Mining Minds - 빅데이터, 욕망을 읽다 / 송영길 부사장(다음소프트)

1. 2014
(주)다음소프트

2.
부사장

3. 송길영

5.
kysong@daumsoft.com

7. 빅데이터,

8. 욕망을

9. 읽다

10.
Mining

11. Minds

13. 송길영

14.
kysong@daumsoft.com

16.
소개

17.
-

18. 인간의

19. 언어를

20. 컴퓨터로

21. 어떻게

22. 포착·・이해

23. 할

24. 수

25. 있을지에

26. 대한

27. 관심에서

28. 출발,

32. 현재는

33. 소셜

34. 빅데이터

35. 마이닝을

36. 통해

37. 획득한

38. 다양한

39. 이해를

40. 여러

41. 영역에

42. 적용하는

43. 작업을

44. 진행

45. 중이다.

47.
-

48. 모든

49. 기업과

50. 조직의

51. 활동은

52. 결국

53. 사회와

54. 그

55. 구성원에

56. 대한

57. 깊은

58. 이해에서

59. 출발해야

60. 하며,

63. 소셜

64. 빅데이터

65. 분석이

66. 그

67. 토대가

68. 될

69. 수

70. 있다고

71. 믿고

72. 있다.

73.
현직

74.
-

75. ㈜다음소프트

76. 부사장

77.
-

78. 이화여자대학교

79. 경영학과

80. 겸임교수

81.
-

82. 숙명여자대학교

83. 소비자경제학과

84. 겸임교수

85.
-

86. 한국BI데이터마이닝학회

87. 이사

89.
KBS

90. 다큐멘터리

91. 시사기획

92. 창

95. “빅데이터

96. 세상을

97. 바꾸다”

98.
참고

99. 자료

100.
2012.1.31

101. 2012.5.24

102. 2012.9.11

103.
학력

104.
-

105. 고려대학교

106. 전산과학과

107. 학사

109.
-

110. 고려대학교

111. 전산과학과

112. 석사

113.
-

114. 고려대학교

115. 컴퓨터학과

116. 박사

117.
저서

118.
『여기에

119. 당신의

120. 욕망이

121. 보인다

122.
­–

123. 빅데이터에서

124. 찾아낸

125. 70억

126. 욕망의

127. 지도』

128.
2012,

129. 쌤앤파커스

131.
KBS

132. 다큐멘터리

133. 시사기획

134. 창

136. “빅데이터

137. 비즈니스를

138. 바꾸다”

139.
SBS

140. 서울

141. 디지털

142. 포럼

143. 2012

144.
“공존:

145. 기술,

146. 사람

147. 그리고

148. 큰

149. 희망”

151. Why

152. Social

153. Big

154. Data?

156. Big Data?
5,000,000,000,000,000,000 byte

157.
Eric

158. Schmidt,

159. August

160.
2010

161.
=

162.
인류

163. 문명

164.
~

166.
2003년

167. 까지의

168.
정보량

169.
“

170.
”

171.
매

172. 이틀마다

174.
생겨나는

176.
데이터의

177. 양

178.
“

179.
”

180.
5엑사

181. 바이트

183. 데이터

184. 분석가·・관리자의

185. 필요성

186. 급증

187.
A

188. report

189. last

190. year

191. by

192. the

193. McKinsey

194. Global

196.
Institute,

197. the

198. research

199. arm

200. of

201. the

203.
consulting

204. firm,

206.
projected

207. that

208. the

209. United

210. States

211. needs

213.
140,000

214. to

215. 190,000

216. more

217. workers

219.
with

220. “deep

221. analytical”

222. expertise

224.
and

225. 1.5

226. million

227. more

228. data-literate

230.
managers,

231. whether

232. retrained

233. or

234. hired.

