| 이 책에서 다루는 내용 |
- 통계적 사고를 위해 데이터를 대하는 태도와 소양
- 일상 생활과 의사결정 과정에서 영향을 미치는 변동성
- 현업에서 통계와 분석 결과에 대해 적절한 의견을 제시할 수 있는 데이터 리터러시 역량
- 머신러닝, 텍스트 분석, 딥러닝, AI의 이면에 숨은 기본 원리와 지식
- 데이터를 분석하고 해석할 때 빠지기 쉬운 함정
- 프로젝트와 조직의 성공을 위해 데이터 리드가 해야 할 일

| 이 책의 대상 독자 |
초보 데이터 과학자, 데이터 분석가, 비즈니스 전문가, AI/머신러닝 엔지니어, 기업 경영진 등 누구나 재미있게 읽고 지식을 쌓을 수 있는 책이다. 특히, 데이터 분석가와 함께 일해야 하는 마케팅 전문가, 아직 데이터에 대해 잘 모르는 개발자, 직장인이나 연구자, AI 기술을 새로운 도입과 의사결정을 위해 데이터에 관해 좀 더 깊이 있는 지식이 필요한 C레벨 임원, 데이터 팀이나 조직을 이끌어야 하는 관리자라면 더욱 필요할 것이다. 데이터 분야에서 종사하고 싶거나 데이터 리드로 성장하고 싶은 모두가 읽어야 하는 책이다.

| 이 책의 구성 |
1부, 데이터로 사고하고 리드하기 위한 첫 여정
1부에서는 데이터 리드의 관점으로 생각하는 방법을 다룬다. 조직에서 수행하는 데이터 프로젝트를 비판적으로 검토하고 적절한 질문을 제기하는 방법을 배운다. 데이터의 정의, 올바른 용어 사용, 통계적 관점으로 세상을 바라보는 방법을 살펴볼 것이다.

2부, 데이터를 대하는 태도, 확률과 통계 지식
데이터 리드는 데이터에 관한 중요한 토론에 적극적으로 참여한다. 2부에서는 데이터와 논쟁하는 방법과 업무에서 접하는 통계적 개념을 이해하기 위해 필요한 질문이 무엇인지 살펴본다. 데이터 분석 결과를 이해하거나 문제를 제기하기 위해 필요한 기초적인 통계와 확률 개념을 배울 것이다.

3부, 다양한 사례로 다시 배우는 머신러닝, 딥러닝, AI 지식
데이터 리드는 통계적 모델과 머신러닝 모델이 작동하는 기본 원리를 이해해야 한다. 비지도학습, 회귀, 분류, 텍스트 분석, 딥러닝에 대해 직관적으로 이해할 수 있게 될 것이다.

4부, 프로젝트와 조직의 성공을 위해 데이터 리드가 할 일
데이터 리드는 데이터 관련 업무를 수행할 때 흔히 저지르는 실수나 빠지기 쉬운 함정이 무엇인지를 알고 있어야 한다. 조직과 프로젝트를 실패로 이끄는 기술적인 함정에 대해 살펴보고, 데이터 프로젝트에 참여하는 사람들과 그들의 성향을 알아본다. 마지막으로, 데이터 리드로 성공하기 위한 방향을 제시할 것이다.

| 추천사 이어서|
저자들은 불필요한 내용을 걷어 내고 복잡한 데이터와 통계 개념을 쉬운 예제와 적절한 비유로 풀어 설명한다. 이 책 덕분에 나는 팀에 필요한 데이터와 정보를 조직에 적합한 실질적인 비즈니스 요구사항으로 전환할 수 있었다. 비즈니스 기회를 얻고 데이터 팀을 성장시키고 싶다면 꼭 읽어보길 추천한다.
- 저스틴 모러(Justin Maurer) / 구글의 데이터 과학 및 엔지니어링 팀 관리자

15년 경력의 항공우주 엔지니어인 나는 이 책을 읽고 난 후 데이터 과학에 대한 기초 지식은 물론이고 데이터 기반 업무 환경을 조성하기 위한 전문지식도 알게 됐다. 이 책에서는 AI 등 자주 남용되는 용어를 적절히 걸러서 받아들이는 방법도 알려준다. 데이터 과학이라는 피할 수 없는 미래를 탐색해 보려는 중간 관리자가 있다면 반드시 읽어야 할 책이다.
- 조시 키너(Josh Keener) / 항공우주 엔지니어, 프로그램 매니저

