6. 공포의 외인구단? 도루를 못하는 1번타자(제레미지암비) 팔꿈치 수술로 많은 공을 못 던지는 1루수(스캇헤티버그) 만족곡장애인 주전 투수 (짐 메시어) 모든 구단이 퇴물로 여겼던 7번타자(데이빗저스티스) 절대로 번트나 도루 지시를 하지 않는 감독 (아트 하우) 도무지 알 수 없는 숫자로 선수를 뽑는 단장 (빌리빈)
7. 오클랜드 어슬래틱스 (A’s) 오클랜드2002년 팀 연봉 = 4100만 달러 메이저리그 팀 중 최저 팀 연봉 뉴욕 양키스(1억2500만 달러) 팀의 예산으로 기존 환경의 우수선수 확보에 어려움 빌리 빈의 단장 취임 후 새로운 전략 구사 폴 디포데스타 영입 – 하버드 대학 경제학과와 통계학과 졸업
8. 데이터 분석을 통한 통찰력 데이터 분석결과 개인 타율, 타점, 도루율 보다는 장타율과출루율이 팀의 승률이 더욱 밀접한 관계를 가짐 기존 메이저리그에서 선수 가치 측정은 개인 기록에만 집중 선수 개인 기록과 팀의 승리의 상관 관계 분석에는 미흡 당시 대부분의 스카우터들은 신인 선수의 경우 선수 외모로 가치를 판별 빌리빈은 이러한 분석을 바탕으로 선수 영입
9. 데이터 분석과 작전 운영 번트나 도루가 과연 유효한 전략일까? 빌리 빈은 도루와 번트에 대해 회의적 실제 작전에서도 도루나 번트는 용납하지 않았음 과연 빌리 빈의 통찰력이 타당할까?
10. 야구의 수학적 모델 칼 모리스(Carl Morris) 교수 미 하버드 대학 통계학과 교수 수학적 모델을 이용해 야구 작전 효용성 분석 마코브 체인 (Markov Chain) 통신/금융/의사결정 시스템에 응용되는 확률적 모델링
11. 마코브 체인의 야구 모델 야구 – Discrete Game!!! 각 상태 (State)는 네 개의 수로 표현 가능 State (0,0,0,0) 3루 진출여부 아웃 카운트 (0, 1, or 3) 2루 진출 여부 1루 진출여부
12. 마코브 체인의 야구 모델 야구 – Discrete Game!!! 각 상태 (State)는 네 개의 수로 표현 가능 State (1,1,1,0) 3루 진출여부 아웃 카운트 (0, 1, or 3) 2루 진출 여부 1루 진출여부
13. 마코브 체인의 야구 모델 전체 상태 3x2x2x2 = 24 상태 (States) 회(inning)이 끝나는 상황 (3,0,0,0) 각 이닝은 (0,0,0,0) 로 시작해 (3,0,0,0)로 끝남
14. 상황 변화 (State Transition) 경기 상황에서 상태 (State)은 늘 바뀜 1000 0100 1100 … 0000 0010 3000 1010 0001 1001
15. 각 상황에서 득점 평균 약 100년 간 미국 메이저리그 경기 데이터를 바탕으로 각 상황에서의 득점 평균을 측정
16. 희생 번트의 가치 이닝 당 점수 비교 무사 1루에서 상황에서 평균 득점 = 0.93 희생 번트를 했을 경우 평균 득점 = 0.75 박빙의 승부에서 1점을 낼 확률 무사 1루에서 번트 없이 1점 날 확률 = 0.4 무사 1루에서 번트를 시도했을 때 1점 날 확률 = 0.417
17. 야구 분석의 의미 통념이나 경험이 때로는 본질을 통찰하는 장애요소로 작용 데이터가 없는 시절에는 사실의 근거가 희박 – 경험과 상식이 운영의 핵심 데이터는 새로운 경영 방식을 요구
28. Introduction to Revenue Management for the Hospitality Industry Kettler Seatbelt Seatbelt Sonny LCS-VAC Soft Carrying Case Data Analysis Using SQL and Excel Expert Resumes for Managers And Executives SQL for Microsoft Access Enterprise Risk Management MATLAB for Control Engineers
37. 빨간 풍선을 찾아라 “빨간 풍선 10개를 찾아라 - 미국 전역에 흩어진 10개의 빨간 풍선의 정확한 위치를 가장 먼저 찾는 팀에게 4만달러의 상금을 수여한다” DARPA (Defense Advanced Research Project Agency), 2009년 12월 1일 37 조선일보 위클리비즈: MIT 천재들을 어떻게 빨간풍선을 찾았을까? http://biz.chosun.com/site/data/html_dir/2010/03/26/2010032639109.html
