국내 최고 자본시장 미디어 thebell이 정보서비스의 새 지평을 엽니다.

[VC 투자기업]'IPO 돌입' 인생네컷, 지난해 실적 숨고르기

엘케이벤쳐스는 하나증권을 상장주관사로 선정하고 기업공개(IPO) 준비에 한창이다. 현재 프리IPO 투자 라운드를 진행하고 있다.

3일 벤처캐피탈(VC) 업계에 따르면 엘케이벤쳐스는 지난해 매출 225억원, 영업이익 12억원을 기록했다. 254억원 매출을 올리고 45억원 영업이익을 기록했던 2022년과 비교하면 다소 주춤한 실적이다. 매출액과 영업이익은 각각 11.42%, 73.33% 감소한 수치다.

https://www.thebell.co.kr/free/content/ArticleView.asp?key=202405021639585240102222

엘케이벤쳐스는 하나증권을 상장주관사로 선정하고 기업공개(IPO) 준비에 한창이다. 현재 프리IPO 투자 라운드를 진행하고 있다. 3일 벤처캐피탈(VC) 업계에 따르면 엘케이벤쳐스는 지난해 매출 225억원, 영업이익 12억원을 기록했다. 254억원 매출을 올리고 45억원 영업이익을 기록했던 2022년과 비교하면 다소 주춤한 실적이다. 매출액과 영업이익은 각각 11.42%, 73.33% 감소한 수치다. https://www.thebell.co.kr/free/content/ArticleView.asp?key=202405021639585240102222

더벨뉴스

많은 양의 데이터를 큐로 다뤄야 된다면
빌트인 배열보다는 커스텀 큐를 사용하는 게 성능에 좋습니다!
https://gist.github.com/ChoDragon9/561b5a59d961a31c179c5f836464a5db

많은 양의 데이터를 큐로 다뤄야 된다면 빌트인 배열보다는 커스텀 큐를 사용하는 게 성능에 좋습니다!https://gist.github.com/ChoDragon9/561b5a59d961a31c179c5f836464a5db

[JavaScript] 배열과 커스텀 큐 성능 차이

Jung Blog for Clinical Genomics, Bioinformatics, Information Technologies.

Junghoon Blog

커리어리 친구들, 우정훈님께서 기업은 LLM/생성형 AI의 현재 가능성과 한계를 빠르게 파악하고, ROI가 나오는 영역을 구축하고 성장시키는 것이 중요하다고 말했습니다. 동시에 기술 발전 방향을 주시하며, 투자할 분야와 그렇지 않을 분야를 전략적으로 결정하는 것이 필요하다고 조언을 하셨는데요,

기업은 LLM/genAI을 활용하여 마케팅 컨텐츠 생성, (업무) 정보의 요약과 분류, CS 효율화 등 ROI가 빠르게, 확실하게 증명되고 있는 영역을 실제로 발견하고, 확신/확산해야 합니다. RAG(Retrieval-Augmented Generation) 프로세스, vector search optimization이 표준화되는 것처럼 보이지만, 앞으로 더 큰 컨텍스트 윈도우와 문서 원본 입력이 가능해질 것 또한 염두에 두어야 한다고 정리해 주셨는 데 과연 어떤 내용인지 아래의 내용을 살펴봐 주세요!!

https://geference.blogspot.com/

커리어리 친구들, 우정훈님께서 기업은 LLM/생성형 AI의 현재 가능성과 한계를 빠르게 파악하고, ROI가 나오는 영역을 구축하고 성장시키는 것이 중요하다고 말했습니다. 동시에 기술 발전 방향을 주시하며, 투자할 분야와 그렇지 않을 분야를 전략적으로 결정하는 것이 필요하다고 조언을 하셨는데요, 기업은 LLM/genAI을 활용하여 마케팅 컨텐츠 생성, (업무) 정보의 요약과 분류, CS 효율화 등 ROI가 빠르게, 확실하게 증명되고 있는 영역을 실제로 발견하고, 확신/확산해야 합니다. RAG(Retrieval-Augmented Generation) 프로세스, vector search optimization이 표준화되는 것처럼 보이지만, 앞으로 더 큰 컨텍스트 윈도우와 문서 원본 입력이 가능해질 것 또한 염두에 두어야 한다고 정리해 주셨는 데 과연 어떤 내용인지 아래의 내용을 살펴봐 주세요!! https://geference.blogspot.com/

geference.blogspot.com

<기업의 생성형 AI/LLM 와 기업의 변화 관리 전략>

이 기사는 2024년 5월 16일 08:47 자본시장 나침반 '시그널(Signal)' 에 표출됐습니다. 국내 사모펀드 운용사 스톤브릿지캐피탈이 활발한 투자로 2호 블라인드 펀드 소진에 속도를 내고 있다. 최근에도 국

유모멘트 인수하는 스톤브릿지, 2호 펀드 소진 '속도'[시그널]

유모멘트는 아펠가모와 더채플, 루벨을 운영하는 웨딩홀 전문 기업이다. 서울에서 아펠가모(5곳), 더채플(2곳), 루벨(1곳) 등 총 8개의 웨딩홀을 운영하고 있다. 코로나19 사태 당시 예식이 줄어들며 고전하기도 했지만 지난해 778억 원의 매출과 43억 원의 영업이익을 기록하며 흑자 전환에 성공했다.

세 개 브랜드 중 가장 규모가 큰 아펠가모는 CJ푸드빌의 웨딩연회사업부에서 운영하던 브랜드였다. 이후 골목상권 침해 논란이 불거지면서 2016년 CJ푸드빌이 UCK에 400억 원에 매각했고 UCK는 더채플 운영사인 유모멘트를 추가로 인수한 뒤 아펠가모와 합병시켰다.

https://n.news.naver.com/article/011/0004341421?sid=101

유모멘트는 아펠가모와 더채플, 루벨을 운영하는 웨딩홀 전문 기업이다. 서울에서 아펠가모(5곳), 더채플(2곳), 루벨(1곳) 등 총 8개의 웨딩홀을 운영하고 있다. 코로나19 사태 당시 예식이 줄어들며 고전하기도 했지만 지난해 778억 원의 매출과 43억 원의 영업이익을 기록하며 흑자 전환에 성공했다. 세 개 브랜드 중 가장 규모가 큰 아펠가모는 CJ푸드빌의 웨딩연회사업부에서 운영하던 브랜드였다. 이후 골목상권 침해 논란이 불거지면서 2016년 CJ푸드빌이 UCK에 400억 원에 매각했고 UCK는 더채플 운영사인 유모멘트를 추가로 인수한 뒤 아펠가모와 합병시켰다. https://n.news.naver.com/article/011/0004341421?sid=101

