2021년을 형성하는 12가지 핵심 데이터 사이언스 응용 분야

데이터 사이언스는 과학적 기법과 계산 알고리즘을 사용해 구조화·비구조화 데이터에서 가치 있는 통찰과 지식을 추출하는 학제간 분야입니다.

수학, 통계, 통계 모델링, 컴퓨터 과학, 데이터베이스 기술, 프로그래밍, 예측 분석, 신호 처리, 인공지능, 머신러닝, 신경망, 신호 처리 등 수많은 고급 프로세스가 포함됩니다.

데이터 사이언스는 21세기 가장 빠르게 부상하는 분야 중 하나가 됐습니다. 응용 분야가 매우 광범위하고 포괄적입니다.

오늘날 1,000개 이상 조직과 민간 시설이 개별적·협력적으로 사회의 가장 도전적인 문제들을 해결하고 있습니다. 이들의 연구 혜택은 헤아릴 수 없습니다.

데이터 사이언스의 가장 일반적인 응용 분야가 무엇인지 깊이 파고들어 보겠습니다.

12. 항공사 운영 관리

다양한 노선의 승객 수요 평가 및 좌석당 수익 증대

이지젯(EasyJet)과 사우스웨스트 항공(Southwest Airlines) 같은 기업들은 운영 과제를 성공적인 데이터 사이언스 활용 사례로 전환했습니다.

항공 산업에 데이터 사이언스 도입의 궁극적 이점은 현재 및 미래 시장 수요에 대한 정확한 대응, 노선 계획 개선, 수익 관리 향상, 고객 로열티 프로그램 같은 수익성 있는 마케팅 전략 구현 등을 포함합니다.

데이터 사이언스로 항공사는 가격 전략 개선과 재고 관리가 가능합니다. 많은 기업이 좌석당 수익을 20% 이상 높이는 데 성공했습니다. 일부 항공사는 웹사이트에서 연간 수십억 건 검색을 분석해 최적 노선과 운항 시간을 결정합니다.

11. 의도 분석(Intent Analysis)

기업이 더 고객 중심적이 되도록 지원

'감성 분석(sentiment analysis)'이란 용어에 익숙할 수 있습니다. 메시지를 분석해 기저 감성이 부정적, 긍정적, 중립적인지 판단하는 방법입니다. 의도 분석은 사용자 메시지 뒤 의도를 분석해 불만, 제안, 문의, 의견, 뉴스 중 어디에 해당하는지 판단함으로써 프로세스를 한 단계 끌어올립니다.

의도 분석 시스템은 머신러닝을 저수준 토큰화와 구문 분석부터 고수준 감성 분석까지 다양한 분석 기능과 결합합니다.

스마트폰에 대한 다양한 의도를 보여주는 소셜 게시물 예시를 고려해보세요.

• "OLED 화면이야?" — 문의
• "4200mAh 대신 5000mAh 배터리 썼으면 좋았을 텐데" — 제안
• "카메라 화질이 별로야" — 피드백

데이터 사이언스는 의도의 패턴을 식별할 수 있습니다. 이는 영업과 고객 지원 같은 영역에서 기업이 더 고객 중심적이 되게 합니다. 피드백 수용부터 대량 문의 처리, 개인화 서비스 제공까지 의도 분석은 핵심 도구가 될 수 있습니다. 스팸 탐지(유효하지 않은 이메일, 메시지, 전화)에도 활용 가능합니다.

10. 금융 사기 탐지

거래 내 불일치 포착

신용카드 거래, 소득세 환급 청구, 보험금 청구 등이 얽힌 사기는 기업과 정부 주요 골칫거리입니다. 모든 산업의 모든 사기 유형에 통하는 특정 소프트웨어나 알고리즘은 없습니다. 문제 특성이 상황마다 다르기 때문입니다.

따라서 각 데이터 사이언스 도구는 각 산업 영역 내 불일치를 탐지하도록 다르게 설계됩니다. 일부 도구는 사기 탐지를 지도 분류 문제로 다루고, 일부는 군집 분석, 시계열 분석, 분기점 분석, 거래 실시간 모니터링 등 독자적 방식으로 접근합니다.