데이터 과학을 잘 이해하고 싶은 고위 경영진에게 딱 들어맞는 필독서다.
- 케이드 사이에(Cade Saie) 박사 / 최고 데이터 책임자(CDO)

저자들은 독자들에게 올바른 질문을 제기하고 통계적 가설을 검토하며 실수를 피하는 방법에 관해 실용적인 조언을 건넨다. 데이터 과학에 대해 빠짐없이 설명하면서도 방대한 내용 속에서 길을 잃지 않도록 균형을 잘 잡아준다. 분석가, 데이터 과학자, 관리자, 경영진, 그리고 데이터 과학을 더 깊이 이해하려는 모든 사람에게 또 하나의 유용한 도구가 될 것이다.
- 제프 비알락(Jeff Bialac) / 크로거(Kroger)의 수석 공급망 분석가

저자들은 응용 통계학자와 데이터 과학자, 심지어 고위 경영진과 기술 전문가 모두에게 유용한 책을 내놓았다. 복잡한 통계 개념을 이해하기 쉽게 풀어 설명하며, 데이터 업무와 비즈니스 가치 사이에 오래된 간극을 이어주는 공통의 언어를 창조했다.
- 캐슬린 메일리(Kathleen Maley) / 데이터줌(datazuum)의 최고 분석 책임자

[옮긴이의 말]
지금껏 나는 많은 데이터 관련 책을 읽고, 공부하고, 때로는 번역서를 출간하기도 했는데, 이 책은 번역서가 아니라 내가 집필한 책이라면 정말 좋았겠다는 욕심이 날 만큼 대단한 물건이었다. 처음 원서를 받고 장 제목 위주로 쑥 내용을 훑어보았을 때는 ‘내용이 너무 쉬운 거 아닌가?’ 하는 생각이 들었지만 번역을 위해 본격적으로 한 문장씩 내용을 음미하며 읽어나가기 시작한 순간부터 마지막 장이 끝날 때까지, 저자들이 설정한 책의 기획 의도에 맞게 저술하기 위해 들인 노력, 그리고 데이터 분석과 통계에 관한 그들의 깊은 내공에 감탄을 멈출 수 없었다.
흔히 “쉽게 쓰는 것이 가장 어렵다”고들 말한다. 그동안 이 말에 대해 이성적으로는 동의하고 있었지만 정확한 사례를 경험한 적은 거의 없었는데, 이 책을 읽고 나서야 저 말의 진정한 표본을 만났다고 느꼈다. ‘쉽게 쓸 수 있다’는 것은 글쓴이가 관련 내용의 핵심과 논리를 완벽하게 꿰뚫고 있다는 의미며 그럼으로써 쉬우면서도 명쾌하고 논리적인 글이 나올 수 있다.
이 책은 어려울 수도 있는 데이터 분석과 통계에 대해 딱 필요한 만큼의 깊이와 범위를 다룬다. 이 분야를 전공으로 삼으려는 사람들에게 입문서로도 좋지만, 기술적인 분야에 대해 너무 깊이 알 필요는 없지만 데이터 분석가와 의사소통이 가능한 수준까지는 관련 지식을 쌓고 싶은 일반인들에게는 정말 도움이 될 것 같다. 일반 교양서와 본격적인 기술서 사이의 경계선에서 절묘하게 줄타기를 하는 무척 신기한 책이다.
특히 요즘처럼 AI가 급속도로 대중화되고 있는 시대야말로, AI를 동작시키는 원료인 데이터의 ‘본질’에 집중할 필요가 있다. 오늘날 AI에 대해 설명하는 수많은 책과 글이 넘쳐나지만 AI를 가장 정확하게 이해하는 길은 ‘데이터에 기반한 통계적 사고’가 어떻게 AI까지 진화했는지 그 흐름을 쫓아가보는 것이다. 그런 면에서 이 책은 AI 시대를 살아가는 일반 대중에게 첫 교과서와 같은 역할을 할 수 있지 않을까 기대한다.
책 내용 중 기술적인 부분은 내가 이미 잘 알고 있는 분야이기도 하고 너무 깊이 다루지는 않기 때문에 저자들이 원서에서 주장하는 내용과 메시지를 쉽게 이해할 수 있었지만 문제는 한글로 번역하는 과정이었다. 하나의 문장과 하나의 단락에서 다루는 내용이 밀도가 높고 의미가 압축되어 있어 문장 자체는 쉽지만 원서의 정확한 의미와 미묘한 뉘앙스를 한글 문장으로 바꾸기 위해서 많은 고민과 시간이 필요했다. 유행이 지난 말이긴 하지만
정말 ‘한 땀 한 땀’ 시간과 공을 들여 번역해 나갈 수밖에 없었다.
고백하건대, 지금껏 나는 교양서와 기술서 사이에서 정확하게 균형을 잡는 좋은 책을 직접 쓰고 싶다는 열망이 가득했다. 하지만 이 책을 번역하는 과정에서 이미 그런 책이 출간되어 있었다는 실망감과 함께, 한편으로는 이렇게 좋은 책을 발견해 번역을 맡게 되었다는 기쁨을 동시에 느낄 수 있었다. 그만큼 훌륭한 책이며 많은 분에게 자신 있게 추천할 수 있는 책이다.
- 최재원

