얼마 전까지 프로그래밍 언어(코딩)는 개발자(developer)에 국한된 전문 분야이며 어떻게 코드가 짜이고 작동되는지에 대한 이해도만 있으면 그것 만으로도 이미 한 발 앞서가고 있다고 생각했었다.
사실 이런 생각은 회피하려는 습관에서 비롯된 무지함이었고 4년 전쯤 얄팍한 계기로 C언어 과외를 받았던 경험이 오히려 나를 자만하게 만들지 않았나 싶다..
우연찮은 기회로 머신러닝(machine learning)이라는 분야에 대해 간접적으로 접할 수 있게 되었고 이런 기술이 실무에서 어떻게 적용이 가능한지에 대한 가능성을 알게 되니 이제는 선택이 아닌 필수라는 생각이 들게 되었고, 너무 다행히 주변에서 도움을 받을 수 있는 여건이 잘 형성되어 있어 어렵지 않게 다시 코딩에 세계로 발을 들일 수 있게 되었다.
아주 천천히 하지만 꾸준히 Python과 machine learning을 학습하고 있다.
Supply Chain Management와 프로그래밍의 집합점
아직 새내기의 관점에서 바라보는 SCM과 프로그래밍의 연관성에 대해서는 많이 추상적인 이야기가 될 테지만 내 career plan에 넣고 계속 수정해 나가면서 살을 붙일 생각으로 정말 단순한 생각에서 비롯된 연관성을 정리해봤다.
1. 업무 자동화 (웹 스크래핑)
supply chain에 영향을 주며 시시때때로 변화하는 경제, 규율, 천재지변등에 대한 정보를 다각화된 시각에서 up-to-date 하게 알고 적용하기 위해 웹 스크래핑은 필수적인 요소인 것 같다. 특히나 나라 간 규율, trade term의 변동에 대한 즉각적인 대응을 위해 항시 눈과 귀를 열고 있어야 하니 대중적인 뉴스, journal 모니터링이 필요하여 가장 기본적인 미디어, 주/월간지 헤딩을 스크래핑하여 매일 아침 한눈에 볼 수 있는 정리, 정제된 정보를 보기 위함이다.
아직 단순한 크롤링밖에 실현하지 못하지만 이미 내가 구상하는 framework를 실행하고 사용하는 고수들이 많음으로 참고해가며 내 입맛에 맞춘 나만의 페이지를 구현 중에 있다
https://realpython.com/beautiful-soup-web-scraper-python/
(참고하는 개발자 사이트)
2. 머신러닝 수요예측
머신러닝 기법이 가장 많이 사용되는 분야는 크게 두 가지로 '예측'과 '추천'이 있다.
SCM에서 가장 core적인 부분이 demand forecasting으로 이미 여러 기법들이 제시, 실행되고 있으나 항시 큰 에러를 내재하고 있어 '정향적 기법'에 의존도가 많이 높다.
이러한 주관성을 배제하기 위한 돌파구를 개인적으로 머신러닝을 통한 수요예측이라 생각하며 사실 이 때문에 프로그래밍을 시작하게 되었다.
이제 막 파이썬에 대한 기본적인 활용을 익힌 상태로 머신러닝 온라인 교육을 이수하고 있는 단계라서 인사이트가 많이 축적되진 못했으나 배우는 과정에서 무한한 응용성에 대한 가능성을 느낀다.
https://www.codecademy.com/learn/paths/machine-learning
(교육기관)
3. 데이터베이스 (sql)
최근 링크드인을 JD를 보고 많이 놀랐던 부분이 큰 기업들의 채용 요구사항에 데이터베이스를 다룰 줄 아는 인력에 대한 수요가 높다는 것이다. 아무래도 방대한 데이터를 다루기 위해서는 더 이상 엑셀과 같은 스프레드시트 프로그램으로는 한계가 있고 응용 가능성에 대해서 생각해보면 데이터베이스 코딩(mysql, oracle 등)은 이젠 필수적인 것 같다.
SCM 이수과정에서 mysql을 포함하고 있어 얕게 배울 수 있는 기회가 있었는데 이후에도 지속적으로 온라인 교육기관을 통해 실용 가능한 수준으로 끌어올리는 노력 중에 있다.
OCA, OCP와 같은 오라클에서 주관하는 데이터베이스 관련 자격증 취득도 고려중에 있다!
https://www.codeit.kr/courses/sql-database-for-developers
4. 데이터 분석 툴 및 그래프 이론 (network x)
파이썬 응용력이 높아지면 그래프를 활용하여 정밀하고 보기 쉬운 분석이 가능하다.
아무리 실무자가 복잡하게 분석하여도 보고받는 입장에서 이해하기 어렵다면 실행력이 떨어지기 마련이고 이와 같은 문제는 분석 툴을 활용해 해소가 될 거라 생각된다.
머신러닝과 더불어 요새 화두에 오르고 있는 예측기법으로 'graph theory'가 있는데 함께 병목 하여 학습하려고 한다 (network x는 파이썬 라이브러리)
https://www.datacamp.com/community/tutorials/networkx-python-graph-tutorialhttps://www.coursera.org/learn/graphs/home/
할게 느므나 많구나...
