• 경제/경영 > 경영

출판사 리뷰

출판사 서평 빅데이터의 본질이 궁금한 사람, 디자인 씽킹의 구조를 알고 싶은 사람… 기업과 개인의 혁신을 위해 이들을 어떻게 활용해야 할지 고민하는 사람… 그 모두에게 권하는 가장 친절하고 실용적인 빅?데이터 & 디자인 씽킹 안내서 요즘 가장 많이 회자되는 단어 중 하나가 ‘빅데이터’이다. 신문이나 방송, 심지어는 광고에서도 빅데이터라는 말을 쓰고 있을 정도다. 국내에서도 2012년 이후 빅데이터 관련 도서가 활발하게 출간되었다. 하지만 빅데이터의 정체는 여전히 오리무중이다. 현상은 난무하지만 실체를 접하기 어렵고, 게다가 일반 ... 빅데이터의 본질이 궁금한 사람, 디자인 씽킹의 구조를 알고 싶은 사람… 기업과 개인의 혁신을 위해 이들을 어떻게 활용해야 할지 고민하는 사람… 그 모두에게 권하는 가장 친절하고 실용적인 빅데이터 & 디자인 씽킹 안내서 요즘 가장 많이 회자되는 단어 중 하나가 ‘빅데이터’이다. 신문이나 방송, 심지어는 광고에서도 빅데이터라는 말을 쓰고 있을 정도다. 국내에서도 2012년 이후 빅데이터 관련 도서가 활발하게 출간되었다. 하지만 빅데이터의 정체는 여전히 오리무중이다. 현상은 난무하지만 실체를 접하기 어렵고, 게다가 일반 대중에게는 왠지 ‘가까이 하기엔 너무 먼’ 것으로 보이는 까닭이다. 『디자인 씽킹 : 데이터 마이닝에서 프라이싱까지 빅데이터를 설계하라』는 바로 이 답답함을 해소해준다. 저자가 유럽, 중국, 싱가포르, 홍콩 등지에서 빅데이터 전문가(데이터 큐레이터)로서 활동한 경험을 바탕으로 정보 전문가 집단뿐만 아니라 일반인들이 빅데이터의 본질에 보다 수월하게 접근할 수 있도록 친절하게 안내했기 때문이다. 이를 테면 새로 이사 간 동네에서 학원이나 치킨집을 개업할 때 어떤 식으로 접근해야 하는지를 비롯하여 국내외 기업으로부터 의뢰받은 컨설팅에서 빅데이터와 디자인 씽킹을 활용하여 어떻게 해결책과 대안을 제시하게 되었는지, 또 국내 기업인들에게 관심이 많은 중국 시장의 개척 가능성을 탐지하려면 어떤 부분에 주목해야 하는지 등등을 실제 사례 위주로 소개하고 있다. 그는 먼저 빅데이터가 무엇인지, 디자인 씽킹이란 무엇인지 개념을 정리하고, 왜 기업 컨설팅에서 ‘빅데이터 기반 디자인 씽킹 작업’에 주목하게 되었는지, 그 이유와 목적, 그리고 빅데이터와 디자인 씽킹의 관계를 설명한다. 따라서 이 책은 “빅데이터란 무엇인가?”라는 이미 해묵은 질문에 답하기보다 그 개념을 현실에 맞게 리셋한 다음 “우리는 이것을 어떻게 요리할 것인가?”에 대한 답을 찾아가는 과정을 안내하는 일종의 내비게이션 기능을 한다. 빅데이터의 개념과 본질이 궁금한 사람, 디자인 씽킹의 의미와 구조를 알고 싶은 사람, 이들의 적용 방법을 고민하는 사람, 기업과 개인의 혁신을 위해 그 활용성을 탐색하고 있는 모든 이에게 추천한다. 빠르고 정확하게 의사를 결정하고, 더 나은 대답을 찾으려면 빅데이터를 활용하라 빅데이터라는 표현이 세상에 나온 것은 21세기 초반이지만, 실제로 대중적인 공감을 얻기 시작한 것은 2012년에 발표된 빅데이터에 대한 가트너의 정의(Gartner’s definition)를 통해서다. 가트너는 “빅데이터란 의사 결정에 활용할 수 있도록 새롭게 가공?처리해야 하는 수많은 양의 정보자산, 그리고 빠른 속도로 처리해야 하는 다양한 정보자산이다”고 말했다. 이후 끊임없이 쏟아지는 거대한 데이터에 어떻게 새로운 가치를 부여할 것인가, 이를 현실에서 어떻게 활용할 것인가에 대한 탐색전이 분야를 불문하고 활발하게 전개되었다. 더불어 경제경영 연구가들과 정보 분석가들이 저마다의 연구 결과를 바탕으로 안내서를 집필하기에 이른다. 저자는 이에 대해 “빅데이터의 정체에 대한 생각은 일정 부분 맞지만, 활용 개념에 대한 판단은 옳지 않다. 빅데이터란 자금과 인력이 충분한 국가기관이나 기업이 정치나 행정, 사업을 해나갈 때 중요한 결정을 내리기 위해서만 사용하는 게 아니다. 