We’re all camping at UX Camp West, so I thought I’d use the metaphor of a tent to share with you my view on the field of User Experience. I will describe the 7 poles of the tent's structure (research, design, evaluation, implementation, business, strategy, and management) and show you some random objects that I found in its corners. It is my goal that afterwards, we can all appreciate the beauty of the big tent, and realise how we contribute to a happy stay.
We’re all camping at UX Camp West, so I thought I’d use the metaphor of a tent to share with you my view on the field of User Experience. I will describe the 7 poles of the tent's structure (research, design, evaluation, implementation, business, strategy, and management) and show you some random objects that I found in its corners. It is my goal that afterwards, we can all appreciate the beauty of the big tent, and realise how we contribute to a happy stay.
빅데이터 구축 및 술루션 가이드 주요 내용
- 고객 내부 빅데이터 프로젝트 진행시 단계별 진행 가이드
- 빅데이터 프로젝트 구축 타입
- 각 산업분야별로 빅데이터 엔진을 활용한 솔루션 구축 가이드
(딥 러닝 기법 기반의 분석 포함)
코세나(kosena), 이승훈 실장 admin@kosena.kr, kosena21@naver.com
010-9338-6400
데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 프로세스Minwoo Kim
2018년 8월 9일, sopoong 액셀러레이팅 워크샵 강의: 데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 프로세스.
- 발표 전문 읽기: http://bit.ly/2nrDhPv
데이터에 기반한 성장을 하기 위한 기반들, 필수 선결 조건들에 대해서 이야기해보려고 합니다. 제가 생각하는 필수 선결 조건은 Product-Market Fit, Instrumentation, 그리고 프로세스 이렇게 세 가지입니다. (이건 제가 만들어낸 개념들은 아니고, 기존에 성공적으로 스타트업의 성장을 만들어 냈던 선배들에게서 배운 내용입니다.)
Tableau startup business case analysisSungwoo Park
태블로는 모든 사람들이 쉽고 빠르게 데이터를 이해 할 수 있도록 서비스를 제공하기 위해 2003년도 스탠포드 대학교 연구과정생들이 설립하였다.
사용자가 직접 빅데이터, 클라우드를 아우르는 모든 데이터를 연결, 분석함으로써 실질적인 Self-Service 데이터 분석이 가능하도록 만든 솔루션이다.
직관적이고 사용하기 쉬운 인터페이스로 사용자들이 빠르고 간편하게 데이터를 분석할 수 있도록 해줌
* 행사 정보 :2016년 10월 14일 MARU180 에서 진행된 '데이터야 놀자' 1day 컨퍼런스 발표 자료
* 발표자 : Dylan Ko (고영혁) Data Scientist / Data Architect at Treasure Data
* 발표 내용
- 데이터사이언티스트 고영혁 소개
- Treasure Data (트레저데이터) 소개
- 데이터로 돈 버는 글로벌 사례 #1
>> MUJI : 전통적 리테일에서 데이터 기반 O2O
- 데이터로 돈 버는 글로벌 사례 #2
>> WISH : 개인화&자동화를 통한 쇼핑 최적화
- 데이터로 돈 버는 글로벌 사례 #3
>> Oisix : 머신러닝으로 이탈고객 예측&방지
- 데이터로 돈 버는 글로벌 사례 #4
>> 워너브로스 : 프로세스 자동화로 시간과 돈 절약
- 데이터로 돈 버는 글로벌 사례 #5
>> Dentsu 등의 애드테크(Adtech) 회사들
- 데이터로 돈을 벌고자 할 때 반드시 체크해야 하는 것
(주)인사이트컨설팅 대표이사 고명환입니다.
예비창업자 & 창업자 대상 맞춤형 강의안입니다.
창업보육센터, 소상공인, 대학생 등 수차례 강의를 수행하였습니다.
- 사업계획서 목적
- 사업계획에 필요한 질문
- 사업계획서 작성요령
- 사업계획서 작성법
- 사업계획서 전략적 방향
http://blog.naver.com/maru7091
[21 크리에이티브 디렉터 세미나] 발표자료입니다.
PM과 함께 일하는 디자이너, PM 역할을 겸해야 하는 디자이너분들을 대상으로 PM 직군이 조직과 제품의 성장을 위해 어떤 고민과 노력을 하고 있는지 공유합니다.
우아한형제들에서 B마트와 배민스토어를 만드는 B마트서비스팀의 사례가 함께 담겨있습니다.