Naver

 1. 기본기 확실히 하기
 2. 학습 능력 키우기
 3. 의사 소통 잘하기
 4. 문제 정의 잘하기
 5. 태스크 완료 시간 추정 잘하기
 6. 운영을 고려한 코드 작성하기
 7. 서비스 사고 대처 능력 키우기
 8. 결과를 내는데 집중하기
 9. 영향력 갖기 (코딩 멍키)
    
    
개발자로 일을 하다보면 피할 수 없는 것이 서비스와 관련된 사고를 내는 것이다. 보통은 버그로 인해 이런 일이 발생하게 되는데 이는 사실 코드를 많이 작성하는 개발자들에게 더 많이 발생할 수 밖에 없는데 동일한 사고를 안 내겠다는 개인적인 노력과 동일한 문제가 반복되는 것이 아니라면 성장과정으로 보는 조직적인 관점이 중요하다. 이로 인한 트라우마가 생긴다면 개발자의 커리어에는 치명적인 상처가 생길 수 있다.

개인의 성향에 따라서는 내 코드로 인해 서비스 사고가 났을 때 자책을 하다못해 움츠러들 수 있는데 이 경우 코드를 완벽하게 작성해야겠다는 결론에 도달할 수 있다. 이는 개인에게도 스트레스이기도 하고 조직 관점에서도 느린 속도로 이어지기에 개인적으로도 개발자의 커리어에서 사고는 언제 내느냐의 문제라고 바라보면서 사고 발생시 복기하고 어떻게 하면 재발을 막을지 생각해보는 것이 중요하다.

하지만 그 개인이 속한 개발 조직에서 사고의 책임을 100% 개인에게 돌릴다면 개인이 움츠러 드는 것은 어쩔 수 없다. 이는 특히 기술부채를 안고 갈 수 밖에 상황에서는 더 그러하다. 그러기에 개발 조직의 관점에서는 다음을 생각해보는 것이 좋다.

 1. 사고 발생시마다 프로세스를 개선하고 테스트를 추가하는 등의 노력을 병행하는 것이 더 좋다. 사고 마다 레벨을 정해서 심각한 문제들의 경우 사후 부검 프로세스를 통해 이유를 파악하고 재발을 막기 위한 조치들을 취해야 한다.
 2. 또한 사고가 발생했을 때 얼마나 빨리 이를 감지하고 문제해결 프로세스를 시작할지 사고 대처와 관계된 역량을 키우는 것이 중요해진다. 지난 포스팅에서 이야기했던 운영을 고려한 코드를 작성하는 것이 중요해지기 시작하는데 에러 메시지를 이해하기 쉽게 하고 여기저기 로그를 자세히 남기는 것들을 이야기했었다. 어느 정도 규모가 커진 조직이라면 처음에는 백엔드 엔지니어등이 코드 배포와 운영, 모니터링을 담당할 수 있겠지만 별도의 데브옵스 조직이 필요할지 점검해보는 것이 필요할 수도 있다.
 3. 주기적으로 중요 사고에 대한 조치가 취해졌는지 어느 정도로 조치를 취할지 논의할 필요가 있다. 안 그러면 사후부검만 하고 실제 예방 조치는 취해지지 않는 문제가 발생한다. 이는 엔지니어링 리더십의 책임이기도 하다.
 4. 많은 경우 크고 작은 문제들이 고객 리포트로 초기에 발견할 수 있기에 CS팀과의 원활한 커뮤니케이션이 필요할 수 있으며 이 역시 지난 포스팅에서 이야기했었다.
 5. 대부분의 큰 사고는 데이터베이스와 연관된 경우들이 많다. 그래서 데이터베이스의 오래 걸리는 쿼리를 선제적으로 모니터링하고 문제 되는 부분을 찾아 미리 최적화하는 것이 필요하다. 또 하나 해볼 수 있는 것은 중요한 페이지나 중요 API의 실행시간 (latency) 모니터링을 해보는 것이다.
     
온라인 서비스에서 사고는 언제 일어나느냐의 문제지 피해갈 수 있는 문제는 아니다. 사고를 안 내기위해 코드를 완벽하게 작성하려고 하는 것 보다는 문제 감지와 운영이 쉬운 코드를 작성하면서 코드 배포 프로세스와 서비스 모니터링 프로세스를 강화하는 것을 병행하는 것이 더 맞는 방향이다.