사기 유형별 다양한 탐지 방법:

• 신경망(Neural nets): 재무제표 사기 탐지용
• 베이즈 학습 신경망: 의료보험 사기, 통신 사기, 신용카드 부정 거래 효율적 탐지
• 링크 분석 기법: 레코드 링키지와 소셜 네트워크 방법 활용해 알려진 사기꾼과 타 개인 간 관계 파악
• 비지도 머신러닝 알고리즘: 새로운 유형 사기 식별용

9. 실시간 경로 최적화

거리와 이동 비용 최소화

데이터 사이언스와 응용 공학의 힘으로 두 지점 간 이동 시간을 정확하게 예측할 수 있습니다.

예: 배송 회사가 1,000개 영업 노선, 50개 매장, 5만 명 탄탄한 고객 기반을 가졌다고 가정. 목표는 가능한 한 빨리 모든 고객에게 패키지를 배송하면서 이동 거리는 줄이는 것. 이는 NP-난제(NP-hard problem)입니다.

회사는 3차원 접근법과 정교한 경로 매핑 알고리즘으로 이 과제를 높은 정밀도로 해결할 수 있습니다. 이 데이터 사이언스 알고리즘은 인접한 위치를 매핑하고 서로 가까운 배송 지점들로 부분집합을 만듭니다.

대다수 기업은 분기한정법(branch-and-bound), 동적 프로그래밍, 유전 알고리즘으로 최첨단 솔루션을 얻습니다. 배송 차량 수를 줄이면서 패키지 지연 없이 상당한 운영 비용 절감이 가능합니다.

8. 범죄 분석

스페인 범죄 지도 및 분석

범죄 사건 더 빠르게 해결하고 특정 위치 미래 범죄 활동 예측

범죄 분석은 다양한 데이터를 조사해 범죄를 더 빠른 속도로 해결하고 과거 사건을 기반으로 미래에 발생할 수 있는 범죄를 예측하는 데 통계 도구와 기법을 사용하는 분석의 한 분야로 볼 수 있습니다.

내부 경찰 작전, 범죄 피해자, 무질서, 삶의 질 이슈 분석이 포함됩니다. 데이터 사이언스로 추출한 통찰은 순찰 활동, 범죄 예방, 수사·기소, 경찰 노력 평가에 활용될 수 있습니다.

현대 도구는 구글 맵과 다양한 R 패키지를 이용해 범죄 네트워크를 시각화하고 다양한 머신러닝 기법으로 조사하는 프레임워크를 제공합니다.

7. 타겟 광고

적절한 청중에게 광고 노출해 고객 획득 비용 절감

좋은 광고는 항상 기업 성공의 주된 이유 중 하나였습니다. 하지만 단순히 캐치프레이즈로 제품을 홍보하는 게 아닙니다. 적절한 사람들에게 적절한 시간과 맥락에서 메시지를 전달하는 것도 중요합니다.

데이터 사이언스는 수천 개 신호를 실시간 분석해 적절한 순간에 적절한 청중에게 광고를 전달해야 하는 광고주와 마케터에게 필수적이 됐습니다. 사용자 과거 행동(사이트 방문, 검색, 구매) 분석에도 머신러닝이 필수적입니다.

데이터가 많을수록 더 좋은 타겟팅 결과를 얻습니다. 타겟 광고 활용 사례는 다음과 같습니다.

• 비주얼 머천다이징(Visual merchandising): 제품과 서비스 표현 최적화하는 리테일 업계 마케팅 관행. 조명, 색상 조합, 창의적 시각 디스플레이 등 요소로 고객 관심 유도.
• 프로그래매틱 광고(Programmatic advertising): 온라인 광고 공간 자동 구매·판매. 브랜드나 에이전시가 정교한 생태계 통해 밀리초 단위로 퍼블리셔 웹사이트나 앱에서 광고 노출 구매 가능.
• 스마트 입찰(Smart bidding): 입찰 과정마다 머신러닝으로 전환 가치 높게 광고 최적화하는 자동 입찰 전략 하위 집합.

