신간소개 2020. 9. 7. 18:06

 

  ● 저자: 아다치 하루카

  ● 역자: 김태현

  ● 감수: 조휘용

  ● 페이지: 324

  ● 판형: 사륙배판형(188*257)

  ● 도수: 2도

  ● 정가: 25,000원

  ● 발행일: 2020년 9월 21일

  ● ISBN: 978-89-97924-74-5 93000

 

[예제 소스 다운로드] [오탈자 사이트]

 

[강컴] [교보] [반디] [알라딘] [예스24] [인터파크]

[샘플원고]

sample_machindata.pdf
1.64MB

_도서 내용

이 책은 인공지능이 올바른 데이터를 입력 받아 의미 있는 결과를 도출하는 과정에서 필수적으로 거쳐야 할 데이터 전처리에 관한 입문서이다. 정형 데이터뿐만 아니라 이미지, 텍스트 데이터와 같은 비정형 데이터를 다루는 방법을 제공한다. 데이터를 처리하고 분석하기 위해 가장 많이 사용되는 파이썬 언어를 사용하고, NumPy, Pandas 등 라이브러리를 통해 어떠한 방법으로 데이터를 시각화하고, 의미를 도출할 수 있는지를 자세하게 배울 수 있다. 실습 위주의 책이며, 파이썬을 조금만 알아도 누구나 쉽게 따라해보면서 데이터 전처리에 대한 개념과 방법 등의 기초지식을 충분히 습득할 수 있다. 이것을 기초로 스스로 데이터 전처리 전문가가 되는 길을 찾을 수 있을 것이다.

 

_대상 독자

머신러닝이나 딥러닝을 학습하고 실무에서 모델을 작성해보고자 하는 입문자

인공지능 개발자가 되기 위해 고군분투 중인 취준생 개발자

 

_목차

 

지은이의 글

옮긴이의 글

감수자의 글

다운로드 및 개발환경 안내

일러두기

 

1장 데이터 분석, 활용을 시작하기 전에

1 데이터 기반 시대로

2 데이터 분석 프로젝트에 필요한 요소

3 데이터 분석 인재에게 필요한 스킬

컬럼 | 보충지식 1 BI로 무엇을 할 수 있나?

컬럼 | 보충지식 2 데이터처리가 빠른 툴은?

 

2장 데이터 분석의 프로세스와 환경

1 들어가며

2 비즈니스 이해

3 데이터 이해

4 데이터 준비

5 모델 작성

6 평가

7 배포/공유

8 데이터 분석 환경의 선택

9 주피터 노트북 사용 방법

 

3장 정형 데이터의 전처리 (1)

1 데이터 이해

2 데이터 준비

3 모델 작성

4 다시 데이터 준비로

5 다시 한번 모델 작성으로

컬럼 | 보충지식 1 데이터 결합

컬럼 | 보충지식 2 오버 샘플링

컬럼 | 보충지식 3 분할의 순도

[함께 해봐요 3-1] Pandas를 사용한 파일 업로드

[함께 해봐요 3-2] 데이터의 행수와 열수 확인

[함께 해봐요 3-3] 데이터형 확인

[함께 해봐요 3-4] 결손값의 포함 유무 확인

[함께 해봐요 3-5] 결손값의 개수 파악

[함께 해봐요 3-6] 데이터형이 수치인 항목의 통계량 계산

[함께 해봐요 3-7] age의 히스토그램 작성

[함께 해봐요 3-8] age balance 산포도 작성과 항목 관련성 확인

[함께 해봐요 3-9] 문자열 항목 중 job의 원 그래프 작성 (1)

[함께 해봐요 3-10] 문자열 항목 중 job의 원 그래프 작성 (2)