<ol ><li>기본기 확실히 하기</li><li>학습 능력 키우기</li><li>의사 소통 잘하기</li><li>문제 정의 잘하기</li><li>태스크 완료 시간 추정 잘하기</li><li>운영을 고려한 코드 작성하기</li><li>서비스 사고 대처 능력 키우기</li><li>결과를 내는데 집중하기</li><li>영향력 갖기 <s>(코딩 멍키)</s> </li></ol>개발자로 일을 하다보면 피할 수 없는 것이 서비스와 관련된 사고를 내는 것이다. 보통은 버그로 인해 이런 일이 발생하게 되는데 이는 사실 코드를 많이 작성하는 개발자들에게 더 많이 발생할 수 밖에 없는데 동일한 사고를 안 내겠다는 개인적인 노력과 동일한 문제가 반복되는 것이 아니라면 성장과정으로 보는 조직적인 관점이 중요하다. 이로 인한 트라우마가 생긴다면 개발자의 커리어에는 치명적인 상처가 생길 수 있다. 개인의 성향에 따라서는 내 코드로 인해 서비스 사고가 났을 때 자책을 하다못해 움츠러들 수 있는데 이 경우 코드를 완벽하게 작성해야겠다는 결론에 도달할 수 있다. 이는 개인에게도 스트레스이기도 하고 조직 관점에서도 느린 속도로 이어지기에 개인적으로도 개발자의 커리어에서 사고는 언제 내느냐의 문제라고 바라보면서 사고 발생시 복기하고 어떻게 하면 재발을 막을지 생각해보는 것이 중요하다. 하지만 그 개인이 속한 개발 조직에서 사고의 책임을 100% 개인에게 돌릴다면 개인이 움츠러 드는 것은 어쩔 수 없다. 이는 특히 기술부채를 안고 갈 수 밖에 상황에서는 더 그러하다. 그러기에 개발 조직의 관점에서는 다음을 생각해보는 것이 좋다. <ol ><li>사고 발생시마다 프로세스를 개선하고 테스트를 추가하는 등의 노력을 병행하는 것이 더 좋다. 사고 마다 레벨을 정해서 심각한 문제들의 경우 사후 부검 프로세스를 통해 이유를 파악하고 재발을 막기 위한 조치들을 취해야 한다.</li><li>또한 사고가 발생했을 때 얼마나 빨리 이를 감지하고 문제해결 프로세스를 시작할지 사고 대처와 관계된 역량을 키우는 것이 중요해진다. 지난 포스팅에서 이야기했던 운영을 고려한 코드를 작성하는 것이 중요해지기 시작하는데 에러 메시지를 이해하기 쉽게 하고 여기저기 로그를 자세히 남기는 것들을 이야기했었다. 어느 정도 규모가 커진 조직이라면 처음에는 백엔드 엔지니어등이 코드 배포와 운영, 모니터링을 담당할 수 있겠지만 별도의 데브옵스 조직이 필요할지 점검해보는 것이 필요할 수도 있다.</li><li>주기적으로 중요 사고에 대한 조치가 취해졌는지 어느 정도로 조치를 취할지 논의할 필요가 있다. 안 그러면 사후부검만 하고 실제 예방 조치는 취해지지 않는 문제가 발생한다. 이는 엔지니어링 리더십의 책임이기도 하다.</li><li>많은 경우 크고 작은 문제들이 고객 리포트로 초기에 발견할 수 있기에 CS팀과의 원활한 커뮤니케이션이 필요할 수 있으며 이 역시 지난 포스팅에서 이야기했었다.</li><li>대부분의 큰 사고는 데이터베이스와 연관된 경우들이 많다. 그래서 데이터베이스의 오래 걸리는 쿼리를 선제적으로 모니터링하고 문제 되는 부분을 찾아 미리 최적화하는 것이 필요하다. 또 하나 해볼 수 있는 것은 중요한 페이지나 중요 API의 실행시간 (latency) 모니터링을 해보는 것이다. &nbsp;</li></ol>온라인 서비스에서 사고는 언제 일어나느냐의 문제지 피해갈 수 있는 문제는 아니다. 사고를 안 내기위해 코드를 완벽하게 작성하려고 하는 것 보다는 문제 감지와 운영이 쉬운 코드를 작성하면서 코드 배포 프로세스와 서비스 모니터링 프로세스를 강화하는 것을 병행하는 것이 더 맞는 방향이다.

좋은 개발자가 알아야하는 9가지 포인트들 - 사고 대처 능력 키우기

항상 잘 읽고 있습니다. 좋은 글 감사합니다

Test UI changes and production fixes with the powerful network response overrides in Chrome DevTools. Mock response headers, files, API requests, and more wi...

Override and mock network responses #DevToolsTips

﻿서버 개발 완료가 늦어져 API의 응답이 원하는 형태로 개발이 안되는 상황이나 API의 응답을 다른 응답으로 변경하여 브라우저에서 확인하고 싶을 경우 해볼만한 방법에 대해 공유 드립니다.

저희 팀 자체 테크 톡에서 나온 내용인데요. 크롬 브라우저에서만 동작한다는 단점(?)이 있지만 응답 결과를 서버에서 다르게 변경하며 봐야할 경우 브라우저 단에서 생각보다 쉽게 변경해볼수 있는 장점이 가장 크다고 느껴졌습니다.

프론트와 백엔드를 막론하고 알고 있으면 언젠가 강력하게 도움이 될 내용으로 생각됩니다.
https://www.youtube.com/watch?v=KxjGYcHZ_uI

﻿서버 개발 완료가 늦어져 API의 응답이 원하는 형태로 개발이 안되는 상황이나 API의 응답을 다른 응답으로 변경하여 브라우저에서 확인하고 싶을 경우 해볼만한 방법에 대해 공유 드립니다. 저희 팀 자체 테크 톡에서 나온 내용인데요. 크롬 브라우저에서만 동작한다는 단점(?)이 있지만 응답 결과를 서버에서 다르게 변경하며 봐야할 경우 브라우저 단에서 생각보다 쉽게 변경해볼수 있는 장점이 가장 크다고 느껴졌습니다. 프론트와 백엔드를 막론하고 알고 있으면 언젠가 강력하게 도움이 될 내용으로 생각됩니다.https://www.youtube.com/watch?v=KxjGYcHZ_uI ﻿

YouTube

API의 응답을 프론트에서 손쉽게 변경하기

볼수없는 영상이라고 뜨네요 ㅠ

01 . "나는 말야. 요즘 사람들하고 얘기할 때 상대방이 '굳이?'라고 이야기하면 그렇게 힘이 빠지더라. 뭔가 아이디어나 의견을 내도 '굳이?', 다른 사람을 좀 설득해 보려고 해도 '굳이?'라고 이야기하면 나더러 어쩌라는 거냐 싶더라고. 다른 유행어들은 이렇게까지 밉진 않았는데 '굳이'는 진짜 말 그대로 굳이 탄생했어야 하는 유행어인가 싶다니까."

02 . 친한 친구의 말에 저도 꽤 많은 부분이 동의가 되었습니다. 예전부터 다른 동료들 역시 '굳이?'라는 표현을 자주 쓰는 사람은 뭔가 무기력해서 싫다는 얘길 했었고 심지어 남자친구가 자꾸 본인 말에 '굳이?'라고 얘기해서 지하철역 한가운데서 대판 싸웠었다는 후배도 있었죠. 그래서 저도 이 단어를 사용할 땐 다른 단어에 비해 비교적 의식을 많이 하며 쓰는 편이기도 합니다. 이미 피로감이 쌓여있는 사람들에게 제가 또 한 번 불씨를 당길 필요는 없으니까요.

03 . 그런데 세대와 성별과 배경과 상황을 막론하고 요즘 우리에겐 다양한 방향으로 이 '굳이?'라는 습성이 발현되는 것 같아요. 특히 며칠 전에는 한 예능 프로그램을 보다가 '이제 우리는 더 이상 현실에 뭔가 직접 발을 담그는 걸 꺼려 하는 세대가 되었다. 시뮬레이션으로 꽤 많은 것들이 가능하니까'라는 이야기를 듣고 나서는 '아, 저게 저렇게 연결이 되나?' 싶은 생각까지도 들었죠.