235.
New

236. York

237. Times,

238. February

239. 11,

240. 2012

241.
http://www.nytimes.com/2012/02/12/sunday-review/big-datas-impact-in-the-world.html

242.
빅

243. 데이터의

244. 시대

246. 0

247.
50,000

248.
100,000

249.
150,000

250.
200,000

251.
250,000

252.
300,000

253.
350,000

254.
2008년

255. 2009년

256. 2010년

257. 2011년

258. 2012년

259. 2013년

260. 2014년

261. 2015년

262.
Unstructured

263.
Database

264.
E-mail

265.
[

266. Source

267. :

268. Enterprise

269. Strategy

270. Group

271. (2010)

272. ]

273.
“비정형

274. 데이터

275. 가

276. 90%에

277. 달할

278. 것”

279.
(텍스트,

280. 이미지,

281. 동영상

282. ...)

283.
비정형

284. 데이터의

285. 증가

287. 소셜미디어

288. 담론

289.
소셜미디어

290. 분석의

291. VIEW

292.
전

293. 분야

294.
사회,

295. 정치,

296. 문화

297. 등

298.
인더스트리

299.
LTE,

300. 윤광

301. 등

302.
라이프스타일,

303. 일상

304.
산책,

305. 영화,

306. 커피,

307. 대학생

308. 등

310.
브랜드/제품

311. 키워드

312.
SKT,

313. 삼성,

314. 갤럭시S2,

315. 아이패드

316. 등

318. 욕망은

319. Industry를

320. 가르지

321. 않는다

322.
Diet

323.
Market

324.
Cosmetics

325.
Market

326.
Fashion

327.
Market

328.
Plastic

329. Surgery

330.
Market

331.
예뻐지고

332. 싶다

334. Mining

335. Social

336. Big

337. Data

339. 휴가와

340. 기온의

341. 상관관계
-20

342.
-15

343.
-10

344.
-5

345.
0

346.
5

347.
10

348.
15

349.
20

350.
25

351.
30

352.
35

353.
0

355.
500

357.
1000

359.
1500

361.
2000

363.
2500

365.
2008.01

366.
2008.02

367.
2008.03

368.
2008.04

369.
2008.05

370.
2008.06

371.
2008.07

372.
2008.08

373.
2008.09

374.
2008.10

375.
2008.11

376.
2008.12

377.
2009.01

378.
2009.02

379. 2009.03

380.
2009.04

381.
2009.05

382.
2009.06

383.
2009.07

384.
2009.08

385.
2009.09

386.
2009.10

387.
2009.11

388.
2009.12

389.
2010.01

390.
2010.02

391. 2010.03

392.
2010.04

393.
2010.05

394.
2010.06

395.
2010.07

396.
2010.08

397.
2010.09

398.
2010.10

399.
2010.11

400.
2010.12

401.
2011.01

402.
2011.02

403. 2011.03

404.
2011.04

405.
2011.05

406.
2011.06

407.
2011.07

408.
2011.08

409.
2011.09

410.
2011.10

411.
2011.11

412.
2011.12

413.
서울

414. 지역

415.
일평균기온

416.
“휴가”

417.
[

418. Source

419. :

420. SOCIALmetrics™,

421. 2008.1.1.

422. ~

423. 2011.12.31.]

425. 휴가의

426. Tipping Point : 21℃
[

427. Source

428. :

429. SOCIALmetrics™,

430. 2008.1.1.

431. ~

432. 2011.12.31.]

433.
F-test

434. 결과

435. 유의수준

436. 0.05하에서

437. 차이가

438. 있음

441.
21도

443. 0.0%

444.
4.0%

445.
8.0%

446.
12.0%

447.
기분

448.
우울

449.
기분좋다

450.
(시간대)

451.
(시간대별

452. 언급

453. 비중)

454.
하루

455. 24시간

456. 기분의

457. 추세
출근

458. 직전

459.
점심

460. 직전

461.
퇴근

462. 직전

463.
잠들기

464. 전

465.
우울한

466. 시간대, 기분

467. 좋은

468. 시간대
[

469. Source

470. :

471. SOCIALmetrics™,

472. 2012.4.1.