[함께 해봐요 3-11] y의 원 그래프 작성 및 데이터 분포 확인

[함께 해봐요 3-12] 목적변수 y에 대한 데이터 분포 확인

[함께 해봐요 3-13] 전처리를 위한 코드 입력

[함께 해봐요 3-14] 각 항목의 데이터형 재확인

[함께 해봐요 3-15] 결손값 제외

[함께 해봐요 3-16] 결손값 보완

[함께 해봐요 3-17] 특이값(이상치) 제외

[함께 해봐요 3-18] 값 두 개를 가지는 데이터 변환

[함께 해봐요 3-19] 다수의 값을 가지는 데이터 변환

[함께 해봐요 3-20] 분석 데이터 세트로 완성

[함께 해봐요 3-21] 더미 변수화한 데이터 결합

[함께 해봐요 3-22] CSV 파일로 결과 출력

[함께 해봐요 3-23] Pandas를 사용한 결합의 이미지 표현

[함께 해봐요 3-24] 데이터를 로드하는 코드 작성

[함께 해봐요 3-25] imbalanced-learn 패키지 설치 유무 확인

[함께 해봐요 3-26] 주티퍼랩에 설치된 패키지 확인

[함께 해봐요 3-27] imbalanced-learn 패키지 설치

[함께 해봐요 3-28] 불균형 데이터 세트에 대한 언더 샘플링

[함께 해봐요 3-29] 오버 샘플링 구현

[함께 해봐요 3-30] 결정 트리 알고리즘을 사용한 모델 검증

[함께 해봐요 3-31] 재현율과 적합도 확인

[함께 해봐요 3-32] 파라미터와 기본값 확인

[함께 해봐요 3-33] 그리드 서치를 사용한 모델의 성능 개선

더보기

[함께 해봐요 3-34] 가장 높은 성능일 때의 모델에 대한 파라미터 조합 확인

[함께 해봐요 3-35] 모델 완성 및 영향력 높은 변수 확인

[함께 해봐요 3-36] job 통합 및 새로운 특징량 생성

[함께 해봐요 3-37] month 통합 및 새로운 특징량 생성

[함께 해봐요 3-38] day 통합 및 새로운 특징량 생성

[함께 해봐요 3-39] duration 통합 및 새로운 특징량 생성

함께 해봐요 3-40] previous 통합 및 새로운 특징량 생성

[함께 해봐요 3-41] 더미변수를 만들기 위한 목록 삽입

[함께 해봐요 3-42] get_dummies를 사용한 더미변수 생성

[함께 해봐요 3-43] CSV 파일 내용 변경

[함께 해봐요 3-44] feature_selection을 통한 변수 사용 유무 확인

 

4장 정형 데이터의 전처리 (2)

1 고객의 특성 이해

2 고객의 그룹화

3 잠재적인 요구 추출

[함께 해봐요 4-1] 분석 데이터를 읽기 위한 코드 작성

[함께 해봐요 4-2] 각 항목의 데이터형 재확인

[함께 해봐요 4-3] 범위변환 테스트

[함께 해봐요 4-4] Z변환 테스트

[함께 해봐요 4-5] 각 변수의 평균과 표준편차 값 확인

[함께 해봐요 4-6] 계층형 클러스터링을 이용한 그룹 분할

[함께 해봐요 4-7] 고객별 그룹 확인

[함께 해봐요 4-8] k-Means법을 이용한 그룹 분할

[함께 해봐요 4-9] 클러스터 ID별 데이터 분포 확인

[함께 해봐요 4-10] 클러스터 ID별 데이터 세트와의 결합

[함께 해봐요 4-11] 그룹별 데이터 건수 확인

[함께 해봐요 4-12] 각 그룹의 통계량 계산 및 성질 파악

[함께 해봐요 4-13] PCA를 이용한 신규변수 작성

[함께 해봐요 4-14] 목적변수별 분포 확인

[함께 해봐요 4-15] 목적변수별 산포도 확인

 

5장 이미지 데이터의 전처리

1 데이터 이해

2 기계학습을 위한 데이터 준비

3 딥러닝을 위한 데이터 준비

컬럼 | 보충지식 1 중간층의 추출

[함께 해봐요 5-1] OpenCV 설치

[함께 해봐요 5-2] swiss-army-ant.jpg 읽기

[함께 해봐요 5-3] 배열에 저장된 픽셀값 확인

[함께 해봐요 5-4] 배열 크기 확인

[함께 해봐요 5-5] 컬러 이미지의 픽셀값 확인

[함께 해봐요 5-6] 그레이스케일 이미지로 변환

[함께 해봐요 5-7] 그레이스케일 이미지의 픽셀값 확인

[함께 해봐요 5-8] 이진화 이미지로 변환

[함께 해봐요 5-9] 이진화 이미지의 픽셀값 확인

[함께 해봐요 5-10] 데이터 프레임 형식으로 확인하는 픽셀값

[함께 해봐요 5-11] 신규 노트북 작성

[함께 해봐요 5-12] 설명변수와 목적변수의 세트 작성 (1)