04 . 이미 여러 매체들에서 언급한 얘기지만 지금의 시대는 내가 나서서 꼭 뭔가를 하지 않아도 많은 것들이 간접 체험될 수 있는 시대입니다. 즉 타인이 만들어놓은 것들을 소비하는 것만으로도 충분히 필요한 욕구를 채우고 살 수 있는 거죠.
유튜브에 올라온 여행 영상 보는 게 취미라면서도 굳이(!) 여행을 떠나지 않는 사람도 많고, 각종 연애 프로그램을 보며 자기 상황에 빙의된 듯 울며 웃는 사람들 역시 굳이(!) 연애는 하지 않는 심리와 비슷합니다. 이른바 타인의 현실(reality)을 가상체험(simulation) 해보며 살아가는 게 더 편한 '리뮬레이션' 세대가 등장한 것은 아닐까 싶은 대목이죠. (그냥 제가 만들어 본 용어입니다... 너무 딥하게 생각하지 마세요...)

05 . 이런 리뮬레이션 세대는 두 가지 큰 특징을 보입니다.
하나는 (당연하게도) 직접적인 것보다 간접적인 것들을 선호한다는 겁니다. 누군가와 커뮤니케이션을 하든 아니면 어떤 감정에 휘말리든 간에 내가 그것을 다이렉트로 마주하기 보다 뭔가 하나 쿠션을 끼고 안전하게 받고 싶은 심리가 깔려있을 수도 있는 것이죠. 특히 리스크가 큰 대상 앞에선 이런 성향이 더 뚜렷하게 드러납니다. 내가 상처받을 가능성이 있거나, 시간적인 소모가 크거나, 투여한 리소스만큼 돌아오는 리턴이 불확실하다면 직접 손을 뻗는 게 망설여질 테니까요.

06 . 다른 하나는 원하는 경험만을 취사선택하고 싶은 심리입니다. 과거에는 뭔가를 선택하면 뭔가를 반납해야 한다는 기조가 강했습니다. 친구를 사귄다는 것은 기쁨을 함께 하는 것이기도 하지만 슬픔을 나누는 것이기도 하고, 운동을 한다는 건 육체적으로 힘든 대신 뿌듯함이라는 보상과 건강이라는 결과물을 얻는 행위인 것처럼요.
하지만 리뮬레이션 세대에게는 그런 일련의 과정을 다 거치기 보다 본인이 원하는 과정에서 원하는 것만을 가려내고 싶은 마음이 큽니다. 때문에 모든 걸 온전하게 누리는 대신 일단 세세하게 분절하거나 빠르게 정리해서 어디에 방점을 찍어야 하는지를 선택하는 게 아주 중요한 가치로 떠오른 것은 아닐까 싶어요. 어쩌면 숏폼이라는 형식도 그에 따른 부산물일 수도 있고 말이죠.

07 . 기성세대가 본다면 '아니 그런 행동은 너무 이기적인 것 아니요?'라고 말할 수도 있겠지만 이게 꼭 젊은 세대의 특징인가 하면 그런 것도 아닙니다. 앞서 설명한 '굳이?'라는 말은 나이 든 분들에게서도 어렵지 않게 들을 수 있고 콘텐츠별 취사선택은 연배가 지긋한 사용자들에게도 발견되는 패턴이니까요. 리뮬레이션이라는 것도 특정 세대에 머무는 개념이라기보다 한 시대를 살아가는 우리 세대의 공통적인 현상이라고 판단하는 것이 맞다고 생각합니다.

08 . 다만 저는 거스를 수 없는 대세일지언정 그래도 이런 현상들을 어느 정도 자각하고 의식하며 살아야 한다는 사실은 부정할 수 없을 것 같아요. 다시 말해 시뮬레이션이 고도로 발달하고 풍부하게 제공된다고 해도 반드시 리얼리티를 경험해야 하는 순간들이 있음을 인정하자는 얘기입니다. 우리 스스로를 더 좋은 사람으로 만드는 것들, 우리 주변의 것들을 더 소중하게 대하게 하는 생각들은 간접 체험과 취사선택만으로는 쉽게 얻어지지 않는 것 같거든요. 어찌 되었건 삶의 진한 엑기스 같은 그런 순간들은 우리의 얄팍한 판단으로 빠르게 예측되기는 힘들다는 게 짧다면 짧고 길다면 길게 살아본 저의 작은 생각입니다.

09 . 돌고 돌아 다시 '굳이?'에 대해 얘기해 보겠습니다. '굳이'라는 말을 사전에서 찾아보면 '단단한 마음으로 굳게'라고 설명하고 있습니다. 그리고 굳이와 뜻을 같이 하는 '구태여'라는 의미 역시 '일부러 애써'라는 의미를 담고 있죠. 정리하자면 '굳이?'라는 의미는 결국 '내가 굳은 마음을 먹고 일부러 애써 할 필요가 있을까?'에 가깝습니다. '굳이'를 영어로 표현하기가 어려운 이유도 바로 여기에 있죠.

10 . 대신 이렇게 생각해 볼 수도 있습니다. '굳이 해야 하나?'라는 질문 대신 '굳이 해야 하는 것들'이란 답으로 접근한다면 시각은 또 좀 달라지거든요. 우리 삶에서 '굳은 마음을 가지고 일부러 애써 해볼 만한 것들'을 추려본다면 그건 말 그대로 '굳이(!)'해야 하는 중요한 것들에 해당함이 분명할 겁니다. 그리고 그건 내 두 눈으로 직접 보고, 내 두 손으로 직접 만지고 싶은 것들이겠죠. 저는 이게 우리의 삶을 시뮬레이션보다 리얼리티에 더 가까이 데려다준다고 봅니다.
그러니 여러분들도 '굳이'라는 단어를 부정적으로만 쓰기보다는 긍정적인 용도로 한 번 사용해 보시면 어떨까요? 그럼 우리들 인생에도 일부러 애써서 하고 싶은 그 무엇인가가 속속 발견될 수도 있으니 말입니다.

