neozest : neo+zest

시각화/대시보드는 관심을 가지고 지켜보는 분야 중의 하나인데, 최근 인사이트에서 <Visualize This> 2판을 번역한 <데이터 리터러시를 높이는 데이터 시각화>책이 출간되어 주말을 이용해서 읽었다. 제목에서 알 수 있듯이 시각화하는 방법(코드부터 각종 도구 사용법까지)을 소개한다. 예전에 책만 출판사에서 출간된 <데이터 시각화 교과서>로 스터디 모임을 진행했는데, 그 책에는 코드가 제공되지 않아서 열심히 파이썬과 씨본으로 직접 책의 내용을 시각화해 보았다. 

책은 각종 데이터를 다루는 방법부터 시간, 범주, 관계, 공간을 중심으로 시각화하는 방법과 고려사항을 하나씩 설명한다. R이나 파이썬 때로는 어도비 도구를 사용하여 최종 시각화 화면을 만드는 과정, 그 속에서 고민해야할 지점들을 소개한다.

책을 읽으면서 무엇보다도 저자가 시각화를 바라보는 관점이 좋았다. 그중 마음에 드는 몇 구절을 소개해 보자면 다음과 같다.

• 우리는 데이터를 통해 인사이트를 얻을 수 있고, 인사이트와 맥락이 결합하면 이야기가 만들어진다. 이런 데이터를 통한 이야기가 사람들이 업무와 일상생활에서 정보에 기반하여 더 나은 결정을 내리는데 도움을 준다.(4쪽)
• 데이터들은 서로 관계 맺고 상호 작용한다. 그걸 찾아내는 건 당신의 몫이다.(8쪽)
• 데이터를 분석하고 시각화에 초점을 맞추는 가장 좋은 방법은 질문을 던지는 것이다. 이런 질문과 답변으로 품질을 검증하고, 데이터의 의미를 탐색하고, 통찰력을 전달한다.(9쪽)
• 결국 전하고 싶은 이야기는 데이터 자체가 아니라 그 데이터가 무엇을 나타내는지에 관한 것이다.
• 시각화 과정은 데이터를 재료로 더 복잡한 무언가의 추상적인 모습을 만드는 것이다. 데이터는 보통 단순화된 것이지만, 상황을 측정하는 최선의 방법이다. 그래서 이를 분석하고 탐색한다. 데이터로 이야기를 전할 때, 분석과정에서 발견한 것을 강조해 다른 이들이 추상적인 것을 현실과 연결하도록 돕는다.(340쪽)
• 시각화를 배울 때는 제약과 규칙을 중심으로 배우는 게 일반적이다. 마치 올바른 차트를 만들려면 기능성을 제한해야 하는 것처럼 보인다. 처음 시작할 때는 이런 접근이 중요하다. 글쓰기를 배우는 것과 같은 이치다. 맞춤법을 익히고 문장 부호의 쓰임을 알고 문장 구조를 배우고, 생각을 문단과 절로 나누는 법을 먼저 배운다....... 기초를 다지고 나면 그때부터 진짜 재미가 시작된다. (344쪽~345쪽)

앞에서 소개한 <데이터 시각화 교과서>나 인사이트에서 출간되었던  전작 <월스트리트 저널 인포그래픽 가이드>를 읽어보았다면 수월하게 읽을 수 있는 내용이다. 살짝 아쉬운 점은 R을 주로 다룬다는 점인데, 우리나라에서는 R의 사용자층이 넓지 않아서, 원서가 파이썬이었으면 더 좋지 않았을까 하는 생각이 들었다.

책의 내용이 정적인 시각화에 중점을 두고 있는데, 이는 인쇄 매체나 정적인 웹 페이지를 대상으로 하기 때문일 것이다. 우리가 데이터를 분석하고 그 통찰력을 전달하는 매개체가 동적인 웹으로 이동하고 있으므로, 그에 대한 시각화 방법론을 보충해 주면 좋겠다는 생각이 들었다. 3판이 나올때 쯤에는 그러한 내용이 추가되지 않을까 기대해 본다.

최근 읽은 MCP에 대한 책 한권을 소개해 봅니다. 사실 길벗에서 출간된 <나만의 MCP 만들기 with 커서> 책을 먼저 읽었는데, 책을 회사에 두다보니 제이펍에서 출간된 <MCP로 똑똑하게 일하는 법>을 먼저 정리하게 되었습니다. 두 책은 MCP를 다루고 있지만 대상 독자층이 다릅니다. 길벗책은 개발자를 위한 MCP 기술 입문서인 반면 제이펍 책은 비개발자를 위한 MCP  활용입문서라 생각됩니다.