[함께 해봐요 5-13] 설명변수와 목적변수의 세트 작성 (2)

[함께 해봐요 5-14] 이진화 이미지의 침식 처리

[함께 해봐요 5-15] 이진화 이미지의 팽창 처리

[함께 해봐요 5-16] 이진화 이미지의 오프닝 처리

[함께 해봐요 5-17] 이진화 이미지의 클로징 처리

[함께 해봐요 5-18] 그레이스케일 이미지의 히스토그램 작성

[함께 해봐요 5-19] 그레이스케일 이미지의 pixels_df에 대한 t-SNE 적용

[함께 해봐요 5-20] 목적변수별 데이터 분포 확인

[함께 해봐요 5-21] 그레이스케일 이미지의 설명변수와 목적변수의 세트 작성

[함께 해봐요 5-22] 데이터 세트의 분할

[함께 해봐요 5-23] 이미지 반전을 통한 이미지 수 증가

[함께 해봐요 5-24] 블러 처리를 통한 이미지 수 증가

[함께 해봐요 5-25] 명도 변경을 통한 이미지 수 증가

[함께 해봐요 5-26] 중간층 추출 (1)

[함께 해봐요 5-27] 중간층 추출 (2)

 

6장 시계열 데이터의 전처리

1 데이터 이해

2 데이터 준비

3 훈련 데이터 작성

[함께 해봐요 6-1] 분석 데이터 세트 로드

[함께 해봐요 6-2] 데이터의 행수와 열수 확인

[함께 해봐요 6-3] 데이터형 확인

[함께 해봐요 6-4] datetime형으로 데이터 변환

[함께 해봐요 6-5] 한 행 전과의 시간차() 계산

[함께 해봐요 6-6] 경과시간() 계산 (1)

[함께 해봐요 6-7] 결손값 개수 확인

[함께 해봐요 6-8] 각 항목의 통계량 계산

[함께 해봐요 6-9] Matplotlib을 사용한 데이터 시각화

[함께 해봐요 6-10] 전처리 대상의 데이터 읽기

[함께 해봐요 6-11] 결손값 표시

[함께 해봐요 6-12] NaN을 통한 결손값 보완

[함께 해봐요 6-13] 전후의 값 평균치로 보완하는 결손값

[함께 해봐요 6-14] 경과시간() 계산 (2)

[함께 해봐요 6-15] 6시간 단위로 만들기 위한 평균치 계산

[함께 해봐요 6-16] 두 개의 데이터 세트 결합

[함께 해봐요 6-17] event.csv 파일 읽기

[함께 해봐요 6-18] 데이터 집약 및 시간 축 작성 (1)

[함께 해봐요 6-19] 데이터 집약 및 시간 축 작성 (2)

[함께 해봐요 6-20] 특징량과 목적변수 결합

[함께 해봐요 6-21] 슬라이드 창을 사용한 특징량 추출

[함께 해봐요 6-22] 기계학습의 알고리즘 형태로 특징량 변형

[함께 해봐요 6-23] 특징량 세트와 목적변수 결합

[함께 해봐요 6-24] 새로운 노트북 작성 및 코드 입력

[함께 해봐요 6-25] 데이터 시각화

[함께 해봐요 6-26] 데이터 분할

[함께 해봐요 6-27] 데이터 정규화

[함께 해봐요 6-28] 훈련 데이터의 부분시계열 작성

[함께 해봐요 6-29] 부분시계열의 파형 거리(유사도) 측정

[함께 해봐요 6-30] 케라스 실행

[함께 해봐요 6-31] 오토 인코더 네트워크 작성

[함께 해봐요 6-32] 학습 조건 설정 및 학습 실행

[함께 해봐요 6-33] 오차의 수렴 상태 확인

[함께 해봐요 6-34] 출력값 추이 비교

[함께 해봐요 6-35] 이상 스코어 계산

 

7장 자연어 데이터의 전처리

1 데이터 이해

2 기계학습을 위한 데이터 준비

3 딥러닝을 위한 데이터 준비

4 주제 추출을 위한 데이터 준비

컬럼 | 보충지식 1 한글 형태소 분석 환경의 설정

컬럼 | 보충지식 2 2-gram 에지 리스트

[함께 해봐요 7-1] 업로드한 기사를 대상으로 하는 형태소 분석

[함께 해봐요 7-2] konlpy 설치 (1)

