데이터과학자들은 일부 인풋에 대한 해답이 어떤 것이어야 하는지, 그리고 결과로 나온 해답이 이런 실측자료에 가까운지 측정하는 방법을 규정한 뒤, 실측자료에 가장 근접하는 알고리즘을 선택한다.

추천 알고리즘 작업은 내게 무엇보다 한 가지를 보여주었다.

어떤 것이 옳은 대답인지 정해주는 실측자료가 없고, 알고리즘의 결과가 '어느 정도' 이성적으로 보이는 한, 우리 인간들은 그 결과를 설명하는 이야기를 지어낼 수 있다는 것이다.

지금 우리는 데이터의 시대에 살고 있습니다.

어디서 무엇을 하는지, 먹는지...개인의 거의 모든 정보를 파악할 수 있습니다.

이는 개인의 프라이버시 침해와 편의, 양날의 검과 같습니다.

이런 데이터를 통해 추측한 결과는 모두 옳을까요?

그렇지 않습니다.

진정으로 데이터 속에 숨겨져 있는 고객의 니즈를 찾아내는 방법도 있지만, 반대로 '이럴 것이다'라고 가정한 후 데이터를 찾는 경우도 왕왕 있습니다.

이럴 경우, 데이터는 단지 추측에 대한 합리적인 근거에 불과할 뿐입니다.

지금 보고 있는 것들이 진실인지, 그렇지 않은지 다시 한번 확인할 필요가 있습니다.

많은 설문조사에 대한 결과를 보면서 문득 든 생각이였습니다.