그보다는 개인 구성원들이 자신의 삶 속에서 스스로의 삶을 좀 더 잘 이해하고 보다 나은 대답을 찾아가기 위해 매 순간 맞닥뜨리는 중요한 일들을 바르고 빠르게 결정할 수 있도록 돕기 위한 것이기 때문이다”라고 말한다. 그러면서 빅데이터의 개념을 리셋할 필요가 있다고 강조한다. 그러지 않으면 많은 사람들이 우려하듯 빅데이터가 빅브라더의 먹잇감으로 전락하거나 특정인의 무기가 될 가능성이 높다고 지적한다. 이 책이 기존의 빅데이터 안내서와 비교하여 특장과 차별성을 획득하는 첫 번째 지점이다. 빅데이터 다음은 디자인 씽킹이다 더 나아가 그는 “빅데이터의 유용성과 실효성, 혹은 활용성을 논할 시기는 이미 지났다”고 말한다. 아무리 정보가 많다 한들 그것이 실제 기업이나 개개인의 업무, 그리고 실생활에 적용되어 변화와 혁신을 꾀하지 못한다면 무용지물이 되거나 일부 전문가의 전유물이 되기 십상이라고 보는 탓이다. 따라서 자신에게 혹은 기업에게 꼭 필요한 데이터를 취사선택하여 이것을 ‘가장 실용적으로 구조화하고 시각화할 수 있는 능력’을 갖추어야 한다고 강조한다. 이 과정을 그는 ‘디자인 씽킹’이라 부른다. 사실 디자인 씽킹이라는 개념은 1990년대 말부터 조심스레 입에 올리게 되었다. 그러던 중 “오늘날 가장 혁신적인 디자인 기업으로 꼽히는 IDEO의 대표적인 방법론이 디자인 씽킹이다”는 기사와 함께 지난 10년간 미국에서 큰 유행을 탄 용어로 대중의 이목을 끌게 되었다. 게다가 2011년 5월 정용진 신세계 부회장이 이마트 웨이를 강조하면서 디자인 씽킹을 언급하여 다시 한 번 국내에서 주목을 받게 된다. 하지만 새로운 패러다임이 국내에 소개될 때마다 한바탕 소용돌이가 일어나듯 디자인 씽킹에 관한 의견도 제각각이다. 제대로 정립되지 않았다는 뜻이다. 그것은 역으로 이 방식이 기업, 문화, 정치, 개인의 삶 등 다양한 분야에 변용?적용될 수 있다는 뜻이기도 하다. 저자는 “빅데이터 분석을 통해 준비한 메시지는 이미 알고 있는 대상―숨겨진 대상―을 정확히 찾아내서 제대로 된 전달 방법과 루트를 통해 상대의 심중에 정확하게 전달해야 한다. 이러한 일련의 과정 전체를 나는 ‘디자인 씽킹’이라 부른다”고 말한다. 그러면서 “생명체인 정보들을 모아놓은 것이 바로 빅데이터이며, 이 안에서 내게 필요한 정보들만을 추려내어 메시지로 만드는 과정이 바로 디자인 씽킹이다”라고 강조한다. 그에 따르면 빅데이터 다음 단계는 곧 디자인 씽킹이다. 이 책의 두 번째 특장이 잘 드러나는 대목이다. 변화와 혁신을 이룬 여러 가지 사례들 이쯤에서 독자는 “그렇다면 나도 빅데이터를 마음대로 쓸 수 있다는 건가? 하지만, 어떻게, 어디에?”라고 물을 법하다. 저자는 이 같은 독자의 궁금증에 답하기 위해 여러 가지 사례를 제시한다. 저자가 수행한 수많은 프로젝트 가운데 가장 접근성이 높고 실제 적용이 가능한 사례들만 추려서 소개하는 것이다. 국내 중소기업의 ‘중국 수출용 소형 정밀 부품 시장 개척’, ‘면포 멀칭제 프로젝트’를 비롯하여 ‘중국 보안시장 진출’, ‘치킨집 개업’, ‘민속예술 대중화 접근법’, ‘소매 금융 프로젝트’, ‘스크린골프 시장 개척’, ‘데이터 활용 사례_GPS 송신 장치’, ‘공개 데이터 활용 사례_한국은행’, ‘빅데이터 분석 사례_Pizza in China’, ‘베트남 모터사이클 시장 개척’ 등이다. 이런 사례들을 통해 독자들은 빅데이터에 접근하여 정보를 선택하고 이를 시각화하여 고객을 설득할 수 있는 자료들을 충분히 만들어볼 수 있을 것이다. 또한 더 나아가 이를 개인의 삶에 적용하여 인생에서 더 나은 길을 찾는 데 활용할 수 있게끔 가정이나 회사 안에서 나의 위치와 문제점을 분석하는 데 유용한 방법도 함께 소개한다. 따라서 이 책은 기업의 혁신을 꿈꾸는 사람뿐만 아니라 특별한 성과를 내고 싶은 사람, 자신의 가치를 확인하고 싶은 사람, 새로운 가능성을 열어가고 싶은 사람, 자신을 믿고 싶은 사람, 무엇인가에 다시 도전하고 싶은 사람에게도 정교한 나침반이 되어줄 것이다. 이 책의 구성 이 책은 모두 12개의 장과 2개의 부록으로 구성되었다. 1장에서는 ‘디자인 씽킹이란 무엇일까?’를 탐색한다. 개념의 정의

