회사에서의 빅데이터 vs 학교에서의 빅데이터 (完)
4) 학술적 가치의 추구
회사에서의 빅데이터 vs 학교에서의 빅데이터
지난 회사에서의 빅데이터 vs 학교에서의 빅데이터 3편에서는 회사에서 빅데이터를 다룰 때와 차별되는 학교에서의 빅데이터의 특징에 대해서 살펴보았습니다. 회사에서 빅데이터를 다룰 때와는 달리 학교에서 빅데이터를 다룰 때는 1등 모델을 생성하는 것 그 자체에 많은 초점이 맞추어져 있다는 것이 그 핵심이었습니다. 다만 1등 모델을 만들고자 노력하는 것 자체로는 학교에서 빅데이터의 특징을 모두 설명하기에는 한계가 있습니다. 이는 비단 머신러닝 혹은 딥러닝 분야에만 국한된 이야기일 뿐 그 외에도 굉장히 많은 영역의 빅데이터 분야가 있을뿐더러 학교라는 상황의 근간에는 더 주요한 특징이 깔려있기 때문입니다.
빅데이터나 인공지능 분야가 아니더라도 회사라는 곳의 기본 목적은 명확합니다. 바로 수익을 창출하고자 모든 노력을 진행하는 것입니다. 아무리 최근 ESG, 기업의 사회적 책임이 강조되고 있다고는 할지라도 모든 기업이 수익 창출을 목표로 하고 있다는 점은 그 누구도 무시하지 못합니다. 반면, 학교는 기본적으로 수익 창출을 위한 조직이 아닙니다. 당연한 말이겠지만, 학교에서는 특정한 학문이나 사회 현상에 대해 연구를 진행하고 학문적 가치를 추구하는 것이 가장 근간이 되는 목적입니다. 물론 학생들의 취업을 위해 많은 노력을 기울이는 것이 현실이기는 하지만 이는 분명 학교만이 가지고 있는 가장 큰 특징이라고 할 수 있습니다.
학교는 학술적 가치가 있는 연구 활동을 진행합니다.
학문적 가치를 추구하는 것이 모든 교수, 대학원생들의 기본적인 목적인 만큼 학교에서의 빅데이터도 이에 크게 벗어날 수 없습니다. 학교에서 다루는 모든 빅데이터 분석과 모델링은 전부 학술적 가치가 있는 연구 활동을 위해 진행되게 됩니다. 그리고 이를 조금만 다르게 표현해보자면 학교에서 빅데이터를 다룰 때에는 학술적 가치가 분명한 연구를 진행해야 합니다. 사실 직접 논문을 작성하다 보면 학술적 시사점 혹은 Academic Implications라는 단어는 하나의 챕터로 나타낼 정도로 매우 중요한 부분을 차지합니다. 이는 대부분 한 논문의 결론 부분에 등장하며, 그만큼 특정 연구의 전체적 가치를 평가하는데 가장 중요한 잣대입니다.
학술적 가치가 있는 빅데이터 연구란?
따라서 학교에서 빅데이터의 주요한 특징을 알고자 한다면 다시 학술적 가치가 있는 연구가 어떤 것인지에 대해 잘 알아야 합니다. 그리고 특히 빅데이터나 머신러닝, 인공지능 분야에서 학술적 가치가 우수하다는 것은 무엇인지에 대해서도 인지를 하고 있어야 합니다. 하지만 아쉽게도 학술적 가치라는 것을 한마디로 설명하는 것은 매우 어려운 일입니다. 그나마 정의를 내려보자면 밝혀지지 않은 지식을 새롭게 개척해 알아내거나, 기존 이론에 개선 사항을 제시하는 등 속해있는 학문 분야에 발전을 가져다줄 수 있는 연구가 바로 학술적 가치가 있는 연구라고 할 수 있습니다.
다만, 학술적 가치가 있는 연구라는 것이 다소 추상적인 개념인 만큼 실제로 이를 이뤄내는 방법은 굉장히 다양하게 존재합니다. 회사에서의 빅데이터 vs 학교에서의 빅데이터 3편에서 살펴본 머신러닝 분야에서 1등 모델을 추구하는 것 역시 학술적 가치를 추구하는 것 중 하나에 속합니다. 하지만 그 외에도 기존에 다른 분야에 존재하던 모델을 새로운 도메인에 적용한다거나, 기존 이론에서 제시하는 분류 체계를 수정 및 보완하여 제시하거나, 다양한 산업 및 국가의 사례를 비교하며 학술 내용 적용의 차이점을 비교하는 등 학술적 가치를 실행하는 방법은 굉장히 다양하게 나타나기 마련입니다.
빅데이터와 학술적 가치
다만, 빅데이터와 인공지능 분야로 놓고 생각했을 때는 학술적 가치와 실무적 가치라는 것에 차이를 명확히 정의 내리는 게 다소 어려울 수도 있습니다. 빅데이터와 인공지능이 모두 산업에서 활용하고자 하는 니즈가 높은 영역임과 동시에 상대적으로 신생 학문 분야이기에 이 둘이 모두 동시에 움직이는 경향이 있기 때문입니다. 하지만 그럼에도 불구하고 학술적 가치를 추구하는 빅데이터 연구가 실제로 회사에서 진행하는 빅데이터 분석 프로젝트와 차이를 보이는 지점은 분명히 존재합니다. 이러한 특징은 과정을 더욱 중시하는 학교의 문화에서 발견하는 것이 가능합니다.