앞에서 말한 것처럼 이 책은 개발자가 아닌 일반 AI 사용자가 MCP라는 것을 이해하고 활용하기 위한 책이라 생각됩니다. 개발자가 읽기에는 조금 심심합니다. 개발자인 저는 MCP를 LLM AI에게 능력(capability)을 확장하는 표준 프로토콜로 이해하고 있습니다. 대규모의 데이터를 학습한 AI가 자신의 데이터를 분석하여 자신의 행동 결과를 개선하여 객관적이고 최적화된 의사결정을 내림으로써 불확실하고 복잡한 실제 문제를 해결하는 것이 MCP의 핵심 과업이라 생각합니다.. 

이 책은 MCP 자체 보다는 MCP를 활용하여 일하는 법을 다루는 책이고, 일을 잘하기 위하여 나는 MCP를 어떻게 활용할 수 있는지를 소개합니다. 실제로 3장의 MCP활용 가이드를 보면 MCP Host에  설정하여 사용할 수 있는 Google Map MCP, Slack MCP, Sequential thinking MCP와 같은 서비스를 소개하고, 4장은 회의록 관리, 데이터 분석, 정보 검색, 전략 설계에 MCP를 결합하여 사용하는 비즈니스 문제를 해결하는 사례를 보여줍니다.

책을 읽는 도중에  Agent라는 용어에 대한 궁금점이 생겼었습니다. 활용사례를 보면 지극히 개인화된 비서 역할이 더 맞는 것 같은데, Agent라는 이름을 왜 붙였을까? 곰곰히 생각해 보면  지시를 받아 수행하는 비서에 비해 좀 더 높은 자율성과 학습성을 가지고 능동적으로 동작하기 때문이 아닐까 하는 생각이 들었습니다.

AI의 개념부터 MCP 활용사례까지 잘 정리해 주는 책이기 때문에, 이른바  AI 리터러시를 갖추고 싶은 사무직 직장인이나 업무 프로세스 DX 를 담당하고 있는 분이라면 한번쯤 읽어볼만합니다.Neo의 평점은 3.5입니다. 

다음은 책을 읽으면서 제 눈길을 끌었던 부분들입니다.

AI의 학습 방법과 형태

* 지도학습: 정답이 분류된 데이터를 통해 입력과 출력사이의 관계를 배우는 방식

* 비지도학습: 정답없이 데이터 자체의 구조와 패턴을 발견하는 방식. 데이터의 내재된 특성을 파악

* 강화학습: 시행착오를 통한 학습. 행동을 취한 후 그 결과에 따라 환경으로 부터 보상이나 벌점을 받으며 학습하는 방식

전통적 컴퓨터 시스템은 정확학 규칙과 알고리즘을 통해 계산과 데이터 처리 수행에 탁월. 

AI시스템은 방대한 데이터를 분석하여 자신의 행동을 개선함으로써 객관적이고 최적화된 의사결정을 내릴 수 있게 됨. // 컴퓨터만 그럴까?

MCP 서버의 구성요소

리소스: AI에게 제공되는 데이터

도구: AI가 실행할 수 있는 기능

프롬프트: 특정 작업을 위한 대화의 시발점

메시지의 맥락이 보존되는 환경에서 팀원들은 더 깊은 이해와 연결성을 바탕으로 협업할 수 있다.

회사에서 회의란 정보 공유 및 의사결정의 핵심 통로

모든 것을 아는 것보다 중요한 것을 아는 것에 집중할 수 있다.

데이터가 의미를 갖기 위해서는 가공되어 정보가 되어야 하고, 그 정보에서 의사결정에 도움이 되는 통찰을 얻어야만 인사이트가 된다.

데이터의 가치는 그것을 분석하고 해석할 수 있는 능력에 달려 있다.

AI와 MCP의 결합은 직장인들에게 전략적 사고의 지평을 넓혀주는 강력한 도구

AI를 단순한 도구가 아닌 전략적 파트너로 바라보는 관점. AI가 제공하는 분석과 제안은 항상 우리의 경험, 직관, 판단력과 결합될 때 최고의 결과를 만들어 낸다.