01 . "나는 말야. 요즘 사람들하고 얘기할 때 상대방이 '굳이?'라고 이야기하면 그렇게 힘이 빠지더라. 뭔가 아이디어나 의견을 내도 '굳이?', 다른 사람을 좀 설득해 보려고 해도 '굳이?'라고 이야기하면 나더러 어쩌라는 거냐 싶더라고. 다른 유행어들은 이렇게까지 밉진 않았는데 '굳이'는 진짜 말 그대로 굳이 탄생했어야 하는 유행어인가 싶다니까." 02 . 친한 친구의 말에 저도 꽤 많은 부분이 동의가 되었습니다. 예전부터 다른 동료들 역시 '굳이?'라는 표현을 자주 쓰는 사람은 뭔가 무기력해서 싫다는 얘길 했었고 심지어 남자친구가 자꾸 본인 말에 '굳이?'라고 얘기해서 지하철역 한가운데서 대판 싸웠었다는 후배도 있었죠. 그래서 저도 이 단어를 사용할 땐 다른 단어에 비해 비교적 의식을 많이 하며 쓰는 편이기도 합니다. 이미 피로감이 쌓여있는 사람들에게 제가 또 한 번 불씨를 당길 필요는 없으니까요. 03 . 그런데 세대와 성별과 배경과 상황을 막론하고 요즘 우리에겐 다양한 방향으로 이 '굳이?'라는 습성이 발현되는 것 같아요. 특히 며칠 전에는 한 예능 프로그램을 보다가 '이제 우리는 더 이상 현실에 뭔가 직접 발을 담그는 걸 꺼려 하는 세대가 되었다. 시뮬레이션으로 꽤 많은 것들이 가능하니까'라는 이야기를 듣고 나서는 '아, 저게 저렇게 연결이 되나?' 싶은 생각까지도 들었죠. 04 . 이미 여러 매체들에서 언급한 얘기지만 지금의 시대는 내가 나서서 꼭 뭔가를 하지 않아도 많은 것들이 간접 체험될 수 있는 시대입니다. 즉 타인이 만들어놓은 것들을 소비하는 것만으로도 충분히 필요한 욕구를 채우고 살 수 있는 거죠. 유튜브에 올라온 여행 영상 보는 게 취미라면서도 굳이(!) 여행을 떠나지 않는 사람도 많고, 각종 연애 프로그램을 보며 자기 상황에 빙의된 듯 울며 웃는 사람들 역시 굳이(!) 연애는 하지 않는 심리와 비슷합니다. 이른바 타인의 현실(reality)을 가상체험(simulation) 해보며 살아가는 게 더 편한 '리뮬레이션' 세대가 등장한 것은 아닐까 싶은 대목이죠. (그냥 제가 만들어 본 용어입니다... 너무 딥하게 생각하지 마세요...) 05 . 이런 리뮬레이션 세대는 두 가지 큰 특징을 보입니다. 하나는 (당연하게도) 직접적인 것보다 간접적인 것들을 선호한다는 겁니다. 누군가와 커뮤니케이션을 하든 아니면 어떤 감정에 휘말리든 간에 내가 그것을 다이렉트로 마주하기 보다 뭔가 하나 쿠션을 끼고 안전하게 받고 싶은 심리가 깔려있을 수도 있는 것이죠. 특히 리스크가 큰 대상 앞에선 이런 성향이 더 뚜렷하게 드러납니다. 내가 상처받을 가능성이 있거나, 시간적인 소모가 크거나, 투여한 리소스만큼 돌아오는 리턴이 불확실하다면 직접 손을 뻗는 게 망설여질 테니까요. 06 . 다른 하나는 원하는 경험만을 취사선택하고 싶은 심리입니다. 과거에는 뭔가를 선택하면 뭔가를 반납해야 한다는 기조가 강했습니다. 친구를 사귄다는 것은 기쁨을 함께 하는 것이기도 하지만 슬픔을 나누는 것이기도 하고, 운동을 한다는 건 육체적으로 힘든 대신 뿌듯함이라는 보상과 건강이라는 결과물을 얻는 행위인 것처럼요. 하지만 리뮬레이션 세대에게는 그런 일련의 과정을 다 거치기 보다 본인이 원하는 과정에서 원하는 것만을 가려내고 싶은 마음이 큽니다. 때문에 모든 걸 온전하게 누리는 대신 일단 세세하게 분절하거나 빠르게 정리해서 어디에 방점을 찍어야 하는지를 선택하는 게 아주 중요한 가치로 떠오른 것은 아닐까 싶어요. 어쩌면 숏폼이라는 형식도 그에 따른 부산물일 수도 있고 말이죠. 07 . 기성세대가 본다면 '아니 그런 행동은 너무 이기적인 것 아니요?'라고 말할 수도 있겠지만 이게 꼭 젊은 세대의 특징인가 하면 그런 것도 아닙니다. 앞서 설명한 '굳이?'라는 말은 나이 든 분들에게서도 어렵지 않게 들을 수 있고 콘텐츠별 취사선택은 연배가 지긋한 사용자들에게도 발견되는 패턴이니까요. 리뮬레이션이라는 것도 특정 세대에 머무는 개념이라기보다 한 시대를 살아가는 우리 세대의 공통적인 현상이라고 판단하는 것이 맞다고 생각합니다. 08 . 다만 저는 거스를 수 없는 대세일지언정 그래도 이런 현상들을 어느 정도 자각하고 의식하며 살아야 한다는 사실은 부정할 수 없을 것 같아요. 다시 말해 시뮬레이션이 고도로 발달하고 풍부하게 제공된다고 해도 반드시 리얼리티를 경험해야 하는 순간들이 있음을 인정하자는 얘기입니다. 우리 스스로를 더 좋은 사람으로 만드는 것들, 우리 주변의 것들을 더 소중하게 대하게 하는 생각들은 간접 체험과 취사선택만으로는 쉽게 얻어지지 않는 것 같거든요. 어찌 되었건 삶의 진한 엑기스 같은 그런 순간들은 우리의 얄팍한 판단으로 빠르게 예측되기는 힘들다는 게 짧다면 짧고 길다면 길게 살아본 저의 작은 생각입니다. 09 . 돌고 돌아 다시 '굳이?'에 대해 얘기해 보겠습니다. '굳이'라는 말을 사전에서 찾아보면 '단단한 마음으로 굳게'라고 설명하고 있습니다. 그리고 굳이와 뜻을 같이 하는 '구태여'라는 의미 역시 '일부러 애써'라는 의미를 담고 있죠. 정리하자면 '굳이?'라는 의미는 결국 '내가 굳은 마음을 먹고 일부러 애써 할 필요가 있을까?'에 가깝습니다. '굳이'를 영어로 표현하기가 어려운 이유도 바로 여기에 있죠. 10 . 대신 이렇게 생각해 볼 수도 있습니다. '굳이 해야 하나?'라는 질문 대신 '굳이 해야 하는 것들'이란 답으로 접근한다면 시각은 또 좀 달라지거든요. 우리 삶에서 '굳은 마음을 가지고 일부러 애써 해볼 만한 것들'을 추려본다면 그건 말 그대로 '굳이(!)'해야 하는 중요한 것들에 해당함이 분명할 겁니다. 그리고 그건 내 두 눈으로 직접 보고, 내 두 손으로 직접 만지고 싶은 것들이겠죠. 저는 이게 우리의 삶을 시뮬레이션보다 리얼리티에 더 가까이 데려다준다고 봅니다.그러니 여러분들도 '굳이'라는 단어를 부정적으로만 쓰기보다는 긍정적인 용도로 한 번 사용해 보시면 어떨까요? 그럼 우리들 인생에도 일부러 애써서 하고 싶은 그 무엇인가가 속속 발견될 수도 있으니 말입니다.