마침내 요약 보고서를 제출하던 날, 감격하던 그분들의 얼굴이 지금도 눈에 선하다. 그 업체는 현재 농업용 멀칭제로만 개발․생산하던 방향에서 더 나아가 새로운 수익 모델을 창출 중이다. 면포 멀칭제 분석 프로젝트는 데이터 마이닝 과정을 통해 발상의 전환 포인트를 발견하고, 이를 성공적인 혁신으로 연결한 좋은 사례이다. 만일 그분들이 통념에 사로잡혀 면포 멀칭제의 쓰임 범위를 농업에만 한정지었다면, 타사 제품과의 경쟁력을 단순히 가격에서만 찾으려고 했다면 어떻게 되었을까? 어쩌면 10년이라는 긴 시간과 26억이라는 거금을 그대로 수장했을지 모른다._<프롤로그> 중에서

당신이 살아가는 이 세상은 한 가지 대답만을 던져주는 일문일답(一問一答) 형 패러다임에서 벗어난 지 오래다. 우리가 살아가는 21세기는 질문과 대답 모두 더 나은 대안을 향해 앞으로 나아가는 세상이다. 멈추어 있는 상태가 곧 후퇴를 의미하는 변화무쌍한 세상이라는 뜻이다. 그러므로 당신이 어떤 새로운 아이디어를 개발하고자 하다면 늘 실시간으로 살아 움직이는 정보들을 캐낼 수 있어야 한다. 정보는 곧 생명체이기 때문이다. 이 생명체들을 모아놓은 것이 바로 빅데이터이며, 이 안에서 내게 필요한 정보들만을 추려내어 메시지로 만드는 과정이 바로 디자인 씽킹이다._<디자인 씽킹이란 무엇인가?> 중에서

