거의 모든 것의 마니아

Today's CEOs Need Hands-on Digital Skills

https://hbr.org/2021/11/todays-ceos-need-hands-on-digital-skills?ab=hero-main-text 

• BCG 연구에 의하면, 작년에 80%가 넘는 회사가 Digital Transformation Project를 가속화했지만, 70%가 목표를 달성하지 못한 것으로 밝혀짐
• CEO는 디지털을 이해하고 활용할 줄 알아야할 뿐만 아니라, 변화의 중심축이 되어야함. 디지털 트랜스포메이션은 단순히 새로운 기술과 프로세스를 도입하는 것이 아니라, 사고하는 방식과 일하는 방식에 대한 관성과 변화에 대한 저항을 극복하는 것에 있음.

pull off 해내다, 벗어나다

at its core 본질적으로, 그 핵심으로, 그 중심에

lackluster 광택이 없는

invariably 변함없이, 언제나

make the cut 특정 목표를 달성하다.

trinity 삼위일체

★ 영어 공부하기 좋은 아티클 

The Essential Components of Digital Transformation

https://hbr.org/2021/11/the-essential-components-of-digital-transformation

• 디지털 트랜스포메이션에 엄청난 투자를 하지만, 다양한 단계가 있음을 과소평가하여 실패하는 경우가 많음
• 가장 좋은 기술도 적합한 프로세스, 문화, 인재가 준비되어있지 않으면 낭비일뿐임 
• 디지털 트랜스포메이션의 핵심은 데이터 기반의 조직이 되는 것에 있음. 주요 결정, 조치, 그리고 프로세스가 데이터 기반의 인사이트에 강하게 영향을 받아야 함
• 디지털 트랜스포메이션의 핵심 요소는 1. 사람, 2. 데이터, 3 인사이트, 4. Action, 5. 결과임
• AI가 예측을 하고 데이터가 인사이트를 주더라도 그것을 가지고 액션을 하지 않으면 의미가 없음. 액션을 하려면 관련한 스킬, 프로세스, 변화관리가 필요함. 이것이 인재가 주요한 역할을 하는 포인트임
• 결과가 나오면 끝나는 것이 아니라 그것을 다시 데이터로 돌아가야 함  
• 간단히 말해서 디지털 트랜스포메이션에서 중요한 것은 '디지털'이 아니라 '트랜스포메이션'임

