠지만 그것을 활용하고자 하는 목적과 의지를 가진 것은 사람이다. 나 스스로도 그것을 어떻게 활용해야 하는지를 인지해야 한다는 의미다.

모든 분야에서 활용이 될 것이다.

미래학자인 레이 커즈와일은 2045년이면 사람보다 뛰어난 두뇌를 가진 컴퓨터가 등장한다고 했다. 사실 '절대' 불가능하다는 말은 하지 않겠다. 미래는 항상 내가 생각한 것 이상으로 바뀌었기 때문이다. 감정에 대한 것도 과연 이렇게 데이터 화하여 사람의 말만 듣고도 어떤 기분인지 이해할 수 있는 그런 세상이 올까? 언젠가는 오지 않을까 조심스레 생각도 해 본다. 아직도 발전될 여지가 충분한 데이터 사이언스 분야에서 나의 아이가 이 분야로 진출하기를 원한다면 난 두 팔 들고 환영해야 할 것 같은 분위기이다. 돈 벌자 아들아!

어느 매체나 데이터 사이언스가 난리다.

회사에서도 파이썬과 R을 배우라고들 난리를 피우고 있고 심지어 데이터 사이언스 시험도 관련 없는 부서에서 무조건 몇 명 이상 응시를 하고 합격을 하라고 압박을 하고 있다. 물론 관계가 없는 부서는 없을 것이다. 데이터는 어디에나 쌓여가고 있고 그것을 실질적으로 활용을 해야 하는 입장에서 좀 더 과학적으로 접근할 수 있다면 그보다 좋을 수 없을 거 같긴 한데 이제 와서 자꾸 중요하다고 배우라고 하니 처음에는 호기심이 생기더라도 무슨 말인지 이해를 못해서 포기를 하게 되기 마련이다. 나 역시 동일한 상황이다. 그러면 조금 바꿔서 교양이라는 측면에서 데이터 과학은 어떤 것인지 알아보는 것은 어떨까?

4차 산업 혁명은 무슨 의미를 뜻하는가?

단순히 데이터 과학으로만은 아무것도 할 수 없다(이건 심지어 책 제일 마지막 표지에도 나오는 내용이다) 데이터 과학이 유기적으로 흘러가게 되려면 데이터 과학자 혼자서 고군분투를 하는 것이 아니라 모든 사람들이 그런 데이터를 활용할 수 있는 능력을 길러야만 한다. 아무리 좋은 툴을 만들더라도 사용할 줄 아는 사람이 없으면 아무런 의미가 없다는 것이다. 실제로 회사에서 사용하는 많은 툴들이 간단한 조작을 통해서도 충분히 많은 데이터를 수집하고 가공할 수 있지만 애초에 과거의 모습에서 변하지 않으려는 문제 때문에 제대로 진행이 안 되는 경우가 왕왕 있다. 그럴수록 우리는 이러한 책을 읽음으로 인해 부담을 줄여서 다가갈 수 있어야 한다.

데이터 과학은 초기 구상이 중요하다.

어떠한 결과를 혹은 어떠한 과정을 해야하는가에 대한 구상이 있어야 데이터 모델을 만들 수 있다. 대학원에서 배웠던 각종 모델링 작업을 생각해 보면 단순하면서도 답이 여러 가지로 퍼지지 않도록 하는 것이 중요하기도 하다. 이후에는 성과를 제대로 낼 수 있도록 PDCA 작업 등을 해야 하는데 대부분의 사람들이 이러한 과정에서 많이 지쳐 떨어져 나가기도 한다. 실제로 회사에서 10년 전부터 각종 모델링 작업(기억으로는 6 시그마도 비슷한 모델링을 진행하는 것으로 알고 있다) 진행하였으나 현업에서 사용에 필요성을 많이 느끼지 못한 나머지 그냥 흐지부지 된 상태이다. 하지만 현업에서 이제 쌓여있는 데이터를 바로바로 찾을 수가 없는 상황이 되어서 점차 데이터 사이언스가 필요한 상황이다.

가끔 생각과 데이터가 일치하지 않는 것을 알 수 있다.

과거 '머니볼' 이라는 영화가 있었는데 이 영화가 바로 데이터 사이언스의 힘을 보여주는 최고의 영화라고 할 수 있다. 슈퍼스타를 포섭할 수 없는 상황에서 가장 효율적인 것은 타율이 아니라 출루율, 그리고 팀이 점수를 낼 수 있을 때 때려낼 수 있는 타율이 중요하다는 것을 여실히 보여준 내용이다. 실제로 월드시리즈에서 우승까지 했으니 충분한 효과를 보지 않았던가? 실제로 생각했던 슈퍼스타들이 필요했던 것이 아니라 가장 적절한 위치에 맞는 인원이 필요했던 것이다. 우리가 상상했던 것과 실제 데이터는 이렇게 맞지 않지만 그 간극을 줄여주는 것이 데이터 사이언스이다.

이제는 기계 스스로 학습까지 하는 세상이 되었다.

머신러닝이라고 하여 동일한 작업은 물론이거니와 번외로 할 수 있는 것도 배울 수 있는 능력이 생기고 있다. 많은 기사들이 자동으로 쓰이고 있고 AI를 통한 각종 산업들도 발전이 되고 있다. 과거와 같이 주먹구구 식으로만 일을 하게 된다면 이러한 시스템을 활용하는 사람들에게 뒤쳐지게 될 수밖에 없다. 교양이지만 이제는 필수가 되어 가고 있는 데이터 과학이 필요하다면 한 번 꼭 읽어봐야 할 책이라고 생각을 한다. 적어도 기본기는 충실해야 하지 않은가?