데이터 분석에 관한 12가지 팩트체크

1. 데이터 분석에는 많은 투자가 필요하다 -> 그렇지는 않다.
   
2. 분석에는 빅데이터가 필요하다 -> 그렇지 않다. 필요한 데이터가 있어야 한다.
   
3. 분석은 사람의 편견(편향)을 없애 준다 -> 그렇지 않다. 트래이닝 데이터에 편향이 있을 수 있다.
   
4. 항상 최고의 알고리즘이 이긴다 '''-> 그렇지 않다. 아주 많은 데이터는 우수한 모델보다 더 나은 결과를 제공한다.
   
5. 알고리즘은 '페일 세이프'다 -> 그렇지 않다. 많은 사람들은 모델에 사용된 알고리즘, 분석 기법을 이해 못한다. 그래서 모델을 구현한 '똑똑한 사람'을 믿기로 선택한다. '''
   
6. 데이터 과학은 '신비로운 마법'이다 -> 그렇지 않다. 신비로운 부분은 없다.
   
7. 데이터 과학을 더 많이 활용하려면, 더 많은 데이터 과학자가 필요하다 -> 데이터 전처리 담당자가 있으면 그렇지 않아도 된다.
   
8. 분석에 지나치게 많은 시간이 걸린다 -> 인재와 역량에 달리 문제(개인의견: 빵빵한 HW, 잘꾸며진 Data Warehouse 또는 Data Lake 필요)
   
9. 기술이 '이려운 문제'다 -> 조직 구조와 운영 모델을 통합하는 것이 진짜 문제(기술만으로는 문제를 해결 할 수 없다)
   
10. 데이터 분석 부서는 별개의 부서가 되어야 한다 -> 조직이 직면한 문제의 상당수는 사업 부서에 있다. 사업 부서에 있는게 좋을 듯
    
11. 분석은 박사들의 업무다 -> 필수 요소는 아니다.
    
12. AI가 일자리와 경제를 파괴할 것이다 -> 사람이 AI보다 더 나은 부분이 있다.
    
    
    

원문보기:
http://www.ciokorea.com/insider/36439#csidx3cf91d58da8195385df3cc08fe05a49