수십 년간 재료공학도로 살아오면서 나는 학위 과정까지 여러 재료공학적 현상을 연구하고 분석하기 바빴다. 학위 취득 후 반도체 업계에서 일하기 시작했을 때, 그간 다루던 재료공학적 관점 이외에 여러 가지 품질 관리 기법 및 신뢰성 분석을 위한 모델 해석 등 통계적 개념을 접하게 됐다. 기업에는 제품의 품질과 수명을 개선해 이윤을 남겨야 하는 숙명이 있기에 필수 불가결한 것이었다.
하지만 여전히 머리를 맴도는 생각이 있었다. 재료공학에서 다루는 현상들을 완벽히 이해한다면, 이러한 통계적 접근은 최소화할 수 있을 뿐만 아니라 어쩌면 필요하지도 않을 것 같았다. 지금 돌이켜 보면, 그보다는 아마도 통계적 접근과 응용을 아예 외면하고 싶었던 것은 아니었을까 한다. 내가 그간 집중해 왔던 재료공학을 비롯한 과학이나 공학의 대부분은, 원인과 결과를 명확히 밝히는 인과관계의 탐구 과정이었다. 그러던 중 AI 시대가 도래하고 반도체를 포함한 모든 분야에 응용되기 시작했다. 이에 나는 통계 분야의 고전적인 데이터 개념과 AI에서 다루는 데이터가 도대체 무엇이 다른 건지 궁금해질 수밖에 없었다. 이러한 막연한 호기심에 수많은 논문과 책을 뒤지고, 인터넷의 바다도 헤매고 다녔었다.
나 같은 일반 연구자들을 위해 코딩이나 복잡한 통계 수식 없이, 장밋빛 미래만 이야기하지는 않으며, 핵심만 콕 짚어주는 ‘흙 속의 진주’ 같은 책이 혹시 있지 않을까? 나와 비슷한 궁금증을 지닌 사람들을 위해 책을 집필한 저자들이 있을까? 실로, 이 인연은 존재했다! 바로 이 책의 원서 『Becoming a Data Head』였다. 어렵사리 찾아낸 이 진주는 영어 책이었지만 어찌나 재미있게 읽히던지 그 느낌이 지금도 생생하다. 이 책의 저자들은 내가 궁금해 했던 모든 것을 사랑방에서 이야기하듯 술술 풀어나가는 이야기꾼이었고, 책을 읽다 보니 통계와 데이터에 대한 수십 년 묵은 근본적 의문이 일거에 해결되는 느낌이었다.
기술적 난제를 비롯한 삼라만상 중 인과관계를 정확히 알 수 있는 것이 대체 몇 개나 되겠는가? 그렇기 때문에 통계에서 출발해 딥러닝과 AI가 열어준 데이터의 세계에 대한 이해가 필요한 것이었다. 이 책의 또 하나 놀라운 점은 일반 엔지니어나 연구자뿐 아니라, 기업 경영자나 관리자가 기업의 비즈니스 성공을 위해 데이터를 어떻게 바라보고 활용해야 하는지까지 여러 비유를 들어 다양하게 비춰주고 있다는 점이다.
아무쪼록 여러 분야의 독자들이 이 책이 가져다 줄 데이터에 대한 깨달음의 기쁨이 함께 하길 빌며 이 글을 마치고자 한다.
- 장진욱