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)Dylan Ko
* 해당 강연 관련 상세 인터뷰 - https://fyi.so/2Rl04JS
[목차]
1. 그로스 해킹 제대로 바라보기
2. 선택이 아닌 필수 “개인화 (Personalization)” 의 본질
3. 개인화를 구현하는 CDP (Customer Data Platform)의 글로벌 혁신 성공 사례
4. 이 모든 화두의 접점 “데이터 프로덕트 (Data Product)” 의 핵심
5. 데이터 프로덕트를 잘 만들기 위한 서비스/데이터 디자인 방법론과 기타
* 2018년 10월 29일 드림플러스 강남점에서 ㅍㅍㅅㅅ 아카데미(PPSS Academy)가 주최한 2시간 특강 '그로스 해킹과 데이터 프로덕트' 의 강연 슬라이드
[Agenda]
1. How to understand Growth Hacking properly
2. Not option but mandatory, Personalization's essence
3. Global innovation use cases of personalization using CDP(Customer Data Platform)
4. The core of Data Product, which is the base of all the above things
5. The methodology of service and data architecture design and other detail things to make a well-made data product
#그로스해킹 #데이터액션 #고넥터 #데이터사이언스 #서비스디자인 #GrowthHacking #DataAction #DataScience #Gonnector #ServiceDesign
Data Engineers Lab's (DLAB) company and service information including Varies Big Data Case Studies in both vertical and horizontal business perspectives.
데이터엔지니어스랩 (디랩)의 회사 및 서비스 소개서입니다. 각 산업별 및 업무 분야별 빅데이터 사례와 활용도에 대한 커멘트를 수록한 최신 버전입니다.
빅데이터 구축 및 술루션 가이드 주요 내용
- 고객 내부 빅데이터 프로젝트 진행시 단계별 진행 가이드
- 빅데이터 프로젝트 구축 타입
- 각 산업분야별로 빅데이터 엔진을 활용한 솔루션 구축 가이드
(딥 러닝 기법 기반의 분석 포함)
코세나(kosena), 이승훈 실장 admin@kosena.kr, kosena21@naver.com
010-9338-6400
데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 프로세스Minwoo Kim
2018년 8월 9일, sopoong 액셀러레이팅 워크샵 강의: 데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 프로세스.
- 발표 전문 읽기: http://bit.ly/2nrDhPv
데이터에 기반한 성장을 하기 위한 기반들, 필수 선결 조건들에 대해서 이야기해보려고 합니다. 제가 생각하는 필수 선결 조건은 Product-Market Fit, Instrumentation, 그리고 프로세스 이렇게 세 가지입니다. (이건 제가 만들어낸 개념들은 아니고, 기존에 성공적으로 스타트업의 성장을 만들어 냈던 선배들에게서 배운 내용입니다.)
Tableau startup business case analysisSungwoo Park
태블로는 모든 사람들이 쉽고 빠르게 데이터를 이해 할 수 있도록 서비스를 제공하기 위해 2003년도 스탠포드 대학교 연구과정생들이 설립하였다.
사용자가 직접 빅데이터, 클라우드를 아우르는 모든 데이터를 연결, 분석함으로써 실질적인 Self-Service 데이터 분석이 가능하도록 만든 솔루션이다.
직관적이고 사용하기 쉬운 인터페이스로 사용자들이 빠르고 간편하게 데이터를 분석할 수 있도록 해줌
* 행사 정보 :2016년 10월 14일 MARU180 에서 진행된 '데이터야 놀자' 1day 컨퍼런스 발표 자료
* 발표자 : Dylan Ko (고영혁) Data Scientist / Data Architect at Treasure Data
* 발표 내용
- 데이터사이언티스트 고영혁 소개
- Treasure Data (트레저데이터) 소개
- 데이터로 돈 버는 글로벌 사례 #1
>> MUJI : 전통적 리테일에서 데이터 기반 O2O
- 데이터로 돈 버는 글로벌 사례 #2
>> WISH : 개인화&자동화를 통한 쇼핑 최적화
- 데이터로 돈 버는 글로벌 사례 #3
>> Oisix : 머신러닝으로 이탈고객 예측&방지
- 데이터로 돈 버는 글로벌 사례 #4
>> 워너브로스 : 프로세스 자동화로 시간과 돈 절약
- 데이터로 돈 버는 글로벌 사례 #5
>> Dentsu 등의 애드테크(Adtech) 회사들
- 데이터로 돈을 벌고자 할 때 반드시 체크해야 하는 것
(주)인사이트컨설팅 대표이사 고명환입니다.