473. ~

474. 2012.4.15.]

476. 요일별

477. 『기분』의

478. 긍정률

479. 추이
10,000

481.
10,500

483.
11,000

485.
11,500

487.
12,000

489.
12,500

491.
13,000

493.
66%

494.
67%

495.
68%

496.
69%

497.
70%

498.
71%

499.
72%

500.
73%

501.
월

502. 화

503. 수

504. 목

505. 금

506. 토

507. 일

508.
긍정률

509.
일평균

510. 『기분』언급량

511.
요일별

512. 기분
[

513. Source

514. :

515. SOCIALmetrics™,

516. 2011.5.1.

517. ~

518. 2011.10.31.]

520. OTC제품의

521. 시장

522. 리포지셔닝

523.
CASE

524. #1

526. “찢어지지

527. 않은

528. 모든

529. 상처에”

531. 0

532.
50

533.
100

534.
150

535.
200

536.
250

537.
300

538.
350

539.
400

540.
450

541.
계란

542. 찜질

543. 소고기

544. 맨소래담

545. 안티푸라민

546. 호랑이연고

547. 마데카솔

548. 버츠비연고

549.
“멍”의

550. 해결책

551.
“멍”

552. 연관

553. 발현

554.
계란,

555. 소고기보다

556. 적게

557. 언급되는

558. 연고들

559.
[

560. Source

561. :

562. SOCIALmetrics™,

563. 2011.1.1.

564. ~

565. 2011.12.31]

567. 베노플러스

568. =

569. “멍”

571.
1.

572. 소비자에게

573. 명확히

574. 기억될

575. 한

576. 개의

577. 키워드

578.
2.

579. 시장에

580. 선점자가

581. 없는

582. 키워드

584. Changing

585. Target

586.
x4

588. 98.6%

589. 매출

590. 증가,

591. (’12.8~’13.1월,

592. 전년

593. 동기

594. 대비)

595.
2013년

596. 1월

597. 464%

598. 매출

599. 증가

600.
빅데이터

601. 활용·・분석

602. 경진대회

603. 은상

604.
(한국정보통신진흥협회,

605. 2012~13

606. 제1회)

608. 하이테크

609. 제품의

610. 글로벌

611. 시장

612. 진입

613. 전략

614.
CASE

615. #2

617. 선택의

618. 기로

619. :

620. Replace

621. or

622. Coexist

623. with

624. HDD?

625.
Perception

626. of

627. SSD

629.
Co-exist

630. with

631. HDD

632.
요구

633. 조건

634. 잠재

635. 수요

636. 가격

637. 준거

638. 경쟁

639. 제품

640. 사용

641. 용도

642.
하드드라이브

643.
정도의

644. 대용량,

645.
안정성

646. 요구

647.
랩탑

648. 수요를

649. 시
작으로

650.
PC

651. 수요만큼

652. 증가

653.
HDD의

654. 용량

655. 대비

656. 가격

657.
CPU,

658. RAM

659. 정
도의

660. 컴퓨터

661. 성능

662. 향상

663. 요구

664.
PC

665. 업그레이드시
장을

666. 중심으로

667. 수요

668. 창출

669.
업그레이드용

670.
부품

671.
기존의

672. 하드

673. 드
라이브

674.
CPU,

675. RAM

676. 등의

677. 시스템성능

678. 향
상을위한

679. 부품

680.
HDD를

682.
대체하는

684.
storage

685.
컴퓨터

686. 성능

687. 향
상,

688. 특히

689. 부팅

690. 속도

691. 향상

692.
Replacement

693. of

694. HDD

696. Campaign

697. in

698. Europe

699. :

