삶을 관통하는 (지속가능한)강점

Jospeh Campbell은 미국의 신화학자이다. 대표적인 저서로는 "천의 얼굴을 가진 영웅"  등 신화에 관한 책이 있다. 책의 내용에 따르면 우리가 알고 있는 신화는 대부분 공통적인 스토리를 따르고 있다고 주장한다.

그리고 그 스토리에는 기구한 인생 스토리와 역경, 그리고 그 역경을 주위의 도움과 자신의 노력을 포함하고 있다. 이 스토리는 영웅에게만 적용되는 것이 아니기 때문에, 개인적으로 개인의 삶에 투영해나가면서 역경을 해석하면서 삶을 헤쳐나가고 있다.

이 때 내가 사용하는 무기는 강점이다. 사회에 처음 나올 때까지만 해도 잘하는 것을 설명하라고 하면 어떤 것을 말해야 할지 항상 고민되었다. 분명 잘하는 일, 하고싶은 일, 그리고 해야하는 일의 교집합을 찾으면 최적의 만족도를 가지고 자아실현으로서 업을 활용할 수 있는데 어떤 것이 내가 잘하는 것일까? 항상 내내 고민이었다.

그러던 차에 "강점혁명"이라는 책이었다. 저자는 이 책에서 강점을 여러 번 반복하더라도 만족해하며, 성공적으로 수행할 수 있는 행위라고 언급한다. 나는 이 측면에서 내 강점을 탐색하기 시작하였고, 최근에 느꼈다. 바로 이야기를 하는 것, 즉 스토리 텔링이었다.  

선천적이라기보다는 후천적으로 생긴 강점이었다. 어렸을 때 책을 좋아하되, 다량으로 단시간내 읽기 위해 책의 전체 흐름을 훑는 노력을 하는 것부터 시작해서 지금 돌아켜보니 삶에서 모든 의사결정의 이면에서 이 강점이 있던 것 같다.

그렇게 삶 전체에 걸쳐 회고까지 해보니 이 강점에 대해 확신을 가지게 되었다. 그리고 이 강점을 바탕으로 다음 커리어나, 지금 내가 잘할 수 있는 것을 그리는데 자신감을 갖기 시작하였던 것같다.

이제 나는 이러한 내용을 바탕으로 주위 사람에게 조언을 하곤 한다. 특히나 강점을 어떻게 정의하고, 살아온 궤적을 연결할지를 설명해주려고 주력한다. 자연스럽게 만족도를 느끼고, 삶의 강점은 더욱 더 뚜렷해지는 것같다.

어느 순간에 가서 스토리 텔링을 더 쪼개 정말 Atomic Strength를 찾을지도 모르겠지만,  적어도 삶 속에서 지속가능한 강점을 찾게 된 것같아, 꽤나 재미난 나날을 보내고 있는 11월의 저녁이었다.

Read more

OLS 기반 인과추론 시 오차항 관련 체크 필요 가정

OLS 기반 인과추론 시 오차항 관련 체크 필요 가정

배경 * 아래 글을 DANBI에서 보다가 더 알아보게 되었습니다. OLS를 떠받치는 몇 개의 기둥이 있는데 그중 실용적으로 가장 중요한 것이 일치성(consistency)다. 쉽게 말해서 OLS를 통해 도출된 추정량이 있을 때 샘플사이즈가 커지면서 이 값이 참 값으로 접근한다는 것이다. 일치성이 충족되면 우리는 적당하게 큰 표본에 대해서 추정치가 좋은 속성을 지니고 있다고

인공지능이 문제가 아니라 결국 사람이 문제가 될 것입니다.

인공지능이 문제가 아니라 결국 사람이 문제가 될 것입니다.

사람들이 AI가 필요하다고 생각하는 시점 저 판사를 얼른 AI로 교체해야 한다. 유튜브에서 뉴스를 보다 보면 정말 많이 보이는 덧글입니다. 이러한 내용의 덧글이 달릴 때마다, 정말 많은 사람들이 공감을 표하곤 합니다. 왜 이렇게 사람들은 이러한 주장에 공감을 표하는 것일까? AI는 시킨대로 하기 때문에 공정하다는 인식 여러 이유가 있겠지만, 사람들은 아마 AI가

BG/NBD 모델은 고객 생애가치를 추정하는데 사용되는 확률 모델입니다.

BG/NBD 모델은 고객 생애가치를 추정하는데 사용되는 확률 모델입니다.

1. BG/NBD 모델이란? * BG/NBD(Beta-Geometric/Negative Binomial Distribution) 모델은 **고객의 생애 가치(Customer Lifetime Value, CLV)**를 추정하는 데 사용되는 확률적 모델입니다. * 특히 고객이 반복 구매를 할지, 아니면 더 이상 활동하지 않을지를 추정하는 데 유용합니다. 이 모델은 고객의 구매 행태를 두 가지 중요한 개념으로 나눕니다: * 고객은 활성(active)

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성(Multi Collinearity) * **Multi-Collinearity(다중공선성)**는 독립 변수들 간의 강한 상관관계가 존재할 때 발생합니다. 즉, 한 독립 변수가 다른 독립 변수에 의해 설명될 수 있을 정도로 상관관계가 높은 상황을 의미합니다. * 이 문제는 주로 회귀 분석에서 나타나며, 변수들 간의 관계를 해석하는 데 있어 큰 장애물이 될 수 있습니다. * 일반적인 회귀식을 $Y=