[함께 해봐요 7-3] Okt를 통한 형태소 분석

[함께 해봐요 7-4] 정규표현식을 사용한 URL 제거

[함께 해봐요 7-5] 명사인 단어 추출

[함께 해봐요 7-6] konlpy 설치 (2)

[함께 해봐요 7-7] 모든 기사에 대한 형태소 분석 작업 진행

[함께 해봐요 7-8] docterm에 저장한 단어 확인

[함께 해봐요 7-9] 첫 번째 기사의 단어 추출

[함께 해봐요 7-10] label에 저장된 기사 인덱스 확인

[함께 해봐요 7-11] 단어 문서 행렬 작성

[함께 해봐요 7-12] 작성한 단어 문서 행렬의 크기 확인

[함께 해봐요 7-13] 고빈도어와 저빈도어 삭제

[함께 해봐요 7-14] TF-IDF치를 계산한 단어 문서 행렬 작성

[함께 해봐요 7-15] 단어 문서 행렬의 크기 확인

[함께 해봐요 7-16] konlpy 설치 (3)

[함께 해봐요 7-17] 전체 기사에 대한 처리 실행

[함께 해봐요 7-18] 작성한 데이터 세트 크기와 값 확인

[함께 해봐요 7-19] 내림순으로 단어 정렬

[함께 해봐요 7-20] 일련번호를 부여한 사전 작성

[함께 해봐요 7-21] 리스트 길이 정리

[함께 해봐요 7-22] 부족한 패키지 설치

[함께 해봐요 7-23] 부족한 패키지 실행 (1)

[함께 해봐요 7-24] 부족한 패키지 실행 (2)

[함께 해봐요 7-25] 단어 문서 행렬과 label열 결합

[함께 해봐요 7-26] label 0인 문서의 유사도 계산

[함께 해봐요 7-27] 행렬 형식에서 리스트 형식으로 변환

[함께 해봐요 7-28] 동시 출현어 에지 리스트 작성

[함께 해봐요 7-29] 문장에서 2-gram 모델 작성

[함께 해봐요 7-30] 기사 데이터에서 2-gram 모델 작성

[함께 해봐요 7-31] 단어에 ID 부여 (1)

[함께 해봐요 7-32] 단어에 ID 부여 (2)

[함께 해봐요 7-33] 띄어쓰기한 단어에 ID 부여

[함께 해봐요 7-34] 2-gram 모델 작성

[함께 해봐요 7-35] 리스트 bigram에 저장

 

부록

1 주피터랩 로컬 환경 구축

2 이미지 인식 모델 작성

3 기사 분류 모델 작성

4 기사 주제 추출

5 다양한 시각화 툴

[함께 해봐요 A1-1] 주피터랩의 홈 디렉토리 변경

[함께 해봐요 A1-2] 변경 전 소스코드

[함께 해봐요 A1-3] 변경 후 소스코드

[함께 해봐요 A2-1] 학습에 사용하는 네트워크 작성

[함께 해봐요 A2-2] 학습 조건 설정 및 학습 실행

[함께 해봐요 A2-3] 오차 이력 그래프 작성 (1)

[함께 해봐요 A2-4] 정확도 이력 그래프 작성 (1)

[함께 해봐요 A2-5] 학습에 사용하는 네트워크 작성

[함께 해봐요 A2-6] 학습 조건 설정 및 학습 실행

[함께 해봐요 A2-7] 오차 이력 그래프 작성 (2)

[함께 해봐요 A2-8] 정확도 이력 그래프 작성 (2)

[함께 해봐요 A3-1] 명사인 단어만 추출한 데이터 세트 작성

[함께 해봐요 A3-2] [함께 해봐요 7-21] 수정 및 추가 (1)

[함께 해봐요 A3-3] [함께 해봐요 7-21] 수정 및 추가 (2)

[함께 해봐요 A3-4] 학습 조건 설정 및 실행

[함께 해봐요 A3-5] 오차 이력 그래프 작성 (3)

[함께 해봐요 A3-6] 정확도 이력 그래프 작성 (3)