700. “SSD

701. Angels”

703. Global
Difference
USA

704.
Germany

705.
Korea

706.
Price

707.
Power

709.
consumption

710.
Performance

711.
Warranty

712.
Speed

714.
(Booting

715. Speed)

716.
Speed

718.
(Booting

719. Speed)

720.
Speed

722.
(Booting

723. Speed)

725. -

728. 5.0

731. 10.0

734. 15.0

737. 20.0

740. 25.0

743. 30.0

746. 35.0

749. 40.0

752. 45.0

754.
OCZ

755. Technology

756.
Crucial

757. Technology

758.
Intel

759.
Corsair

760.
Samsung

761.
2012년
SSD
Market
Share
*

762. SSD

763. M/S

764. US

765.
미국·・독일·・한국

766. M/S

767. 1위

768.
빅데이터

769. 활용·・분석

770. 경진대회

771. 대상

772.
(한국정보통신진흥협회,

773. 2012~13

774. 제1회)

776. KBS

777. 다큐멘터리,

778. “빅데이터

779. 비즈니스를

780. 바꾸다”

781. 中

782.
“제품은 그 제품을 사는 사람한테 밸류, 가치를 줘야 되거든요.
그런 입장에서 빅데이터는 굉장한 기회에요.
빅데이터 분석을 해야지 사람들이 원하는 것을 알 수 있고,
진정한 가치를 제공할 수 있는 제품을 만들 수 있고,
그래야 그 기업에게 가치가 있는 것 아닌가...”
‘가치’를

783. 전달하기

784. 위한

785. 소비자

786. 욕망의

787. 분석

788.
서정치

789.
삼성전자

790. 메모리사업부

791.
브랜드팀

792. 부장

794. 감성

795. 지형도를

796. 통한

797. 브랜딩

798.
CASE

799. #3

801. 0.00 1.00 2.00-1.00-2.00
-1.00
0.00
1.00
2.00
Sentiment

802. Map

803.
귀엽다

804.
깜찍

805.
하다

806.
씩씩

807.
하다

808.
사랑

809.
스럽다

810.
풋풋

811.
하다

812.
이쁘다

813.
예쁘다

814.
마르다

815.
날씬

816.
하다

817.
당당

818.
하다

819.
섹시

820.
하다

821. 빛나다

822.
완벽

823.
하다

824.
활기

825.
차다

826.
아름

827.
답다

828.
우아

829.
하다

830. 화사

831.
하다

832. 고급

833.
스럽다

834.
자연

835.
스럽다

836.
세련

837.
되다

838.
밝다

839.
따뜻

840.
하다

841.
매력적

842.
이다

843.
건강

844.
하다

845.
착하다

846.
똑똑

847.
하다

848.
섬세

849.
하다

850.
즐겁다

851.
재미

852.
있다

853.
유쾌

854.
하다

855.
멋지다

856.
자유

857.
롭다

858.
신나다

859.
행복

860.
하다

861. 자상

862.
하다

863.
멋있다

864.
시크

865.
하다

866.
부드

867.
럽다

868.
성실

869.
하다

870.
진지

871.
하다

872.
단아

873.
하다

874.
아이유

875.
박보영

876.
수지

877.
태연

878.
윤아

879.
김태희

880.
한가인

881.
이민정

882.
소녀

883.
시대

884.
성유리

885.
박민영

886.
이효리

887.
김연아

888.
티아라

889.
하지원

890.
이지아

891.
2NE1

892.
장근석

893.
이승기

894.
정형돈

895.
정우성

896.
노홍철

897.
차승원

898.
박지성

899.
유재석

900.
소지섭

901.
지

902.
드래곤

903.
박한별

904.
구하라

905.
카라

906.
전지현

907.
포미닛

908.
원더

909.
걸스

910.
송지효

911.
조권

912.
송중기

913.
박진영

914.
현빈

915.
김혜수

916.
신세경

917.
설리

918.
[

919. Source

920. :

921. SOCIALmetrics™,

922. 2011.1.1.