사람들은 흔히 시도 때도 없이 무작위로 발생하는 각종 센서 결과, 모니터링, 거래 상황, 댓글 등의 실시간 SNS 정보 등을 빅데이터라 생각한다. 또한 이들을 활용하려면 전문적인 전산 지식이나 소프트웨어, 고가의 전산 설비들을 갖추고 있어야만 가능하다고 생각한다. 그러다 보니 생활고에 시달리느라 시간적으로나 경제적으로 여유가 없는 사람들은 아예 스스로 겁을 먹고 활용할 생각조차 못 해보게 된다.
빅데이터의 정체에 대한 생각은 일정 부분 맞지만, 활용 개념에 대한 판단은 옳지 않다. 빅데이터란 자금과 인력이 충분한 국가기관이나 기업이 정치나 행정, 사업을 해나갈 때 중요한 결정을 내리기 위해서만 사용하는 게 아니다. 그보다는 개인 구성원들이 자신의 삶 속에서 스스로의 삶을 좀 더 잘 이해하고 보다 나은 삶을 찾아가기 위해 매 순간 맞닥뜨리는 중요한 일들을 바르고 빠르게 결정할 수 있도록 돕기 위한 것이기 때문이다._<빅 데이터의 개념을 리셋하라> 중에서

데이터 마이닝 과정은 크게 다음과 같은 순서로 진행된다. 먼저 목표(target)를 정하고 → 접근법을 정하고 → 주제별 공간을 설계하고 → 주제별 키워드를 뽑아 디자인하고 → 키워드들을 다시 가장 효과적으로 배열하고 → 그 순서에 따라 성실히 정보를 탐색하고 → 그 결과로 공간들을 채우고 → 전체적으로 느껴지는 느낌에 따라 적합한 이미지를 찾고 → 그 이미지에 맞게 공간들을 가장 간결하고 보기 좋게 디자인하고 → 이를 시각화한다. 아래 그림을 보면 이해하기가 한결 수월할 것이다._<데이터 마이닝, 이렇게 접근하라> 중에서

디자인 씽킹 과정에서 자주 나오는 표현인 ‘목표(target)’란 곧 내가 찾고자 하는 것, 혹은 내가 알고자 하는 것들을 말한다. 마케팅에서 흔히 말하는 소구 대상, 즉 목표는 메시지를 전달해야 하는 표적을 일컫지만 지금 우리가 다루고 있는 목표는 내게 필요한 정보, 내가 찾아야 하는 정보이다.
목표 설정 방법은 목표 자체가 특정 분야의 기술이나 특허 또는 영업이나 마케팅처럼 아주 구체적인 경우인지, 혹은 분야별 또는 지역별 시장 분석처럼 전반적인 경우인지에 따라 그 설정 방법이 달라진다. 전자처럼 구체적인 경우는 별 고민 없이 다음 단계로 바로 들어갈 수 있지만, 후자처럼 그 범위가 넓을 경우에는 정보의 바다에서 헤매느라 시작도 제대로 못 해보고 포기할 수도 있다. 오랜 시간 표면에서만 맴도느라 정작 본인이 원하는 목표에는 접근조차 하지 못할 수 있다. 따라서 목표를 찾아갈 때 가장 중요한 것은 시장을 한 눈에 볼 수 있는 핵심이 무언지를 빨리 찾고, 시장의 흐름을 분석하는 일이다._<목표의 의미> 중에서

중요한 것은 목표의 역사를 정리할 때 내 머릿속에 저장하든, 종이나 파일에 정리해놓든 반드시 시각화 과정을 거쳐야 한다는 점이다. 사실 시각화 자체는 그리 어려운 일이 아니다. 한 가지 쉬운 팁은 공간을 무조건 둘로 나누고, 가능한 한 비중을 같게 하는 것이다. 공간을 1:1로 분할하여 한쪽에는 감성적인 정보를, 다른 한쪽에는 기능적인 정보들을 정리하라. 감성과 기능에 대한 정리는 사용자 경험(UX)이나 서비스 디자인(service design), 또한 빅데이터(big data) 전반에 걸쳐 왜 디자인 씽킹 작업이 중요한지를 알게 해주는 근본적인 이유가 된다._<백지 상태의 접근법> 중에서