salient 가정 중요한, 핵심적인, 현저한

dispersed 흩어진, 부서진

retrievable 되찾을 수 있는

interative 되풀이되는

retroactive 소급하는 

3 Tactics to Accelerate a Digital Transformation 

https://hbr.org/2021/11/3-tactics-to-accelerate-a-digital-transformation

• Digital로 검색하여 다 읽고보니 재택근무와 관련한 이야기였음

• DBS는 Future of Work팀을 통해 업무 혁신을 가속화하고, 기술 적용을 추진함
• Use technology to make technology disapear
  1) DBS는 모든 금융 기관이 그러하듯 보안을 중시하는데, Covid 19으로 인해 직원들이 재택을 하면서 화면 사진을 쉽게 찍을 수 있다는 점에서 우려가 되었음. 따라서 산용카드 사기를 막기 위해 쓰는 방법을 활용하여 사용자 마다의 독특한 디지털 워터마크를 생성했음. 정교한 AI 기술을 활용하여 일반적이지 않은 직원의 행동을 감지하고, 내부 시스템에 접근 하는 방식을 간소화하였음. 이러한 보이지 않는 배경 기술로 직원들은 재택근무가 가능해짐 
  2) 재택 근무로 인해 직원들과 대면 교류가 활발하지 않다보니 직원들의 감성과 정서를 파악하기가 어려웠음. 이 문제를 해결하기 위해 자연 언어 처리 알고리즘을 활용한 모델을 만들어 직원들이 직원 경험 설문의 주관식에서 약하게 드러내는 불만족 사항을 파악하였음 
  3) 200개가 넘는 사내 디지털 툴에 대해서 애플 유저가 애플 앱을 평가하듯이 사용자인 직원들이 평가를 하였음. 사용자가 100명이 넘고, 별점이 4점 이하일 경우, 디지털 툴 담당자는 대책을 마련하도록 함
• Actively share day-by-day behavior
  1) Kiasu Committee를 통해 관성/변화에 대한 저항을 다룸. Kiasu Committee는 모의 법정과 같은 형태를 통해 직원들이 정책과 프로세스가 업무를 방해한다고 여겨지면 고소할 수 있도록 함. 직원들이 배심원 역할을 하여 변화가 필요한 부분을 다 같이 신중하게 생각함
  2) 재택으로 인해 새로 들어온 직원들에게 사내 규범을 가르치기 어려웠을 뿐만 아니라, 다년간 비공식적으로 이루어지던 리츄얼들, 사무실에서 자연스럽게 오고가는 대화를 통해 알 수 있는 것들을 전달하는데 제한이 생김. DBS는 공식적인 멀티미디어를 통해 새로운 직원들을 온보딩하기 시작했음. 실제로 wall of transfotion을 만들어 시각적으로 DBS의 트랜스포메이션의 하이라이트를 볼 수 있도록 하고, DBS 리더들과의 대화를 디지털 버전으로 만들어 어떤 리더들이 있는지 빠르게 만나볼 수 있도록 하였음   
  3) 팀의 공감대를 형성하기 위해 인간적인 요소를 공유할 수 있도록 미팅을 시작하기 전에 본인의 컨디션을 1-10점 사이로 말하도록 하고, 좋지 않을 경우 이유를 공유하도록 함 ...음...?
• Systematically reinforce desired behavior change 
  1) 변화를 측정하고 관리할 수 있는 균형 있는 성과 관리를 하고 인센티브 역시 이에 맞게 수정함
  2) 직원 경험과 관련하여 새로운 거버넌스 시스템을 만듬 
  3) 디지털 트랜스포메이션의 진행 경과를 조심스럽게 추적하고 측정함

fine grain 가는 결

ripple 잔물결

decay 부패, 부식 

fray (천이) 헤어지다

inhibiting 억제

dislocation 혼란

longstanding 다년간의

augment 늘리다

calibrate 눈금을 매기다

threshold 문지방

scrutinize 세심히 살피다

디지털 교육 설계를 위해 디지털 관련 개념을 이해해보기로 한다 ㅋㅋㅋㅋㅋㅋㅋ

디지털이라니 좋지만 싫을 것 같다. 싫지만 좋을거야 ㅠ-ㅠ 

※ 학습 노트

어려운 머신러닝, 쉽게 설명해드려요

* 머신러닝이란 : 만들고 싶은 목표가 있고, 만드는 방법을 모르는 상황에서

                      해결 방법을 사람이 제시하는 것이 아니라 기계가 직접 시도하는 것을 반복한 후 적합한 방법을 만들도록 하는 기술

* 머신러닝 3요소 : 1) 경험 2) 성능지표 3) 작업목표 >> 3요소를 반복하며 정답에 가까워지는 것 

* 머신러닝이 인공지능의 핵심 기술인 이유

  - 인간이 지능을 재현하려는 인공지능은 방법은 모르지만 결과를 알고 있음

  - 기존 컴퓨터는 프로그래밍을 통해 일일이 방법 하나하나를 코딩해줌

  - 머신러닝은 컴퓨터 스스로 데이터를 학습해서 결과물을 만들어냄 

* 소프트웨어 1.0 vs 소프트웨어 2.0

- 사람이 프로그래밍을 해주는 소프트웨어 1.0 

- 기계 스스로 데이터를 통해 점점 발전하는, 소프트웨어 2.0 

머신러닝을 실전에 적용하려면?

* 머신러닝의 5단계

1단계 데이터 수집 (collecting)

2단계 데이터 전처리(preprocessing) : 각기 다른 크기와 구도를 가진 데이터를 최대한 같은 포멧을 갖추도록 처리하는 과정

         - 많은 경우 어떤 데이터가 어떤 결과물을 만드는지 패턴을 알려주는 과정인 레이블링(labeling)이 필요

3단계 피처추출(feature extraction): 작업 목표와 관계없는 불필요한 피처들을 버리고 중요도에 맞게 적절히 재구성하는 과정

        - 딥러닝: 데이터를 쏟아 부어 피처 추출을 머신러닝에 맡기고자 하는 기술

4단계 학습 (training)

5단계 검증(validation)