923. ~

924. 2011.12.31]

926. 0.00 1.00 2.00-1.00-2.00
-1.00
0.00
1.00
2.00
우아

927.
하다

928. 고급

929.
스럽다

930. 세련

931.
되다

932.
화사

933.
하다

934.
깜찍

935.
하다

936.
섬세

937.
하다

938. 단아

939.
하다

940.
빛나다

941. 매력적

942.
자유

943.
롭다

944.
재미

945.
있다

946.
유쾌

947.
하다

948.
완벽

949.
하다

950.
편안

951.
하다

952.
아름

953.
답다

954.
조용

955.
하다

956. 귀엽다

957.
따뜻

958.
하다

959.
예쁘다

960.
당당

961.
하다

962.
활기

963.
차다

964.
행복

965.
하다

966.
신나다

967.
즐겁다

968.
자연

969.
스럽다

970.
섹시

971.
하다

972.
사랑

973.
스럽다

974.
멋있다

975. 날씬

976.
하다

977.
착하다

978.
Product,

979. Occasion

981. Brand

982. on

983. Sentiment

984. Map

985.
영화

986. 프로

987.
야구

988.
게임

989.
드라마

990.
자동차

991.
명품

992.
청바지

993.
채식

994.
드립

995.
커피

996.
조깅

997.
음악

998.
요리

999.
여행

1000.
캠핑

1001.
쇼핑

1002.
달리기

1003.
소풍

1004.
친구

1005.
산책

1006.
자전거

1007. 고양이

1008.
강아지

1009.
와인

1010.
만화

1011.
놀이

1012.
공원

1013.
커피

1014.
무한

1015.
도전

1016.
데이트

1017.
정장

1018.
드레스

1019.
커플링

1020.
레스

1021.
토랑

1022.
스키니

1023.
선물

1024.
스마트

1025.
폰

1026.
킬힐

1027.
휴가

1028.
새벽

1029.
홍대

1030.
이태원

1031.
가로

1032.
수길

1033.
대학로

1034.
강남역

1035.
삼청동

1036.
카페

1037.
주말

1038.
올레길

1039.
코엑스

1040.
아이

1041.
패드

1042.
아이폰

1043.
베스킨

1044.
라빈스

1045.
K5

1046.
갤럭시

1047.
빈폴

1048.
커피빈

1049.
에르

1050.
메스

1051.
샤넬

1052.
레드불

1053.
파리

1054.
바게트

1055.
프라다

1056.
헤지스

1057.
오휘

1058.
키엘

1059.
버거킹

1060.
루이

1061.
비통

1062.
스타

1063.
벅스

1064.
몽블랑

1065.
토니

1066.
모리

1067.
[

1068. Source

1069. :

1070. SOCIALmetrics™,

1071. 2011.1.1.

1072. ~

1073. 2011.12.31]

1075. 아름

1076.
답다

1077.
채식

1078.
키엘

1079.
Communication

1080.
올레길

1082. VELOCITY

1083. VARIETY

1084.
VOLUME

1085.
VALUE

1086.
Big

1087. Data

1088. Characteristics

1089. :

1090. 3V

1091. +

1092. 1V

1093.
Source

1094. :

1095. “Big

1096. Data

1097. Analytics”,

1098. TDWI

1099. 2011

1101. PROBLEM

1102. PEOPLE

1103.
PRODUCTIVITY

1104.
Big

1105. Data

1106. Requirements

1107. :

1108. 3P

1109. +

1110. 1P

1111.
VELOCITY

1112. VARIETY

1113.
VOLUME

1114.
PLATFORM

1116. Understanding

1117. ‘Why’