한 묶음의 질문지를 들고 무작정 거리로 나가 지나가는 행인들을 세워놓고 묻는 작업을 수행하려 든다면 이는 매우 시대착오적이다. 우선 서비스 디자인을 통하여 그들의 동선과 머무르는 위치 등을 파악하라. 그들과 접촉이 제일 많은 사람들을 통해 그들의 요구, 불만 사항, 환경 등 관련 정보들을 수집하라. 그러고 나서 다시 빅데이터를 활용하여 수집한 정보들을 체계적으로 구체화시키고 다양한 아이디어를 찾아내어 가능한 한 그들의 요구에 근접하는 상품이나 해결책, 그리고 대안을 찾아라. 고민과 질문의 형식을 바꾸면 접근법과 결과가 달라진다._<커뮤니티 점포> 중에서

공간의 주제(topic)가 설정되었다면 이제 주제와 관련된 내용들을 빠짐없이 찾아낼 수 있도록 검색 키워드를 디자인해야 한다. 이 과정을 나는 스토리 만들기(story making)라 부른다. 각각의 키워드가 유기적으로 연결되어 고객의 머리와 마음속에 하나의 연결된 스토리로 각인되면 기억하기가 쉽다. 또 제품이나 목표의 특징을 더 정확하게 이해하게 된다. 데이터 마이닝으로 찾아낸 중요한 단어들을 단순히 나열하는 데서 그치지 않고 스토리를 만드는 이유이다._<키워드 중심의 스토리 만들기> 중에서

아무리 가치 있는 데이터라고 해도 공개된 데이터라면 그 가치는 0이다. 적용할 곳이 많아도, 정리가 잘 되어 있어도 0×A=0이라는 공식밖에 나오지 않는다. 벌크 상태의 데이터는 정리된 데이터에 비해 최소 40배 이상 차이가 난다. 하지만 정리를 잘 한 데이터는 몸값도 달라진다. 사정이 급변하는 것이다. 어떤 경우에는 0.005$에 벌크로 팔려나갔던 한 사람의 정보가 잘 정리된 묶음 단위 정보에 들어가 25,000$에 팔려나가기도 한다. 따라서 공개된 데이터나 벌크 데이터는 수요자가 신뢰할 수 있을 만큼 잘 분석하여 정리하거나 다른 데이터들과 합쳐져서 완전히 새롭게 탈바꿈되지 않는 한 제대로 가치를 평가 받을 수 없다._<벌크 데이터 vs. 서브 셋 데이터> 중에서

나의 가치를 찾아가는 방법은 의외로 간단하다. 스스로 하나의 데이터가 되면 된다. 그렇다고 해서 자신의 개인 정보(personal data)를 파는 사람들이 주로 행하는 것처럼 자신의 신상이나 연락처, 자산, 병력, 범죄기록, 신용카드, 지출 등의 기본 정보에다 자신의 취미나 취향, 상업용으로 활용될 수 있는 각종 선호 정보들을 얹어 값을 올려가라는 뜻이 아니다. 다른 데이터를 평가할 때처럼 순수하게 자신의 능력과 가능성에 무게를 두고 평가해야 한다._<당신도 빅데이터다> 중에서

문제 해결을 돕는 시각화란 어떤 것이며, 어떻게 이루어질까? 그 과정을 디자인 씽킹을 기반으로 살펴보겠다. 가장 먼저 해야 할 일은 고민을 반복하기 쉽도록 문제 자체를 설계하는 것이다. 고민을 반복한다는 것은 문제에 집중한다는 뜻과 같다. 모든 문제에는 근원적인 핵심 문제가 있고, 또한 그것으로부터 시작된 갖가지 파생 문제가 있다. 핵심 문제와 파생 문제라는 기준을 두고 문제를 깊고 자세하게 들여다보면 지금까지 본인이 전혀 알지 못했던 문제들, 꼭 짚고 넘어갔어야 했는데 지나쳤던 문제들, 향후에도 충분히 일어날 수 있는 문제들이 새롭게 보이기 시작한다._<문제를 시각화하라> 중에서