6. 고급 이미지 인식

패턴 인식 및 다중 이미지 세트 구별

현대 데이터 사이언스 소프트웨어는 사람 얼굴을 정확히 인식해 데이터베이스 내 모든 사진과 매칭합니다. 얼굴 표정이나 질감 같은 특수 패턴도 인식할 만큼 똑똑합니다. 일부 프로그램은 복잡한 다이어그램에서 데이터 수집하거나 필기체 텍스트 인식용으로 설계됐습니다.

얼굴 인식 외에도 데이터 사이언스 도구는 머신러닝 기법으로 카메라 프레임에 포착된 객체 탐지 가능. 모양, 색상 감지, 모든 객체 치수 실시간 측정으로 이미지 콘텐츠에 대한 상세 통찰 제공.

이미지 인식과 객체 탐지는 스마트 포토 라이브러리, 타겟 광고, 시각 장애인 접근성, 연구 역량 강화 등 다양한 분야에 활용됩니다. 마이크로소프트, 구글 등 기술 거물들이 이미지 인식 연구와 관련 응용에 막대한 투자 중.

5. 게임 개발

플레이어 경험, 참여 전략, 수익 개선

게임 성공을 이끄는 두 핵심 요소는 스토리라인과 그래픽입니다. 이들이 플레이어를 몰입시키고 흥미를 유지시킵니다.

게임에서 수집된 데이터는 다양한 방식으로 활용될 수 있습니다. 예: 많은 기업이 게이밍 애널리틱스로 플레이어가 원하는 것, 각 스테이지별 소요 시간, 가장 즐거워한 부분 등 구체적 지식을 얻습니다.

데이터 사이언스는 모델 생성, 머신러닝 알고리즘 강화, 최적화 포인트와 트렌드 식별로 게임 경험 개선에 활용됩니다. 개발자가 이전 데이터로 새로운 게임 컨셉, 스토리라인, 인터랙티브 시나리오 구축 가능하게 합니다.

4. 제조업

이미지 출처: 인텔리패트(intellipaat)

예방 정비와 고장 예측 지원

데이터 사이언스가 제조업에 쓰이는 방식은 특정 면에서 독특합니다. 제조 단위 유형이 많고 각기 다른 요구사항을 가지기 때문입니다.

데이터 사이언스는 주로 제조 공정에서 가치 있는 정보 추출에 쓰입니다. 이 정보는 기업이 이익 극대화, 리스크 최소화, 생산성 분석에 도움 됩니다.

예: 레이시온 테크놀로지스(Raytheon Technologies Corporation)는 제조 실행 시스템(Manufacturing Execution Systems)이란 소프트웨어 솔루션으로 공장 현장 데이터 수집·평가. 데이터 분석 결과 한 모듈의 나사를 13번 돌려야 함을 발견. 10번이나 12번만 돌면 시스템이 에러 표시하고 설치 중단.

제대로 분석하면 이 정보로 다음이 가능합니다.

• 기계 고장률 추정
• 에너지 비효율 부품 식별
• 재고 관리 간소화
• 공장 바닥 공간 최적화

GM, 포드 같은 기업은 센서·프로세서부터 자재 품질·성능까지 내부·외부 모든 소스 막대한 데이터 평가로 생산 시간 개선, 에너지 비용 최소화, 이익 극대화.

3. 게놈 연구

인간 건강과 질병 더 잘 이해하도록 도움

지난 10년간 생의학 연구 프로젝트와 대규모 협업이 급성장했습니다. 그 결과 매년 방대한 게놈 데이터(2,000~40,000 페타바이트)가 생성됩니다.

데이터 사이언스는 바이오인포매티션 전문가와 유전학자가 거대하고 복잡한 데이터셋에서 실용적 통찰을 추출해 DNA 차이가 인간 건강과 질병에 미치는 영향을 이해하도록 돕습니다.

얼라이너(aligners) 같은 데이터 사이언스 도구로 DNA 서열 개별 구성요소 위치 분석. 소프트웨어 프로그램이 특정 인간 게놈 서열이 다른 인간 게놈 서열과 다른 위치를 식별합니다.