리뮬레이션(Reality+Simulation)과 '굳이?'의 상관관계

빠르게 진화하는 생성형 AI 환경에서 가속화된 추론 속도에 대한 요구는 여전히 시급한 문제입니다. 모델 크기와 복잡성이 기하급수적으로 증가함에 따라 수많은 사용자에게 동시에 서비스를 제공하기 위해 신속하게 결과를 생성해야 할 필요성이 계속 커지고 있습니다. NVIDIA 플랫폼은 이러한 노력의 최전선에서 칩, 시스템, 소프트웨어, 알고리즘 등 전체 기술...

NVIDIA TensorRT Model Optimizer로 생성형 AI 추론 성능 가속화

커리어리 친구들, 생성형AI 환경에서 추론 속도 성능을 향상하고 싶다면 어떻게 할까요? 하나의 솔루션으로 NVIDIA는 TensorRT Model Optimizer를 추천하고 있습니다. 참고로 NVIDIA TensorRT Model Optimizer는 모델 복잡성을 줄이기 위한 양자화, 희소성이 포함돼 있어 추론 속도를 최적화시킬 수 있다고 합니다. 더 자세한 내용을 알고 싶은 분은 아래의 블로그를 읽어 주세요!!

https://developer.nvidia.com/ko-kr/blog/accelerate-generative-ai-inference-performance-with-nvidia-tensorrt-model-optimizer-now-publicly-available/?=&linkId=100000261372666

커리어리 친구들, 생성형AI 환경에서 추론 속도 성능을 향상하고 싶다면 어떻게 할까요? 하나의 솔루션으로 NVIDIA는 TensorRT Model Optimizer를 추천하고 있습니다. 참고로 NVIDIA TensorRT Model Optimizer는 모델 복잡성을 줄이기 위한 양자화, 희소성이 포함돼 있어 추론 속도를 최적화시킬 수 있다고 합니다. 더 자세한 내용을 알고 싶은 분은 아래의 블로그를 읽어 주세요!! https://developer.nvidia.com/ko-kr/blog/accelerate-generative-ai-inference-performance-with-nvidia-tensorrt-model-optimizer-now-publicly-available/?=&amp;linkId=100000261372666

NVIDIA Technical Blog

<생성형 AI 추론 성능 가속화를 하려면?>

사모펀드(PEF) 운용사 어펄마캐피탈이 '지도표 성경김'으로 잘 알려진 성경식품 매각을 본격화한다. 한국 김과 김밥이 웰빙식으로 인기를 끌며 'K-김'이 불티나게 팔리고 있는 가운데 해외 원매자 관심이 이어질지 주목

'독도' 포장지로 日 수출 막혔던 '성경식품' 새 주인 찾는다 [투자360]

이를 통해 성경식품은 매출 1000억원 고지를 돌파하며 K-김 대표주자로 자리매김했다.

지난해 성경식품의 연결기준 매출은 전년대비 17.8% 증가한 1147억원이다. 연간 100억원대의 안정적인 영업이익 또한 거둬들였다. 지난해 영업이익은 약 107억원, 상각전영업이익(EBITDA)은 약 155억원을 각각 기록했다.

해양수산부에 따르면 올 1~2월 김 수출액은 1억4136만달러로 전년 동기대비 28.1% 증가했다. 특히 조미김이 인기를 끈 대미 김 수출액 증가세(41.6%)와 마른김 수요가 높았던 중국 김 수출액 증가세(42.2%)가 눈길을 끈다.

https://n.news.naver.com/article/016/0002308853?sid=101

이를 통해 성경식품은 매출 1000억원 고지를 돌파하며 K-김 대표주자로 자리매김했다. 지난해 성경식품의 연결기준 매출은 전년대비 17.8% 증가한 1147억원이다. 연간 100억원대의 안정적인 영업이익 또한 거둬들였다. 지난해 영업이익은 약 107억원, 상각전영업이익(EBITDA)은 약 155억원을 각각 기록했다. 해양수산부에 따르면 올 1~2월 김 수출액은 1억4136만달러로 전년 동기대비 28.1% 증가했다. 특히 조미김이 인기를 끈 대미 김 수출액 증가세(41.6%)와 마른김 수요가 높았던 중국 김 수출액 증가세(42.2%)가 눈길을 끈다. https://n.news.naver.com/article/016/0002308853?sid=101

콜드 스타트 저자 이자 A16Z 전파트너, 스타트업계 파워 블로거인 앤드류 챈이 쓴 AI 가 어떻게 마케팅을 바꿀지에 대한 글 입니다....

How AI will reinvent Marketing | Snippod

AI 시대에 마케팅과 세일즈는 융합될 것! by 앤드류 챈
https://www.snippod.com/snip/4iw2ogp831cf

AI 시대에 마케팅과 세일즈는 융합될 것! by 앤드류 챈https://www.snippod.com/snip/4iw2ogp831cf

Snippod

좋은 개발자가 알아야하는 9가지 포인트들 - 사고 대처 능력 키우

여러번의 이직을 거쳐왔지만 직장에서 동료와 직접적으로 문제가 된 적은 거의 없었다. 대부분 어느정도 의견차이가 있다고 하더라도 말도안되는 정도로 벗어나는 경우가 없기 때문에 대화로 의견타협을 할 수 있었다.