혁신의 기본은 개인의 문화 정립이다. 만일 그것이 제대로 이루어지지 않았다면 각자 자신의 고유한 문화 영역을 파악하여 바로 세워야 할 것이다. 그러려면 조금 불편하더라도 자신의 속을 낱낱이 들여다보아야 한다. 모든 변화는 문제의 인식에서 비롯되는 탓이다. 이렇게 해서 뚜렷한 문화를 가진 개인들이 모이면 기업의 문화를 창조해내는 과정은 그리 어렵지 않다. 자연스레 기업의 혁신도 이끌어낼 수 있다._<혁신의 전제 조건> 중에서

이것으로서 나는 현재 중국에 불고 있는 엄청난 잠재력을 가진 거대한 열기를 간접적으로나마 느낄 수 있었다. 곧이어 다음 작업에 착수했다. 데이터들을 좀 더 체계화한 것이다. 시장의 흐름을 수시로 관찰할 수 있는 방송사의 시청률 데이터, 중산층의 변화를 쉽게 가늠할 수 있는 부동산 지표 데이터와 골프장 멤버십 거래 데이터, 신규 분양 데이터 등을 내 데이터 자원의 주요 출처로 삼아 나만의 새로운 알고리즘을 만들어 주기적으로 데이터베이스를 보강해가며 계속 관찰한 것이다. 물론 더 구체적인 데이터베이스를 만들 요량이라면 여기에서 중산층을 목표로 삼고, 그들의 여가 활용 현황이나 교육 정도, 스포츠 활동 지표, 투자 상태나 규모 등의 키워드들을 더 구성하여 파고 들어감으로써 더 많은 데이터 출처를 확보해야겠지만, 그 이상의 분석을 요구하는 고객은 없었기에 현재 상태에서 결과를 보고했다._<스크린골프 시장 개척 사례> 중에서

이 모델에서 보여주는 것은 가동 시간, 대리상의 판매 매출, 대금 지불을 각 항목의 표준치를 1로 정한 기본 모델을 설정한 후, 이와 비교하여 각 대리상들의 건강 상태를 고위험, 병약, 건강으로 구분해놓은 것이다. 2번 대리상의 경우 전체 가동 시간도 줄어들고, 즉 건설 경기도 나빠지고, 매출도 떨어지고, 대금 지불 능력은 훨씬 더 떨어지므로 고 위험 군이라는 사실을 알 수 있다. 3번 대리상의 경우엔 경기는 좋아졌지만 매출이 늘지 않고, 대금 지불은 오히려 더 떨어졌다는 것을 알 수 있다. 이 경우는 대부분 다른 이유가 사업에 영향을 미친다는 사실을 유추할 수 있는데, 즉 대리상이 본 사업과 관련이 없는 다른 짓을 하고 있어서 병약이라는 상태를 모면하지 못함을 알 수 있다. 4번 대리상의 경우에는 경기가 좋아져서 그에 따라 매출이 늘어나며 대금 지불도 약정된 표준을 그대로 유지하고 있으므로 건강하다는 것을 알 수 있다._<데이터 활용 사례_GPS 데이터> 중에서

기업이 경영상의 거래나 생산에 꼭 필요한 자산 관련 계정은 맞지만 물리적인 조사, 즉 현장 조사를 직접 해봐야 한다거나 제3자 즉 해당 기업의 거래처나 기타 정부 조사 기관의 도움 없이는 확인이 거의 불가능한 외상 매출금, 미수금, 재고 자산 등의 계정에 분산되어 있는 게 아닐까 하는 의심이 들었지만, 내가 이 분야의 전문가도 아니요 경험이 많은 것도 아니어서 이 계정의 금액들이 규모에 비해 합리적인지 판단하기도 어려웠다. 그래서 나는 객관적인 데이터의 도움을 받고자 곧장 한국은행의 경제 통계 사이트로 들어갔다. 기업 경영 분석 데이터들을 살피면서 이 기업이 속한 업종 가운데 대기업과 중소기업에 관련된 평균 재무 데이터 중에서 쉽게 비교할 수 있는 유동성과 관련된 유동 비율, 당좌 비율, 현금 비율과 자산 자본의 회전율 중 특히 재고 자산 회전율 3년 치를 뽑아 즉시 대조해보았다. 염려했던 바처럼 그 계정 과목들이 중소기업의 평균치에도 훨씬 못 미친다는 사실을 확인할 수 있었다._<공개 데이터 활용 사례_한국은행> 중에서