1118.
데모

1119.
그래픽

1120.
구매

1121. 이력

1122.
Click

1123.
Stream

1124.
Location

1125.
Response

1126.
Rate

1127.
•••

1128.
날씨

1129. 계절

1130. 소비

1131. 패턴

1132. 소득수준

1133. 유동인구

1134. •••

1135.
사회의

1137.
흐름

1138.
Peer

1139.
Pressure

1140.
욕망과

1141. 선
호

1142.
라이프

1143.
스타일

1144.
기분과

1146.
정서

1147. •••

1148.
소비자

1149.
행동

1150. 데이터

1151.
Underlying

1152.
Reason

1153.
환경변수

1154.
외부조건

1156. Big

1157. Data

1158. for

1159. “Understanding

1160. Why”

1161.
What

1162.
happened

1163.
Understanding

1164.
Why

1165.
Big

1166. Data

1167. 1.0

1168. Big

1169. Data

1170. 2.0

1171.
Source:

1172. Professor

1173. Greg

1174. Allenby

1175. 2012년

1176. 강의

1177. 자료

1178. 中

1180. “소의

1181. 몸이

1182. 생긴

1183. 그대로,

1184. 따라갈

1185. 뿐입니다”

1188.
위나라

1189. 왕

1190. 문혜군이

1191. 포정의

1192. 솜씨에

1193. 감탄하여

1194. 묻자,

1195. 포정은

1196. 다음과

1197. 같이

1198. 말했다.

1199.
“제가

1200. 귀하게

1201. 여기는

1202. 것은

1203. 도(道)입니다.

1205.
제가

1206. 처음

1207. 소를

1208. 잡을

1209. 때는

1210. 소만

1211. 보여

1212. 손을

1213. 댈

1214. 수

1215. 없었으나,

1216. 3년이

1217. 지나자

1218. 어느새

1219. 소의

1220. 온

1221. 모습은

1222. 눈에

1223. 띄지

1224. 않게

1225. 되었습니다.

1227.
요즘

1228. 저는

1229. 정신으로

1230. 소를

1231. 대하지

1232. 눈으로

1233. 보지는

1234. 않습니다.

1235. 감각을

1236. 멈추고

1237. 소의

1238. 몸이

1239. 생긴

1240. 그대로

1241. 따라갑니다.

1243.
천리(天理理)를

1244. 따라

1245. 쇠가죽과

1246. 고기,

1247. 살과

1248. 뼈

1249. 사이의

1250. 커다란

1251. 틈새에

1252. 칼을

1253. 찔러

1254. 넣고

1255. 빈

1256. 결을

1257. 따라

1258. 칼을

1259. 움직입니다.”

1262. “솜씨

1263. 좋은

1264. 소

1265. 잡이가

1266. 1년

1267. 만에

1268. 칼을

1269. 바꾸는

1270. 것은

1271. 살을

1272. 가르기

1273. 때문입니다.

1276.
평범한

1277. 보통

1278. 소

1279. 잡이는

1280. 달마다

1281. 칼을

1282. 바꾸는데,

1283. 이는

1284. 무리하게

1285. 뼈를

1286. 가르기

1287. 때문입니다.

1289.
하지만

1290. 제

1291. 칼은

1292. 19년이나

1293. 되어

1294. 수천

1295. 마리의

1296. 소를

1297. 잡았지만

1298. 칼날은

1299. 방금

1300. 숫돌에

1301. 간

1302. 것과

1303. 같습니다.

1305.
뼈마디에는

1306. 틈새가

1307. 있고

1308. 칼날에는

1309. 두께가

1310. 없습니다.

1311. 두께

1312. 없는

1313. 것을

1314. 틈새에

1315. 넣으니,

1316. 널찍하여

1317. 칼날을

1318. 움직이는

1319. 데도

1320. 여유가

1321. 있습니다.

1323.
그러니까

1324. 19년이

1325. 되었어도

1326. 칼날이

1327. 방금

1328. 숫돌에

1329. 간

1330. 것과

1331. 같습니다.”

1332.
《장자

1333. 莊⼦子》의

1334. 양생주편

1335. 養⽣生主篇

1336.
*포정해우

1337. -

1338. 위나라

1339. 최고의

1340. 소잡이

1341. 포정의

1342. 소

1343. 잡는

1344. 솜씨가

1345. 신의