viewimage.php?no=24b0d769e1d32ca73cee87fa11d02831d3049d5484b72b446f00ac270fee20e68d1be8ab99e486561516b6349c500cc8bde624502794b881221e63917250a384f10635fb0d92b7dbdea4551940e3




내용적으로도 흥미롭고 분량도 짧고 필체도 간결하다. 모든사람들에게 추천할만한 책인거 같다.

저자는 경제학 박사이자 빅데이터 전문가이다. 구글트렌드를 이용한 연구를 선도하고 있는 전문가로서 저자는 인터넷 공간을 통한 사회과학 연구의 과학화가 이루어질 수 있다고 보고있다.

글의 도입부는 포퍼의 반증주의를 통한 프로이트의 비판이다. 포퍼의 비판과 마찬가지로 대다수 사람들은 반증적 지식의 축적이 가능한 물리학 생물학은 과학이라 보지만 사회학 경제학 등은 애매한 말장난이라고 치부하는 경향이 있다. 그리고 이러한 경향은 저자가 보기에 사회과학의 엄밀성이 이루어지지 않는 전제하에서는 어느정도 타당한 비판일수 있다.

그러나 기술의 발달로 사회과학은 상관성을 넘는 인과성을 확보할수 있을것이고 그 인과성은 어느정도의 반증가능성을 얻을수 있을것이다. 저자는 빅데이터 중 구글 등의 인터넷을 통한 지식의 엄밀화를 추구한다. 인터넷 정보를 통한 빅데이터 연구는 여러가지 특징을 가진다.

1. 전통적인 사회과학 연구에서 공식적으로 대우받지 못한다

사실 빅데이터란 말은 오래전부터 나왔다. 빅데이터의 고전인 '신호와 소음'에서는 야구데이터를 통한 승률증가를 과학적으로 밝히고 있고 각종 여론조사 데이터는 이미 수십년전부터 축적돼오고 있다.

그러나 저자가 보기에 이런 데이터들은 유용한 측면도 많지만 부족한 측면이 있다. 사람들은 공식적인 데이터를 측정하는 시험에서 거짓말을 할 확률이 높기 때문이다. 그리고 이러한 그들의 거짓말은 빅데이터를 오염시킨다. 그러나 그들은 그들의 숨겨진 민낯을 구글 등의 사이트에서 '고해성사'하기 때문에 이는 가장 정확할수 있다.

그러나 저자가 보기에 전통 사회과학자들은 인습에 치우쳐서 구글데이터등을 믿지 못한다. 이들은 오히려 고전 저작을 신뢰하고 정규회된 사회조사분석을 신뢰한다.
이런 정보들은 편향되어있고 거짓되어있을 수 있다. 저자는 고전분석 보다는 모든 책들을 통한 텍스트마이닝을 사회조사분석보다는 구글트렌드분석이 더 신뢰감있다고 본다. 이러한 그의 분석은 오바마와 트럼프의 선거분석을 구글트렌드를 통해 수행했고 어느정도 성공적 결과를 이루었다.

2. 상관성을 넘는 인과성을 측정하기 쉽다.

자연과학 실험과 달리 인간연구는 실험에 적합하지 못하다. 각종 통제변인을 조절하기 힘들기 때문이다. 단순한 상관관계를 넘서서는 인과관계를 만들기 위해서는 임의화된 실험을 통한 표본수집이 필요하다.

사회과학 실험에서 임의화된 표본을 모으는것은 윤리적 경제적으로 어렵다. 그러나 인터넷을 통한 실험에서는 이 두가지 문제점을 극복할수 있다.

윤리문제에 대해서는 기존의 텍스트를 분석하면 된다. 비윤리적 질문은 수행되지 않고 추출된다. 구글 단어검색을 통한 실험은 비윤리적 결과를 도출하지만 이는 사람들의 검색을 추출한 결과에 불과하다.

경제적 문제에 대해서는 대규모의 실험을 ab테스트를 통해 이루어낼 수 있다. 통제집단을 분류하고 임의화된 실험을 하는 과정이 컴퓨터과학을 통해서는 기존보다 훨씬 엄밀하고 빠르게 이루어질 수 있다. 현재 온라인 커뮤니티나 게임등은 수없이 많은 ab테스트를 통해 만들어졌고 이 테스트를 통해 소비자들의 선호는 과학적으로 측정된다. 그 결과로는 오늘날 수많은 온라인 중독자들을 낳았고 이 중독성은 마약에 뒤지지 않는다. 중독을 이끄는 가장 효율적인 방법은 ab테스트를 통해 밝혀진다.

3. 범용적인 보편지식으로 기능할수 있다.

구글데이터를 통한 분석은 인과관계를 보장한다. 그리고 그 범위는 정치 의료 경제등 모든 분야를 포괄한다. 임의적인 ab테스트는 행동의 원인과 효율적 결과를 담보한다. 정치적으로는 표면적인 PC와는 달리 인간본성의 차별의식이 내재되어있고 이는 선거결과의 현실에 여론조사보다 효율적으로 예측할수 있다. 구글 트렌드의 각종 약 검색결과는 전염병의 발병과 중병의 예측에 대해 기존 의사보다 더 정확하게 예측할수 있다. 경제적 지식보다 알고리즘이 더 효율적 이익을 낸다.

컴퓨터를 통한 데이터분석은 기술적인 영역이고 컴퓨터과학자의 영역이다. 주식을 예측하는것도 의료정보를 제공하는것도 각 분야의 전문가보다 컴퓨터과학자들이 더 정확하게 한다는 것이다.

물론 이런 결과가 모든분야의 무용성을 말하지는 않는다. 모든 분야에는 그 나름의 맥락이 있고 이를 무시한 알고리즘의 적용은 터무니없는 결과를 내기도한다. 따라서 빅데이터 만큼이나 세부사항을 보는 스몰데이터는 여전히 중요하고 각분야와의 협업은 여전히 필요하다.