44. 네트워크 연결 랜덤한 네트워크 연결에서 전체 구성원 N에서 각 개인은 평균적으로 Log(N) 만큼만의 인맥 연결이 있어도 전체 구성원이 연결 될 수 있음
45. 와인 파티 50 명의 게스트가 참석한 와인 파티 두가지의 와인 중 노란 레이블의 와인이 명품 와인
46. 좁은 세상 (Small World) 와츠와 스트로가츠 “좁은 세상” 이론 – 네이처 (1998) 링크를 몇 개만 추가해도 노드와의 평균거리는 급격히 줄어든다
47. 과학의 새로운 패러다임 지난 200년간의 연구의 패러다임 “더욱더 작은 세계로” 그러나…
48. 네트워크와 사회학 요소가 아닌 관계의 과학 네트워크를 통한 사회분석 – 소셜 네트워크 사회를 한 개인의 특성이 아닌 개인과 개인의 관계의 네트워크를 이용해 이해하려는 학문 20세기 초 이후 사회 구성원들간의 관계를 통해 사회를 이해하려는 시도 21세기 이후 분석 방식의 발달과 데이터를 통해 급속한 발전
49. 토마스 쉴링 (Thomas Schelling) 토마스 쉴링 (2005년 노벨 경제학상) 뉴욕시카고 미국의 대도시 – 인종 분리 경향이 뚜렷하게 존재 백인 – 부유한 교외 거주 흑인 – 도시 중심 슬럼 거주 red = White/Caucasian blue = African American green = Asian orange = Hispanic gray = Other
50. 토마스 쉴링 (Thomas Schelling) 인종 분리 경향이 뚜렷하게 존재 백인 – 부유한 교외 거주 흑인 – 도시 중심 슬럼 거주 과연 인종주의 때문일까? W W W W W W W W W W
51. 토마스 쉴링 (Thomas Schelling) 인종 분리 경향이 뚜렷하게 존재 백인 – 부유한 교외 거주 흑인 – 도시 중심 슬럼 거주 과연 인종주의 때문일까?
52. 토마스 쉴링 (Thomas Schelling) 극단적 소수가 되기를 꺼리는 정도는 비난할 수 없는 자연수러운 성향 미래에 인종주의가 완전히 사라진다고 해도, 물리적인 법칙과 비슷한 그 무엇 때문에 인종들이 분리될 것이다 공동체의 행의는 곧바로 그 구성원들의 품성에서 나온다고 보는 경향 쉴링의 게임에서는 이러한 생각이 오류 사회 전체의 결과는 특정한 사람들의 욕망이나 의도, 습관이나 태도에서 비롯되지 않을 때도 있다 인간 세계에 대한 통찰력을 얻으려면, 구성원들간의 심리를 살펴봐야 한다는 고정관념은 잘못 사회를 구성하는 구성원들간의 상관관계가 전체 사회를 좌우할 수 있음
53. Social Network Analysis 클러스터링 계수 (Clustering Coefficient) 약한 연결의 힘 (Strength of Week Tie) 중앙성 분석 (Betweenness Centrality)
54. 클러스터링(Clustering) 친구들간의 조밀함을 나타내 주는 수치 1에 가까운 숫자는 모든 친구들이 서로간의 친구의 관계를 맺있다는 것 0에 가까운 숫자는 친구들 간에도 서로 잘 모르고 오직 당사자만이 1대1로 관계를 맺는다는 것 구성원의 수(N), 구성원들간의 연결 수 (M) E F A B C = 6/6 C = 3/6 G H C D
55. 클러스터링(Clustering) 사회의 건강성 Bearmanand Moody, Suicide and friendships among American adolescents, American Journal of Public Health, 94(1):89-95, 2004 10대 소녀들의 경우 클러스터링 계수와 자살류과 밀접한 관계가 있음 E F A B C = 6/6 C = 3/6 G H C D
58. 약한 연결의 힘 마크 그라노베터(Mark Granovetter) 역사상 가장 많은 영향을 끼친 사회학 논문 “Strong and Week Ties” hypothesis from Sociology – Mark Granovetter, Getting a Job: A Study of Contacts and Careers. University of Chicago Press, 1974 사람들이 어떻게 “네트워크”하는가? 자신의 사회적 연결을 활용해서 어떻게 새로운 직업을 얻는가?
