미국 공영 라디오방송 (NPR: National Public Radio) 에는 '’The Bonobo and the Atheist: In Search of Humanism Between the Primates’를 출판한 영장류학자이자 생물학자인 Frans de Waal이 진행하는 심층적 데이터의 가치에 대해 이야기하는 부분이 있다. 그는 실험을 통해 공정성, 즉 도덕성의 기초가 인간의 것만이 아니라는 이론을 뒷받침하는 증거를 제공했다. 이 과정에서 프란스는 심층적 데이터의 필요성에 대해 이렇게 말한다. '사람들에게 수치나 그래프같은 데이터를 보여주면 사람들은 받아들이기는 하지만 실제로 확신하지 못한다. 때문에 나는 비디오를 직접 보여주는데, 비디오에서 보여지는 감정적반응과 거기에 들어가는 감정의 양을 보여주면 사람들은 확신하기 때문이다.’ 이 사례가 말하듯, 때로 정량적 데이터만으로는 설득력 있는 주장을 하지 못할 수도 있다. 과학자들 역시 그들의 주장을 밝히기 위해 때로 심층적 데이터가 녹아있는 스토리를 보여줄 필요가 한다.

빅 데이터만 분리해서 사용하는 것은 문제가 될 수 있지만, 빅 데이터와 심층적 데이터가 서로 보완할 수 있는 방법을 계속 모색하는 것은 매우 중요하다. 이것은 정성적 데이터를 다루는 디자이너나, 연구자들이 빅데이터의 정량적 결과의 맥락에서 그들의 역할과 작업을 포지셔닝할 수 있는 좋은 기회다. 혁신, 서비스 디자인 기업인 클라로 파트너스(Claro Partners)와 같은 회사들은 심지어 우리가 빅데이터에 대해 질문하는 방식을 다시 재구성하고 있다. 개인 데이터 경제 (Personal Data Economy) 연구에서 클라로 파트너스는 ‘빅 데이터가 인간의 행동에 대해 무엇을 알려주는가 (what Big Data tells us about human behavior)’가 아닌, ‘일상생활에서 빅데이터의 역할에 대해 인간의 행동이 무엇을 말해주는가 (what human behavior tells us about the role of Big Data in everyday life)’에 대해 물었다. 그들은 "데이터 중심의 관점에서 인간 중심의 관점"으로 전환하는 데 도움이 되는 클라이언트용 툴킷을 개발했다.

'사람들에게 수치나 그래프같은 데이터를 보여주면 사람들은 받아들이기는 하지만 실제로 확신하지 못한다. 때문에 나는 비디오를 직접 보여주는데, 비디오에서 보여지는 감정적반응과 거기에 들어가는 감정의 양을 보여주면 사람들은 확신하기 때문이다.’

Bigdata with thick data ⓒTraciawang

아래는 빅데이터와 심층적 데이터가 협업할 수 있는 몇 가지 영역이다.

1. 건강 관리 — 개인들이 자신의 건강을 감시할 수 있는 권한이 더 많아짐에 따라, Quantified Self 가치들이 주류를 이루고 있다. 의료 서비스 제공자들은 집단적으로 수집되고 익명으로 처리된 데이터에 대한 접근이 증가될 것이다. ‘Asthma File’와 같은 프로젝트는 글로벌 건강 문제를 해결하기 위한 두 데이터 간의 파트너십을 기대할 수 있다.

2. 익명화된 데이터 용도 변경 — 전 세계 통신사들이 고객 데이터를 재포장하고 판매하고 있다. 이러한 익명화된 데이터의 수요는 무궁무진한데, 일반 기업의 마케터뿐만이 아니라, 교통의 흐름을 이해하기 위해 개선된 위치 기반 데이터를 원하는 도시 계획자들도 여기에 포함되어있다.데이터의 익명 처리는 사용자 프라이버시를 보호하기 위해 중요하지만, 특정 개인 정보가 빠진 경우, 데이터는 핵심 상황별 정보를 상실하고 의미를 해석하기 어려워진다. 심층적 데이터가 빠진 빅 데이터로는 개인 및 사회적 맥락을 이해하기 어려울 것이다.

3. 소셜 네트워크 분석 — 소셜 미디어는 소셜 네트워크 분석을 풍부하게 할 수 있는 수많은 데이터를 생산한다. 힐러리 메이슨 (Hilary Mason), 길라드 로탄 (Gilad Lotan), 던컨 왓츠 (Duncan Watts), 그리고 이단 주커먼(Ethan Zuckerman)과 같은 연구 과학자들은 소셜 네트워크에 정보가 어떻게 퍼지는지를 탐구하고 있으며 동시에, 심층적 데이터 방법을 통해서만 답할 수 있는 더 많은 질문들을 만들어 내고 있다.

다음달의 아티클에서 기업이 전략적으로 데이터를 사용할 수 있는 방법이나, 우리가 고민해야하는 새로운 질문들에 대해 공유될 예정이다.

Reference: Wang, T. (2016) Why Big Data Needs Thick Data. Available at: https://medium.com/ethnography-matters/why-big-data-needs-thick-data-b4b3e75e3d7