[함께 해봐요 A4-1] 코드 추가 및 실행

[함께 해봐요 A4-2] 네트워크 그래프 작성

[함께 해봐요 A4-3] 작성한 네트워크에 대한 클러스트 계수와 매개 중심성 계산

[함께 해봐요 A4-4] 커뮤니티 추출

[함께 해봐요 A5-1] 워드 클라우드 설치

[함께 해봐요 A5-2] [함께 해봐요 A3-1] 수정 및 실행

[함께 해봐요 A5-3] 5회 이상 출현 단어 추출

 

3_연습문제 해답 289

5_연습문제 해답 298

6_연습문제 해답 306

7_연습문제 해답 313

 

찾아보기

 

_주요 내용

 

“Garbage In, Garbage Out”

전통적인 프로그램처럼 인공지능 또한 데이터가 입력되어 데이터가 출력되는 형태입니다. 프로그램도 데이터를 자료형의 형태로 제대로 입력해주어야 원하는 출력을 얻을 수 있듯이, 인공지능 또한 데이터를 전처리라는 과정을 통해 올바른 형태로 입력해주어야 학습된 결과가 제대로 출력되는 것은 모두 같은 원리입니다. 즉, 올바르지 못한 데이터를 제공한다면, 원하는 결과물을 절대 얻을 수 없습니다. 그만큼 데이터를 어떻게 다루느냐가 매우 중요합니다. 

이 책에서는 다양한 정형 데이터와 비정형 데이터를 대상으로 기본적인 전처리의 노하우를 배우고, 파이썬을 사용해 구현하는 방법을 소개했습니다. 전처리는 과제마다 별도로 설계, 구현해 나가기 때문에, 그 전부를 소개하기는 어렵습니다. 그러나, 이 책에서 설명한 내용은 실무에서도 문제 없이 사용할 수 있습니다.

 

각 장의 연습문제는 반드시 풀어보세요

전처리의 실력을 높이기 위해서는 반복해서 문제를 풀어보는 것이 가장 빠른 지름길입니다. 만약, 잘 안 풀리는 문제가 있어도 끈기 있게 도전해서 풀 수 있도록 학습하시길 바랍니다. 고민하고 고민하며 기어코 해결해내는 것만이 실력을 높이는 왕도입니다.

 

데이터 분석을 주업무로 해나가실 분이라면

머신러닝(딥러닝을 포함해서)의 알고리즘을 사용해 분석 모델을 작성하는 작업은, 현재도 급속하게 자동화가 진행되고 있습니다. 그러나, 모델을 작성하기 위해 투입하는 특징량은, 아직 당분간은 사람의 손을 빌리지 않으면 전처리하기 어려운 상황이 계속될 것 같습니다. 그렇기 때문에, 앞으로 데이터 분석을 주업무로 해 나가실 분들은, 전처리의 실력을 계속 갈고 닦아서 자신의 가치를 높이기를 기원합니다. 그리고 이 책이 거기에 조금이라도 도움이 된다면 행복하겠습니다.

 

 

[주요 특징]

바로바로 실습 가능한 실습문제 160개 수록

스스로 풀어보는 응용문제 35개와 해답 제공

 

저자에게 질문하며 함께 공부하는 백견불여일타 카페 운영 (café.naver.com/codefirst)

 

_저자 소개 

지은이 아다치 하루카

BULB 주식회사 소속의 데이터 과학자이다. SE나 데이터 IT 벤더 데이터 분석 등을 다양하게 경험하였다. 수많은 데이터 분석 프로젝트 외에도 실무자 교육도 틈틈이 병행하고 있으며, 개인 활동으로 기사와 책 쓰기 세미나 강의도 즐긴다. 저서로는 『텐서플로로 시작하는 딥러닝 입문』, 『초보자를 위한 신경망 딥러닝 입문』이 있다. 감수성이 예민한 시기에 고등 전문 학교에서 5 년을 보내버린 탓인지 주변에서 괴짜라는 평가를 받고 있다.

 

옮긴이 김태현

소프트웨어 엔지니어. 번역가.

애플리케이션 프로그래밍으로 시작했지만 일본으로 이주하면서 임베디드 소프트웨어 분야로 전업했다. 현재는 소프트웨어 개발뿐만 아니라 책 번역에도 힘을 쓰고 있다. 로드북에서 『Xcode4로 시작하는 아이폰 프로그래밍』 및 『데이터 시각화 입문』을 번역하였다.