59. 약한 연결의 힘 현재 직업을 찾는데 도움을 준 사람은 친구가 아닌 그저 아는 사람 (acquaintances) 약한 사회적 연결 고리의 의미는? 개인은 여러 명의 가까운 친구를 갖고 있고 이들은 대부분은 상호 간에 잘 알고 자주 접촉하는 밀도 높은 사회적 덩어리를 이루고 있다 개인은 또한 그냥 아는 사람들을 여럿 갖고 있고 긴밀하게 짜여진 사회적 덩어리를 만든다 A B E F C D G H
60. 약한 연결의 힘 클러스터화된 사회 네트워크는 내부적으로 강한 끈으로 완전하게 연결되어 있는 작은 서클로 이뤄져 있다 약한 끈들은 이 친구 서클을 아는 사람들에게 연결시키는 역할을 한다 약한 연결끈은소문 전파나 직장을 구하는 것과 같은 많은 경우에 중요한 역할을 한다 A B E F C D G H
61. 약한 연결의 힘 페이스북 친구간 서로 연될 될 가능성이 있음 약한 연결을 이용해 네트워크를 확장시키는 힘 사이월드와 비교
73. 넷플릭스 미국 최대 DVD랜털 미디어 그룹 73 조선일보 위클리비즈2011-2-19 “DB(데이터베이스) · SNS(소셜 네트워크 서비스) 세상… '누이 좋고 매부 좋은 사업'은 널렸다” http://biz.chosun.com/site/data/html_dir/2011/02/18/2011021801270.html
80. MIT 프로젝트 Gaydar 게이더 (게이 + 레이더) 페이스북으로 게이 회원 판별 페이스북의 오픈 인포메이션 이용 80 조선 위클리비즈2010-6-12 MIT의 두 학생, 페이스북으로'동성애자' 판별해 http://biz.chosun.com/site/data/html_dir/2010/06/11/2010061101547.html
88. “기업이 망하는 이유는 뭔가를 잘못했기 때문이 아니라, 비즈니스의 근본적인 변화를 이해하지 못했기 때문이다.” - 피터 드러커 86
89. “This mathematical modeling of humanity promises to be one of the great undertakings of the 21st century.” <Math Will Rock Your World> BusinessWeek, 2006-1-23 87
90. Reference <경영학콘서트>, 2010 비즈니스북스, 장영재 조선일보 위클리비즈: 2010-3-26, “MIT 천재들을 어떻게 빨간풍선을 찾았을까?” http://biz.chosun.com/site/data/html_dir/2010/03/26/2010032639109.html 조선일보 위클리비즈2011-2-19 , “DB(데이터베이스) · SNS(소셜 네트워크 서비스) 세상… '누이 좋고 매부 좋은 사업'은 널렸다” http://biz.chosun.com/site/data/html_dir/2011/02/18/2011021801270.html 조선일보 위클리비즈2010-5-19, “미래 예측… 神의 영역에 도전” http://biz.chosun.com/site/data/html_dir/2010/05/28/2010052801256.html 동아비즈니스리뷰– Management Science 2.0 – “레코드가계의 추억과 경영과학”, 2010-8, Vol. 62, pp76-81 동아비즈니스리뷰– Management Science 2.0 – “정보의 골드러쉬 시대, 해답은 네트워크 분석에 있다”, 2010-8, Vol. 64, pp70-73 동아비즈니스리뷰– Management Science 2.0 – “처치 곤란한 고래 폭파시키면?” 2011-2, Vol. 75, pp92-94 조선일보 위클리비즈2010-5-19, “결단의 순간 – 직관과 과학중 어디에 기댈것인가?” http://biz.chosun.com/site/data/html_dir/2011/01/07/2011010701147.html 조선일보 위클리비즈2011-6-11, “야구단이 천하무적이되는 데이터의 힘 – 경영도 과학이다” http://biz.chosun.com/site/data/html_dir/2011/06/10/2011061001345.html
Editor's Notes
SergeyBrin – Co-founder of the Google with Larry PageReed Hastings – NetflixJeff Bezos – CEO of Amazon.comJames Simons - Renaissance Technologies