기본적으로 과정과 결과라는 두 가지 측면은 회사와 학교에서 모두 중요시하기 마련입니다. 하지만 이를 굳이 분류하자면 회사에서는 그 결과를, 학교에서는 그 과정을 조금 더 중요시 여깁니다. 학교에서 빅데이터를 다룰 때면 데이터에 어떤 분석 작업을 진행하고 그것이 결과에 어떤 영향을 미쳤는지 모든 과정을 설명하고 해석할 줄 알아야 합니다. 만약 이것이 기반되지 않는다면 아무리 좋은 결과가 나온 들 좋은 연구라 칭할 수 없으며 이는 회사의 문화와 크게 다른 점이라고 할 수 있습니다. 특히, 통계적 분석을 진행하거나 경영학적인 시사점을 도출하고자 하는 연구라면 이 특징이 더욱 뚜렷하게 드러나는 경향이 있습니다.
빅데이터 분석 프로젝트 vs 빅데이터 연구 활동
학교에서의 빅데이터 프로젝트
이 지점에서, 빅데이터 분야로 대학원을 진학하고자 하는 학생들이 많이 오해를 하는 부분이 하나 있습니다. 바로 대학원에 진학하게 된다면 많은 기업들과 연계를 해 실제 실무적인 프로젝트를 많이 진행하는 것이 무조건 좋다고 생각하는 것입니다. 물론 학생 입장에서 실제 기업과 연계해 프로젝트를 진행하는 것은 매우 귀중한 경험입니다. 그리고 실제로 이런 빅데이터 분석 프로젝트를 진행한다면 앞서 언급한 학교에서의 빅데이터 특징과는 무관하게 분석 활동을 진행할 확률도 높습니다. 하지만, 기본적으로 학교는 기업과 연계하여 프로젝트를 하기 위해 존재하는 집단이 아니란 것을 명심해야 합니다.
분명히 학생으로써 공부를 한다면, 연구를 진행하는 것이 가장 주된 활동이며 기업과 함께 프로젝트를 진행하는 것은 부수적인 활동입니다. 따라서 실무적 프로젝트만을 원하며 대학원을 진학한다면 상상하던 것과는 다른 연구 활동과 학교에서의 빅데이터 특징에 많은 실망감을 느낄 수도 있습니다. 하지만 생각해보면 실제 빅데이터 분석 프로젝트는 취업 이후에 하기 싫어도 많이 하게 될 일이고 연구 활동은 학생 때가 아니면 하기 힘든 활동입니다. 석사 과정, 박사 과정, 교수를 넘나들어 학교에 종사하는 사람들은 모두 연구자로 불리고 있으며, 연구자의 진짜 가치는 높은 학술적 가치를 실현할 때 드러난다는 것을 알고 있어야 합니다.
빅데이터 연구 활동의 사례
물론 이렇게 학술적인 가치를 추구하는 것이 중요하다는 것을 아무리 언급해도, 실제 학교에서 빅데이터를 다뤄본 경험이 없다면 이에 대해 직관적으로 이해하기 힘든 것이 사실입니다. 하지만 실제로 빅데이터 연구 활동은 매우 다채롭게 진행되고 있으며 그 안에서 실무적 빅데이터 프로젝트 못지않게 흥미로운 연구들이 많이 이뤄지곤 합니다. 또한 다양한 산업에 적용 가능한 빅데이터 분석 결과물을 도출하는 것 자체가 기본적으로 어느 정도 학술적 가치의 추구와도 연관이 되어 있는 만큼 초기에는 본인의 관심사와 연결된 분야에서 빅데이터를 활용할 방법을 떠올리며 연구 활동을 시작하곤 합니다.
예를 들어, 마케팅 분야에서는 고객의 구매 활동을 분석하기 위해 고객의 방문 빈도, 구매 금액 등 다양한 지표를 사용하곤 합니다. 그리고 이러한 마케팅 분야에서의 변수(지표)를 구매 고객을 예측하기 위한 데이터로 활용하여 머신러닝을 진행할 수 있습니다. 이는 서로 다른 분야의 변수와 모델을 결합한 하나의 학술적 가치가 있는 연구라 할 수 있습니다. 또는 알고리즘에 관심이 있는 학생이라면 기존에 존재하는 수많은 빅데이터 분석 모델, 머신러닝 모델을 제외하고 본인이 새롭게 모델을 생성할 수도 있습니다. 이는 회사에서 빅데이터를 다룬다면 절대 하지 않을 일 중 하나입니다. 만약 그 새로운 모델의 성능이 어느 정도 보장된다면, 하나의 새로운 기법을 제시했다는 점에서 이 역시도 높은 학술적 가치를 지닌 연구가 될 수 있습니다.
학교와 회사를 바라보는 서로 다른 환상과 실재
이번 회사에서의 빅데이터 vs 학교에서의 빅데이터 시리즈에서는 각각 회사에서 빅데이터를 다룰 때와 학교에서 빅데이터를 다룰 때의 특징에 대해 살펴보았습니다. 학교와 회사는 빅데이터라는 공통분모를 가지고 있다고 할지라도, 집단의 차이가 있기 때문에 발생하는 특징이 있었습니다. 그 차이점은 시스템에 대한 것일 수도 있으며 데이터 분석의 목적이나 방향성에 관련한 것일 수도 있습니다. 많은 사람들이 학교에서 데이터를 다루며 회사에서의 생활에 대해 환상을 가지기도 하고, 회사에서 데이터를 다루며 학교에서의 생활에 대해 환상을 가지기도 합니다. 다만 모든 상상에는 환상과 실재가 존재하기 마련입니다. 회사, 학교에서 빅데이터의 특징을 정확히 구분하고 이해함으로써 향후 커리어에 대해 조금 더 현실적으로 생각할 수 있어야 합니다.