목차
추천사 4
저자의 말 17
프롤로그 29
디자인 씽킹이란 무엇일까? Design thinking
왜 시각화인가? ……… 42 / 데이터는 메시지다 ……… 43
아이디어를 검증하라 ……… 45 / 디자인 씽킹에서의 시각화 과?정 ……… 46
빅데이터 Big data
빅데이터, 기지개를 펴다 ……… 52 / 빅데이터의 개념을 리셋하라 ……… 54
동네 미장원에서 만나는 빅데이터 ……… 56
데이터 발굴하기 Data mining
데이터 마이닝은 여행이다 ……… 60 / 데이터 마이닝, 이렇게 접근하라 ……… 63
목표 정하기 Targeting
목표(targeting)의 의미 ……… 66 / 데이터 스토밍(data storming) ……… 67
데이터 스토밍 사례_외국계 기업의 중국 보안시장 진출 …… 69
접근법 Approaching
지식에 접근하는 방법 ……… 76 / 기능과 감성에 먼저 다가서라 ……… 77
백지 상태의 접근법 ……… 78 / 사전 지식이 있는 경우의 접근법 ……… 79
치킨집을 개업한다면 ……… 79 / 민속예술 대중화 접근법 ……… 81
공간을 설계하라 Space architecting
주제별 공간 설계의 의미 ……… 86 / 소매 금융 프로젝트 ……… 87
커뮤니티 점포(community branch) ……… 90 / 빅데이터로 알아보는 소매 금융 ……… 96
미래의 소매 금융 ……… 100 / 디자인 씽킹 기반의 서비스 디자인 성공 사례 ……… 104
시간 보존 공간(time saving zone) ……… 111
키워드 디자인 Key word designing
키워드 중심의 스토리 만들기 ……… 116 / 키워드 디자인 실례 ……… 117
키워드 순서 Key word ordering
핵심 키워드 찾아내기 ……… 122
데이터 가격 산정 Data pricing
정보는 어떻게 자산이 되는가? ……… 126 / 벌크 데이터 vs. 서브 셋 데이터 ……… 130
데이터의 가치를 평가하는 요소들 ……… 132
소통의 기술 Communication
당신의 가치를 발견하라 ……… 138 / 당신도 빅데이터다 ……… 140
빅데이터로 소통하는 방법 ……… 142
문제 해결 Problem solving
불안은 의욕을 잠식한다 ……… 146 / 문제를 시각화하라 ……… 147
문제 해결 사례1 ……… 148 / 문제 해결 사례2 ……… 150
문제 해결 사례3 ……… 152
혁신 Innovation
혁신의 전제 조건 ……… 158 / 왜 개인의 문화 정립이 필요한가? ……… 159
기업의 혁신 요소 ……… 161 / 혁신 프로그램 활용 사례 ……… 162
부록1_ 빅데이터 기반 디자인 씽킹 활용 사례
목표 정하기(Targeting) 사례_스크린 골프 시장 개척… 172 / 데이터 활용 사례_GPS 데이터 ……… 182 / 공개 데이터(Open data) 활용 사례_한국은행 ……… 194/ 빅데이터 분석 사례_Pizza in China ……… 204 / 빅데이터 분석 사례_베트남 모터사이클 ……… 216
부록2_어린이를 위한 디자인 씽킹 교육 매뉴얼
부모와 교사가 활용할 수 있는 디자인 씽킹 활동지 … 224 / 시각화 매뉴얼(visualization manual) ……… 225 / 태도 매뉴얼(attitude manual) ……… 228 /본문 이미지 출처 ……… 231