 

감수 조휘용

https://github.com/airplane2230

대학원 진학 전부터 신경망에 관심을 가지고 이를 공부하기 시작했다. 신경망 기술이 많은 사회적 문제를 해결할 수 있다는 매력에 끌려 지금까지 공부하고 있으며, 대학원 과정에서 신경망 기술을 활용하여 수작업을 자동화하는 문제를 다루면서 그 믿음이 굳어졌다. 정보 격차에 관심이 많으며, 이를 해결하기 위해 개인 블로그 운영, 오픈소스 참여 등의 활동을 하고 있다. 로드북에서 『백견불여일타 딥러닝 입문 with 텐서플로우 2.x』를 집필했다.

 

_상세 이미지

 

                                                                                                _

posted by 로드북

댓글을 달아 주세요

자료실 2020. 9. 7. 18:04

Chapter 3, 4, 6, 7, A1-5 입니다.

chap3_4_6_7_A1-5.zip
3.09MB

Chapter 5장 소스입니다.

Chap5_Source.zip
0.45MB

Chapter 5장 data의 bees 폴더입니다.

bees.zip
9.59MB

Chapter 5장 data의 ants 폴더입니다. ants_1과 ants_2 파일을 다운 받아 ants 폴더 하나로 합치기 바랍니다.

ants_1.zip
5.03MB
ants_2.zip
4.98MB

posted by 로드북

댓글을 달아 주세요

신간소개 2017. 7. 6. 12:27


  ● 저자: 마틴 린드스트롬

  ● 역자: 최원식 

  ● 페이지: 360

  ● 판형: 신국판(152*225) 

  ● 도수: 2

  ● 정가: 16,000원

  ● 발행일: 2017년 7월 19일

  ● ISBN: 978-89-97924-36-3 03320



[오탈자사이트 바로가기] 

[강컴] [교보] [반디[알라딘] [예스24] [인터파크]


[샘플원고]

sample_small data.pdf


_도서 내용

tvN <비밀독서단>에 소개되어 널리 알려진 <<누가 내 지갑을 조종하는가>>의 저자 마틴 린드스트롬의 최신작이다. 세계에서 가장 존경받는 최고의 브랜딩 전문가인 그가 이번에는 고객행동에 관한 새로운 접근법을 제시하였다. 고객 속으로 들어가 사소해보이지만 결정적인 통찰을 줄 수 있는 작은 데이터(스몰데이터)에 집중하라는 것이다. 그가 수집한 스몰데이터가 어떻게 해석되어 비즈니스에 결정적 영향을 주었는지 수많은 사례와 실천적 방법에 관한 이야기가 가득하다. 이 책을 통해 고객을 이해하기 위해 소극적 통계 의존자가 아닌 적극적 관찰자로 바뀌길 바란다.

 

_대상 독자

우리가 사용하는 모든 제품이나 서비스의 대상은 결국 고객이다. 고객을 제대로 이해하지 못하고 내놓은 제품과 서비스는 실패할 확률이 높다. 수많은 비즈니스에서 빅데이터라는 이름으로 신속하고 편하게 의사결정이 이루어지고 있다. 그러함에도 실패는 왜 똑같이 반복되는걸까? 그것은 바로 빅데이터가 수집하지 못하는 고객이 만들어내는 은밀한 데이터 조각들이 있기 때문이다. 바로 스몰데이터다. 고객을 조금이라도 더 잘 이해해야 하는 마케터, 브랜딩 전문가, 기획자, UX 디자이너, 그리고 이 땅의 모든 사업가라면 한 번은 읽어야 할 책이다.

 