현직장에는 문제가 많다. 팀이 생긴지 2년정도밖에 안됐고 그간 거쳐간 리더들이 하나같이 잘못된 리더십을 행사하는 바람에 능력있는 사람들은 이미 다 빠져나갔다. 그러고나니 남아있던 경력만 많은 나르시스트가 감언이설과 장시간의 노동으로 테크리드 자리를 꿰찬듯 하다.

이미 한 번 철옹성을 쌓아올려 기회를 만든 이 나르시스트는 자신의 권위에 도전한다고 판단되는 모든 행위들을 권력으로 찍어누르면서 자리를 지키기위해 안간힘을 쓴다.

이들의 특징은 다음과 같다.
 1. 리더십이 아닌 자신의 직위를 내세운다
 2. 자신의 계획에 조금이라도 벗어나는 의견을 용납하지 못한다
 3. 실수를 인정하지 않는다
 4. 사과라는걸 모른다
 5. 남탓을 한다.
 6. 다른 사람의 실수를 들추며 자신을 치켜세운다.
 7. A와의 1:1 미팅에서 B를 까고 B와의 1:1 미팅에서 A를 깐다
 8. 모든 일의 공을 자신으로 돌린뒤 잡무를 팀원들에게 분배한다

이외에도 기타등등 조직에 악영향을 많이 끼친다. 어디까지나 미국 한정이지만 이것에 대응하기위해 지금까지 다음과 같은 방법을 활용하고있다.

 * 잘못된 행동이나 의사결정에 대한 정확한 기록. 일/시/상황 등을 기록한다.
 * 피드백은 되도록 매니져가 있는 상황에서 프로페셔널 한 매너를 지키며 전달한다.
 * 상대가 감정적으로 나오더라도 그것에 동요하지 않는다.
 * 인사팀과 매니져에게 기록해온 상황을 보고한다.
 * 생각이 같은 팀원을 찾아 동맹을 만든다.
 * 팀 내부도 중요하지만 외부 리더들과 좋은 관계를 유지한다.

직장에서 아무리 이해가 되지 않는 행동이나 의사결정을 지속적으로 내리는 리더를 만나더라도 준비 없이 권위에 도전하는건 위험하다. 특히나 상대적으로 직장내에서 입지가 좁다면 우선 나에대한 지지와 신뢰를 주변으로부터 얻는게 우선이다. 굴러들어온 돌이 박힌돌을 빼내려면 굴러들어오는 모멘텀과 동시에 나의 덩치를 불리는게 우선이다.

현 직장에 입사한지 1년이 지났다. 사실 이정도 되면 전직장에서는 일이 지루해져 다음 일자리를 찾기 시작했을 타이밍인데 불행 중 다행인지 이런 환경 덕분에 매일매일 새롭고 흥미로운 듯 하다. 매일이 새로운 경험이고 노하우도 쌓이는 것 같아서 어떻게보면 이런 환경에 들어온게 좋은 기회인 것 같기도 하다.

이제 슬슬 박힌돌을 빼내는 시도를 해 보려고 하고있다. 나로써도 처음하는 경험이고 여러가지 변수도 있어서 성공할 것이라는 확신은 아직 없지만, 지금까지 배운 것 들 만으로도 충분히 값진 경험을 한 것 같다.

앞으로 종종 진행상황을 업데이트 하겠다.

여러번의 이직을 거쳐왔지만 직장에서 동료와 직접적으로 문제가 된 적은 거의 없었다. 대부분 어느정도 의견차이가 있다고 하더라도 말도안되는 정도로 벗어나는 경우가 없기 때문에 대화로 의견타협을 할 수 있었다. 현직장에는 문제가 많다. 팀이 생긴지 2년정도밖에 안됐고 그간 거쳐간 리더들이 하나같이 잘못된 리더십을 행사하는 바람에 능력있는 사람들은 이미 다 빠져나갔다. 그러고나니 남아있던 경력만 많은 나르시스트가 감언이설과 장시간의 노동으로 테크리드 자리를 꿰찬듯 하다. 이미 한 번 철옹성을 쌓아올려 기회를 만든 이 나르시스트는 자신의 권위에 도전한다고 판단되는 모든 행위들을 권력으로 찍어누르면서 자리를 지키기위해 안간힘을 쓴다. 이들의 특징은 다음과 같다.<ol ><li>리더십이 아닌 자신의 직위를 내세운다</li><li>자신의 계획에 조금이라도 벗어나는 의견을 용납하지 못한다</li><li>실수를 인정하지 않는다</li><li>사과라는걸 모른다</li><li>남탓을 한다.</li><li>다른 사람의 실수를 들추며 자신을 치켜세운다.</li><li>A와의 1:1 미팅에서 B를 까고 B와의 1:1 미팅에서 A를 깐다</li><li>모든 일의 공을 자신으로 돌린뒤 잡무를 팀원들에게 분배한다</li></ol> 이외에도 기타등등 조직에 악영향을 많이 끼친다. 어디까지나 미국 한정이지만 이것에 대응하기위해 지금까지 다음과 같은 방법을 활용하고있다. <ul ><li>잘못된 행동이나 의사결정에 대한 정확한 기록. 일/시/상황 등을 기록한다.</li><li>피드백은 되도록 매니져가 있는 상황에서 프로페셔널 한 매너를 지키며 전달한다.</li><li>상대가 감정적으로 나오더라도 그것에 동요하지 않는다.</li><li>인사팀과 매니져에게 기록해온 상황을 보고한다.</li><li>생각이 같은 팀원을 찾아 동맹을 만든다.</li><li>팀 내부도 중요하지만 외부 리더들과 좋은 관계를 유지한다.</li></ul> 직장에서 아무리 이해가 되지 않는 행동이나 의사결정을 지속적으로 내리는 리더를 만나더라도 준비 없이 권위에 도전하는건 위험하다. 특히나 상대적으로 직장내에서 입지가 좁다면 우선 나에대한 지지와 신뢰를 주변으로부터 얻는게 우선이다. 굴러들어온 돌이 박힌돌을 빼내려면 굴러들어오는 모멘텀과 동시에 나의 덩치를 불리는게 우선이다. 현 직장에 입사한지 1년이 지났다. 사실 이정도 되면 전직장에서는 일이 지루해져 다음 일자리를 찾기 시작했을 타이밍인데 불행 중 다행인지 이런 환경 덕분에 매일매일 새롭고 흥미로운 듯 하다. 매일이 새로운 경험이고 노하우도 쌓이는 것 같아서 어떻게보면 이런 환경에 들어온게 좋은 기회인 것 같기도 하다. 이제 슬슬 박힌돌을 빼내는 시도를 해 보려고 하고있다. 나로써도 처음하는 경험이고 여러가지 변수도 있어서 성공할 것이라는 확신은 아직 없지만, 지금까지 배운 것 들 만으로도 충분히 값진 경험을 한 것 같다. 앞으로 종종 진행상황을 업데이트 하겠다.