이 게놈 차이는 다양합니다. 단일 DNA 문자만큼 작거나 염색체 이상만큼 클 수 있습니다. 이런 차이 분석으로 연구자들은 흔한 질병, 암, 희귀 장애 원인을 정확히 파악할 수 있습니다.

참고: 최고의 테스트 데이터 생성 도구 15가지

2. 교육

학생 성과와 교수법 개선

데이터 사이언스는 교육 분야에 혁명을 일으킬 잠재력이 있습니다. 교사가 적응형 학습 기법을 활용해 각 학생 참여를 유도하는 효과적·맞춤형 학습 경로 제공 가능하게 합니다.

의사결정 트리, 로지스틱 회귀, 랜덤 포레스트 등 여러 머신러닝 알고리즘이 이미 이 목적에 활용 중입니다.

데이터 사이언스는 관리자가 교사 활동과 교수법 분석 가능하게 합니다. 교수진 강점과 약점 보여주는 가치 있는 정보 제공. 이는 교사 개선과 가장 효과적인 교수법 식별에 도움 됩니다.

네바다 대학은 학생 데이터 분석과 성과 예측에 데이터 사이언스 방법 적용. 또 다른 예로 플로리다 대학은 다양한 기법으로 패턴과 트렌드 식별해 맞춤형 학생 경험 제공.

참고: 데이터 4가지 유형 [예시 포함]

1. 신약 발견 및 개발

데이터 사이언스가 전체 R&D 프로세스 효율성 증대

고급 분석과 컴퓨팅 파워 결합으로 데이터 사이언스가 제약 연구 핵심 필수 학문이 되고 있습니다.

인공지능과 머신러닝 기법의 신약 발견 통합으로 전체 R&D 프로세스 시간 대폭 단축, 효율성 대폭 증대.

딥퍼포즈(DeepPurpose) 툴킷 같은 고급 도구로 약물-타겟 상호작용(DTI) 예측용 50개 이상 모델 개방, 신약 발견 기본 과제 해결. 딥퍼포즈는 가상 스크리닝과 약물 재창출용 간편 인터페이스도 제공.

코그니전트(Cognizant) 개발 데이터 사이언스 솔루션이 여러 제약사 암 약물 연구 임상시험 교차 참조 노동 집약적 프로세스 개선 도움.

참고: 사용할 만한 최고의 데이터 사이언스 도구 13가지

자주 묻는 질문

데이터 분석과 데이터 사이언스 차이는?

데이터 분석이 과거 기록을 맥락 있게 보는 데 집중한다면, 데이터 사이언스는 다음에 올 것을 예측하거나 분석하는 예측 모델 생성에 집중합니다.

예: 데이터 분석가는 빅데이터 종합해 "지난 가을 어떤 제품이 가장 많은 이익 냈나?" 같은 질문 답할 수 있습니다. 반면 데이터 사이언티스트는 머신러닝 기법으로 피드백과 고객 행동 분석해 올해 어떤 제품과 서비스가 더 잘 나갈지 예측합니다.

참고: 최고의 리포팅 도구 및 소프트웨어 13가지 [무료 및 유료]

데이터 사이언티스트 연봉은?

미국 노동통계국(BLS)에 따르면 데이터 사이언티스트 평균 연봉은 11만 1천 달러(약 1억 4천만 원). 경력 있는 데이터 사이언티스트(매니저급)는 연 25만 달러(약 3억 3천만 원)까지 받습니다.

캘리포니아, 텍사스, 뉴욕, 일리노이, 워싱턴이 데이터 사이언티스트와 수리과학 직종 고용 수준 가장 높은 주들입니다.

데이터 사이언스 플랫폼 미래는?

데이터 사이언스 플랫폼 도입이 크게 늘고 있습니다. 오픈소스 프로그램 유연성과 컴퓨터 리소스 확장성 제공. 다양한 데이터 아키텍처와 쉽게 정렬 가능.

Grand View Research 보고서에 따르면 글로벌 데이터 사이언스 플랫폼 시장 규모는 2027년 260억 달러(약 34조 원)에 달하며, 연평균 26.9% 성장할 전망. 인공지능과 신경망 발전이 이 경이적 성장의 핵심 요인.