_목차 

들어가며: 레고는 어떻게 재도약의 기회를 얻었는가 

01_인간의 감춰진 욕망을 탐구하라

-러시아의 냉장고와 사우디 쇼핑몰에서 영감을 얻어 혁신적인 온라인 쇼핑몰을 만들다 

02_잃어버린 동심과 행복을 찾아서

-미국 지역 슈퍼마켓의 미래를 바꾸다 

03_난관을 극복하는 제품 디자인은 무엇일까

-인도의 세대 갈등을 통합하는 시리얼 포장을 새로 만들다 

04_보상 심리를 이용한 다이어트 제품 성공기

-유럽의 패스트푸드, 중동의 영화관, 호텔 수영장에서 얻은 기발한 아이디어 

05_두려움과 결핍을 열망으로 바꾼 제품과 서비스

-계급 사회에서 아이디어를 얻은 브라질 기린 맥주의 화려한 부활

06_온라인과 오프라인 매장은 공존할 수 없을까

-패션 매장의 혁신을 이끌어낸 소녀들의 셀카, 페이스북, 침대에 감춰진 비밀 

07_제품 품질은 사소한 것에서 완성된다

-중국 자동차, 룸바 진공청소기, 펩시의 사운드, 제품의 디테일에 주목하라 

08_고객 만족과 성공적인 비즈니스를 위한 스몰데이터 전략

-숫자만으로 알 수 없는 가장 확실한 단서는 스몰데이터 안에 있다

 

_주요 내용

수백 만 건의 빅데이터도 알아내지 못하는 비밀 

"우리의 비즈니스는 빅데이터만으로는 개선될 수 없다. 마틴이 행한 것처럼 다양한 데이터, 즉 풍부하며 심도 있는 데이터를 연구해야 한다. 그것이 스몰데이터의 형태로 오더라도 말이다. 스몰데이터라면 우리의 비즈니스는 지금보다 한결 더 발전할 것이다.

 _칩 히스(Chip Heath), 『스틱』과 『스위치』 공동저자 

"마틴 린드스트롬은 데이터와 지혜 사이의 이분법을 보여주기 위해 날카롭게 파헤친다. 미국 드라마 <본즈(Bones)> <CSI>를 좋아한다면 분명히 이 책도 마음에 들 것이다."

_파코 언더힐(Paco Underhill),  『쇼핑의 과학』 저자

"지금까지 나온 마틴의 책 중 단연 최고다여러분의 업무에 영향을 미칠 수 있는 직접 실천 가능한 직관적이고 강력한 방법을 알려준다."

_세스 고딘(Seth Godin), 보랏빛 소가 온다』 저자

"이 책에서 분석한 데이터는 작은 스몰데이터일 수도 있지만, 스몰데이터가 인간 행동에 미치는 의미는 상당하기 때문에, 특히 구매 결정을 촉진하는 요소를 더 잘 이해하고자 하는 이들에게는 더욱 중요하다.

_로버트 치알디니(Robert Cialdini), 『설득의 심리학』 저자 

포스트잇, 고프로, 에어비앤비 등 수많은 성공 비즈니스는 바로 우리 주변에서 고객을 직접 만나 관찰하고 심도 있는 대화를 통해 고객의 문제를 파악하고 원인을 찾아 해결한 스몰데이터에서 통찰력을 얻었다.”

_구자룡, 『지금 당장 마케팅 공부하라』 저자 

저자가 제시한 ‘7C 방법론: 수집(Collecting), 단서(Clue), 연결(Connecting), 인과관계(Causation), 상관관계(Correlation), 보상(Compensation), 개념(Concept)’은 실제 마케팅 전략 수립에 유용한 툴이 되리라 확신한다. 스몰데이터와 빅데이터가 합쳐짐으로써 비로소 우리는 소비자를 제대로 이해하게 될 것이다.

_박항기, 메타브랜딩 사장 

빅데이터에는 경쟁자가 있고, 스몰데이터에는 고객이 있다. 매스 트렌드에는 과거와 현재가 있고, 마이크로 트렌드에는 현재와 미래가 있다. 『스몰 데이터』를 통해 과거와 현재의 매몰됨에서 벗어나 미래에 대한 인사이트를 얻자.”

_황일찬, 블랙야크 전략담당임원 

 

넥스트 (Next Big Thing) 발견하기 위한 시대의 셜록 홈즈 마틴 린드스트롬의 위대한 여정 

고객을 움직이는 동력이 무엇인지 찾기 위한 세계적인 선두 기업들의 프로젝트를 진행한 마틴 린드스트롬은 년에 삼백여 일을 낯선 사람들의 집에서 머물면서 그들의 모든 것을 세심하게 관찰함으로써 고객의 숨겨진 욕망을 발견하고, 궁극적으로는 수백만 달러에 달하는 제품이나 브랜드에 대한 실마리를 찾아낸다.

세계 곳곳을 종횡무진하며 경험한 서사를 하나씩 연결해나가는 린드스트롬의 이야기는 진취적인 마케터들은 물론이고 끝없이 변화무쌍한 인간 행동에 호기심을 느끼는 모든 이를 매혹시킬 것이다.