예비창업자 & 창업자 대상 맞춤형 강의안입니다.
창업보육센터, 소상공인, 대학생 등 수차례 강의를 수행하였습니다.
- 사업계획서 목적
- 사업계획에 필요한 질문
- 사업계획서 작성요령
- 사업계획서 작성법
- 사업계획서 전략적 방향
http://blog.naver.com/maru7091
[21 크리에이티브 디렉터 세미나] 발표자료입니다.
PM과 함께 일하는 디자이너, PM 역할을 겸해야 하는 디자이너분들을 대상으로 PM 직군이 조직과 제품의 성장을 위해 어떤 고민과 노력을 하고 있는지 공유합니다.
우아한형제들에서 B마트와 배민스토어를 만드는 B마트서비스팀의 사례가 함께 담겨있습니다.
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)Dylan Ko
* 해당 강연 관련 상세 인터뷰 - https://fyi.so/2Rl04JS
[목차]
1. 그로스 해킹 제대로 바라보기
2. 선택이 아닌 필수 “개인화 (Personalization)” 의 본질
3. 개인화를 구현하는 CDP (Customer Data Platform)의 글로벌 혁신 성공 사례
4. 이 모든 화두의 접점 “데이터 프로덕트 (Data Product)” 의 핵심
5. 데이터 프로덕트를 잘 만들기 위한 서비스/데이터 디자인 방법론과 기타
* 2018년 10월 29일 드림플러스 강남점에서 ㅍㅍㅅㅅ 아카데미(PPSS Academy)가 주최한 2시간 특강 '그로스 해킹과 데이터 프로덕트' 의 강연 슬라이드
[Agenda]
1. How to understand Growth Hacking properly
2. Not option but mandatory, Personalization's essence
3. Global innovation use cases of personalization using CDP(Customer Data Platform)
4. The core of Data Product, which is the base of all the above things
5. The methodology of service and data architecture design and other detail things to make a well-made data product
#그로스해킹 #데이터액션 #고넥터 #데이터사이언스 #서비스디자인 #GrowthHacking #DataAction #DataScience #Gonnector #ServiceDesign
Data Engineers Lab's (DLAB) company and service information including Varies Big Data Case Studies in both vertical and horizontal business perspectives.
데이터엔지니어스랩 (디랩)의 회사 및 서비스 소개서입니다. 각 산업별 및 업무 분야별 빅데이터 사례와 활용도에 대한 커멘트를 수록한 최신 버전입니다.
월간 IM 6월호에 기고한 소셜분석 툴 소개 자료입니다(2회차). 다양한 소셜분석 툴을 저마다의 특징으로 분류해보았습니다. 겹치는 기능도 있고, 기본적으로 소셜미디어 채널을 바라보기에 이거다 저거다 명확한 분류가 쉽진 않습니다만 개별 툴이 갖고 있는 매력을 제 나름대로 풀어보았습니다. 원고는 2부로 나뉘고, 이번 호에선 페이스북 페이지 분석 및 SNA에 중점을 둔 툴을 살폈습니다.
월간 IM 5월호에 기고한 소셜분석 툴 소개 자료입니다. 다양한 소셜분석 툴을 저마다의 특징으로 분류해보았습니다. 겹치는 기능도 있고, 기본적으로 소셜미디어 채널을 바라보기에 이거다 저거다 명확한 분류가 쉽진 않습니다만 개별 툴이 갖고 있는 매력을 제 나름대로 풀어보았습니다. 원고는 2부로 나뉘고, 이번 호에선 이슈 모니터링 및 온라인 분석에 중점을 둔 툴을 살폈습니다.
'소셜에서 분석이 필요한 이유'라는 주제로 월간 마이크로소프트웨어(http://www.imaso.co.kr)
9월호에 기고한 글입니다.
소셜 분석 툴에 대한 설명 및 활용 방안을 다뤄보았습니다.
펄스K는 물론 국내외 다양한 소셜분석툴에 대한 활용사례 및 특징에 대하여 간략하게 설명해놓았으니 참고 바랍니다.
1. 코난테크놀로지 STS 2011 고객 설문
- Part 1. 기업 검색 트렌드 –
1. STS 2011 에 참가하신 이유는 무엇입니까?
□ 최싞 기업검색 기술 및 동향 습득 □ 경쟁 및 선도 기업 사례에 대한 벤치마킹
□ 주위의 권유(지인, 광고 등) □ 주제에 대한 관심 □ 기타( )
2. 아래의 기업검색 제품 중 관심 있는 솔루션은 무엇이고, 도입 예상시기는 언제입니까?