딥러닝의 원리를 알아봅니다 (Feat.CNN)

* 머신러닝 차원의 저주: 데이터의 차원 (피쳐)의 수가 늘어날수록 필요한 데이터의 량은 제곱으로 많아짐 

* 머신러닝 차원의 저주를 해결하기 위한 딥러닝 단계 

  CNN(Convolutional Neural Network) 이미지 필터링, 샘플링 반복 >> 저차원의 필터 생성 >> 여러 레이어 생성 >> 예측

◆

[추가 영상] 머신러닝, 1시간으로 입문하기

* What is machine learning

  A computer program is said to learn from experience E with respect to come class of tasks T and performance measure P,

  if its performance at tasks in T, as measured by P, improved with experience T - T.Michel(1997)

(예시) 축구 게임 전술을 위한 프로그램

         T: 축구 게임에서 승리

         P: 골

         E: (x) 선수들의 움직임 (y) 평가

* Machine learning process

1) Select a parametic / nonparametic model

2) Set a performance measurement including regularization term

3) Training data(optimizing parameters) until validation error increases

4) Evaluate the final performance using test set

* Non parametric model: 모델없이 알고리즘을 자동으로 찾도록 하는것, 단점으로는 샘플이 훨씬 많이 필요함

  - Support Vector Machine: 분류 규칙을 찾는 기법

  - Gaussian Process Regression

마지막 몇 분은 아예 모르겠는 부분...ㅋ 그냥 꾸역꾸역 들어보았다 ㅋ

◆

[추가 영상] 머신러닝/딥러닝 강의 7가지 추천

* 양, 난이도, 정성, 커리큘럼, 추천자의 마음을 기준으로 7개 강의를 추천함

* Coursera, Udacity, youtube, stanford 등

◆

[추가 영상] [리얼밸리 EP05] 머신러닝, 딥러닝 초간단 설명 ★추천

* 일반적인 컴퓨터 사이언스: 사람이 찾아서 기계에 알려주는 것

  머신 러닝: 데이터를 많이 주고 최소한의 모델을 제공하여 기계한테 직접 찾게 하는 것

  딥러닝: 머신 러닝 방법 중 하나로, 모델 구조 중 사람의 뇌를 본딴 모델 구조를 사용

            - 데이터가 방대해지고
            - 인프라 스트럭처 레벨 기술 (GPU 사용, 빅데이터 처리 기술) 통해 인공신경망 훈련 가능해지며 두각을 드러내기 시작

- 현업에서는 최적화, 추천, 효율성을 높이는 문제에 굉장히 적용이 많이 되고 있음

◆ 

[추가 영상] 어머니에게 딥러닝(CNN, RNN, GAN)을 설명해보자 // 포럼IT 딥토크 이벤트

* CNN: 이미지 인식 분야에서 사용하는 알고리즘

          이미지를 필터가 훑고 지나가면서 특징을 잡아냄

          텍스트 인식에도 적용하고 있음

* RNN: 시계열 데이터, 미래 예측, 음성인식에 사용

* GAN(generative adversarial network)

◆

[추가 영상] [ART x TIPS] 인공지능 전문가, 스타트업을 만나다

* ...

영어 공부 겸 트랜드 공부를 위해 맥킨지 인사이트와 하버드 비즈니스 리뷰 위주로 아티클을 찾아읽곤 하는데, 

기왕이면 기록 & 정리하면서 보기로 한다.

주제는 한정하지 않으나 업무 관련한 것을 우선으로 찾아볼 예정이다. 

교육 업무를 하고 있으나, 교육을 주제로하는 아티클을 찾기보다는 교육해야할 컨텐츠를 주제로한 아티클을 찾을 것이다.

예를들어, 작년까지는 리더십 아티클을 주로 보았고, 올해는 마케팅 또는 디지털 아티클을 찾아볼 생각이다.

기록할 내용은 교육할 때 인용할만한 인사이트 또는 교육/학습과 관련하여 고민거리를 제공하는 내용이다.

하지만 늘 그렇듯, 하다보면 바뀔 수도 있음 ㅎㅎㅎ

Mckinsey Insight 

https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/what-comes-after-the-2020-digital-dash

 tumultuous 격동의

 usher 안내하다

 fraught 좋지 않은 것들이 가득한