 

책에서 다루는 내용

_열한 독일 소년의 낡은 운동화 켤레는 어떻게 레고 사에 엄청난 사업 전환의 계기가 되었는가

_러시아 가정의 냉장고 자석은 어떻게 미국 슈퍼마켓의 혁신을 이끌어냈는가

_10킬로미터 상공의 노이즈리덕션 이어폰은 어떻게 펩시 사의 트레이드마크 사운드를 만들어냈는가

_로마 사람들이 교회에 내딛는 발걸음은 어떻게 디즈니 테마파크를 회생시켰을까

_오스트리아 소녀 침실에 놓인 테디 베어 인형은 어떻게 20개국 1,000 패션 매장을 혁신시켰는가

_한낱 평범한 팔찌가 어떻게 불과 만에 제니 크레이그 사의 고객 충성도를 159퍼센트나 끌어올렸을까

_자동차 대시보드의 인체공학적 레이아웃은 어떻게 룸바 진공청소기의 디자인을 바꿨나

소비자와 인간 행동에 대해 대단하고 놀라운 진실을 밝히기 위해 작은 단서들을 재구성하는 마틴 린드스트롬의 여정에 동참하세요. 

 

_저자 소개

마틴 린드스트롬(MARTIN LINDSTROM)

마틴 린드스트롬은 세계적으로 가장 존경받는 브랜딩의 권위자이자 브랜드 미래학자이다. 월트디즈니, 펩시, 네슬레, 레고, 레드불 같은 기업들의 고위경영진 고문역을 맡고 있다. 세계적인 베스트셀러인 <<쇼핑학(Buyology)>>을 포함한 여섯 권의 획기적인 도서를 저술했다. 그가 쓴 책들은 현재 40개 언어로 번역되었으며, 70여 개국에 출판되었다. <<오감 브랜딩(BRANDsense)>> <월스트리트저널>로부터 '세계 최고의 마케팅 서적 5권 중 한 권'이라는 극찬을 받았다. <<누가 내 지갑을 조종하는가(Brandwashed)>> tvN <비밀독서단>에 소개되어 한국 독자의 관심을 크게 받은 적도 있다. 린드스트롬은 거의 모든 주요 TV 방송국과 간행물에서 관련 기사가 다뤄졌다. NBC <투데이쇼>에 자주 출연하고 <패스트컴퍼니>에도 기고하며, <타임> 지가 선정한 '세계에서 가장 영향력 있는 인물 100'에도 이름을 올렸다. 2015년에는 3만 명의 마케터가 실시한 단독 조사에서 '전 세계 브랜드 구축 전문가' 1위로 선정됐으며, 씽커스50(Thinkers 50)이 선정한 '세계적인 비즈니스 사상가' 18위에 올랐다.

 

옮긴이 최원식

마켓포럼 대표, 린스타트업코리아 공동대표이다. 경영학을 전공하고 P&G에서 첫 사회생활을 시작했다. 그 후 25년간 글로벌 기업(Adidas, 알리안츠생명)과 국내기업(SK, 매일유업, 차병원그룹)에서 신규사업 및 브랜드마케팅 임원을 지냈다. 신규사업, 신상품 개발, 브랜드, 마케팅, 고객 인사이트, 비즈니스 모델 개발, 그리고 CRM분야의 전문가로서 자리매김하였다. 최근에는 디자인 박사를 취득하여 경영과 디자인을 융합한 린스타트업과 디자인 씽킹 방법으로 기업들의 혁신적인 신규사업 및 신제품 개발에 컨설팅, 워크숍, 강의, 자문을 하고 있다. 또한 국내 린 스타트업 방법을 전파하는 린스타트업코리아 공동 대표로 스타트업 기업들의 신사업과 비즈니스 모델 멘토링을 하고 있다. 2017년에 3대 인명사전인 The Marquis Who’s who에 등재되었다.

저서로는 <<기업을 혁신하는 스타트업 DNA>>, 역서로는 <<오감브랜딩>>, <<브랜드자산경영>>, <<마케팅 바이블>>, <<헬로 스타트업>>, <<스케일링 린>>이 있다.


_상세 이미지

                                                                                               _

posted by 로드북

댓글을 달아 주세요