1) 관심 제품
□ 통합검색엔짂 □ 웹 정보 수집기(웹크롤러) □ 문서 자동분류기
□ 표젃검색엔짂 □ 시맨틱검색엔짂 □ 멀티미디어검색엔짂
□ 소셜 미디어 분석/검색엔짂 □ 중소형 검색 어플라이언스(서버 결합형) □ 기타( )
2) 도입 시기
□ 6 개월 이내 □ 1 년 이내 □ 계획 없음 □ 기타( )
3. 기업검색 솔루션을 도입할 경우, 가장 중요하게 고려하는 사항은 무엇입니까?
□ 레퍼런스 및 다양한 구축 경험 □ 가격 □ 제품 성능(BMT 및 각종 인증 포함)
□ 평판/인지도(재무 구조, 기업 규모 등) □ 사후 관리의 철저(유지보수, 장애 대응 등)
□ 사용자 화면(User Interface) 및 관리 편의성 □ 기타( )
4. 기업검색 솔루션을 도입할 경우, 가장 큰 애로사항은 무엇입니까?
□ 구매 비용(제품 구매 및 인건비 등) □ ROI(투자에 대한 성과 측정 및 비용 회수)
□ 기술적 난해함(용어 및 제품 관렦 지식 등) □ 구축 이후 관리에 대한 어려움
□ 관렦 업체에 대한 정보 부족(사례 부족 및 영세 업체 난립 등)
□ 고객 특성 이해 부족(방향성 및 젂문성 결핍) □ 기타( )
2. 5. 기업검색 솔루션을 도입할 경우, 가장 선호하는 형태는 무엇입니까?
□ 솔루션 구매 및 직접 구축 □ 서비스 임대 형태(ASP, SaaS 등)
□ 소프트웨어 / 하드웨어 결합형(어플라이언스) □ 기타( )
6. 올해 가장 주목할 검색기술 트렌드는 무엇이라고 생각하십니까?
□ 소셜 미디어 등, 비정형 정보 분석 및 검색 □ 시맨틱 검색(온톨로지 포함)
□ 빅데이터 검색 및 분석 (ERP, PLM, SCM 등) □ 모바일 기반의 개인화 검색
□ 이미지/음성 쿼리 기반의 멀티미디어 검색 □ 문서집중화 및 클라우드 컴퓨팅 검색
□ 실시갂 검색(소셜 미디어 콘텐츠 수집/검색) □ 기타( )
7. 향후 가장 주목할 검색 기술 트렌드는 무엇이라고 생각하십니까?
□ 소셜 미디어 등, 비정형 정보 분석 및 검색 □ 시맨틱 검색(온톨로지 포함)
□ 빅데이터 검색 및 분석 (ERP, PLM, SCM 등) □ 모바일 기반의 개인화 검색
□ 이미지/음성 쿼리 기반의 멀티미디어 검색 □ 문서집중화 및 클라우드 컴퓨팅 검색
□ 실시갂 검색(소셜 미디어 콘텐츠 수집/검색) □기타( )
- Part 2. 소셜 미디어 분석 –
8. 소셜 미디어 모니터링 서비스의 용도는 무엇이라고 생각하십니까?
□ 마케팅 캠페인 효과 분석(노출, 빆도 등) □인지도 및 선호도 분석 등의 여론 조사
□ 온라인 평판분석 기반의 위기 관리 □ 소셜 미디어에 대한 실시갂 피드백 기능
□ 충성도 및 영향력 높은 고객을 발견, 타겟 마케팅 집행 □ 기타( )
9. 소셜 미디어 모니터링 서비스에서 가장 중요한 부분은 무엇이라고 생각하십니까?
□ 다양한 소셜 미디어를 빠르게 수집 □ 소셜 미디어를 정확하게 분석
□ 소셜 미디어 상의 주요 인물을 찾아내고 그 영향력을 파악
□ 소셜 미디어에서 정보가 젂달되는 경로 탐지 □ 강력한 리포팅 기능
□ 실시갂 소셜 미디어 트렌드 모니터링 □ 기타( )
10. 소셜 미디어 모니터링 서비스 도입에 있어 예상되는 어려움은 무엇입니까?
□ 도입 비용 □ 젂담 인력 배정 및 운영 관렦 노하우 부족 □ 분석 정보에 대한 활용 방앆
□ 투자비용회수(ROI)에 대한 이슈 □ 기타( )