직장에서 나르시스트를  상대하는 방법

몇 달 전, 반려생활에 처음 합류한 후 진행했던 첫 과제에 대한 내용을 블로그에 포스팅했더니 좋은 반응을 많이 받았습니다. 그래서 이번엔 시간을 조금 더 앞당겨, 반려생활에 합류하게 되기까지의 과정을 블로그에 적어 공유해 보고자 합니다. 반려생활에 지원할 무렵인 2023년 11월, 저는 우아한테크코스라는 부트캠프 캠퍼스에서 한창 프로그래밍 공부를 하고...

반려생활, 서버 개발자, 700대 1

반려생활에 입사하진 4개월된 승현님이 합류까지의 과정을 재미나게 적어주셨네요.

https://blog.ban-life.com/%EB%B0%98%EB%A0%A4%EC%83%9D%ED%99%9C-%EC%84%9C%EB%B2%84-%EA%B0%9C%EB%B0%9C%EC%9E%90-700%EB%8C%80-1-1aa370e64781

반려생활에 입사하진 4개월된 승현님이 합류까지의 과정을 재미나게 적어주셨네요. https://blog.ban-life.com/%EB%B0%98%EB%A0%A4%EC%83%9D%ED%99%9C-%EC%84%9C%EB%B2%84-%EA%B0%9C%EB%B0%9C%EC%9E%90-700%EB%8C%80-1-1aa370e64781

Medium

반려생활에 합류하기 위한 여정

Next.js 환경에서 개발을 하다보면 Hydration에러를 종종 만나게 되는데요. 이 에러는 서버에서 생성된 HTML과 클라이언트에서 생성되는 HTML간에 불일치가 발생할때 발생합니다.

가령 useEffect내 API호출을 한다던지, 세션이나 쿠키 같은 요인에 따라 렌더링 컴포넌트가 다를때라던지, 자바스크립트 실행 타이밍이 다를때 이 에러를 접하게 되는데요.

이 Hydration에러는 왜 발생하는 것일까요??
근본적인 원인은 렌더링을 두 번 하기 때문입니다. 서버 사이드 렌더링 후, 클라이언트 사이드에서 추가 렌더링을 하면서 데이터의 불일치가 발생하는 것인데요. 

그럼 왜 렌더링을 두 번 할까요? 언뜻 보기엔 두 번 렌더링이 비효율적인것 같아 보이는데요. 두 번 렌더링을 하게 되면 최초 초기 로딩 시 최소한의 정보만을 포함하고 있어 빠르게 렌더링이 가능합니다. 또한 검색엔진은 빠른 렌더링을 중요한 랭킹 요소로 고려하므로 SEO에도 유리 합니다. 초기 렌더링 이후에는  DOM 요소에 속성을 매칭 시키는 작업을 하는데요. 이 이벤트 리스너를 붙이는 작업은 페이지를 다시 그리지 않으므로 추가적인 렌더링 비용이 발생하지 않습니다.

따라서, Hydration은 효율적인 초기 페이지 로딩과 동적 웹 애플리케이션 기능의 균형을 맞추기 위한 과정 입니다. 다만 Hydration 에러는 개발 과정에서 다루기 까다로운 문제중 하나인데요. Next.js 에서도 에러를 줄이기 위한 방안을 지속적으로 모색하고 기술적인 접근을 제공하고 있습니다. 예를 들어 Zustand에서는 과거에 persist미들웨어를 사용할때 Hydration에러가 발생하였는데요 V3부터는 클라이언트 측에서 상태를 다시 로드하도록 하여 서버와 클라이언트 사이의 데이터 불일치 문제를 해결하였습니다. 

Hydration 과정과 이로 인해 발생할 수 있는 에러를 제대로 관리하면, 사용자 경험을 향상시키고 웹사이트의 성능을 최적화할 수 있습니다.

Next.js 환경에서 개발을 하다보면 Hydration에러를 종종 만나게 되는데요. 이 에러는 서버에서 생성된 HTML과 클라이언트에서 생성되는 HTML간에 불일치가 발생할때 발생합니다. 가령 useEffect내 API호출을 한다던지, 세션이나 쿠키 같은 요인에 따라 렌더링 컴포넌트가 다를때라던지, 자바스크립트 실행 타이밍이 다를때 이 에러를 접하게 되는데요. 이 Hydration에러는 왜 발생하는 것일까요??근본적인 원인은 렌더링을 두 번 하기 때문입니다. 서버 사이드 렌더링 후, 클라이언트 사이드에서 추가 렌더링을 하면서 데이터의 불일치가 발생하는 것인데요.&nbsp; 그럼 왜 렌더링을 두 번 할까요? 언뜻 보기엔 두 번 렌더링이 비효율적인것 같아 보이는데요. 두 번 렌더링을 하게 되면 최초 초기 로딩 시 최소한의 정보만을 포함하고 있어 빠르게 렌더링이 가능합니다. 또한 검색엔진은 빠른 렌더링을 중요한 랭킹 요소로 고려하므로 SEO에도 유리 합니다. 초기 렌더링 이후에는&nbsp; DOM 요소에 속성을 매칭 시키는 작업을 하는데요. 이 이벤트 리스너를 붙이는 작업은 페이지를 다시 그리지 않으므로 추가적인 렌더링 비용이 발생하지 않습니다. 따라서, Hydration은 효율적인 초기 페이지 로딩과 동적 웹 애플리케이션 기능의 균형을 맞추기 위한 과정 입니다. 다만 Hydration 에러는 개발 과정에서 다루기 까다로운 문제중 하나인데요. Next.js 에서도 에러를 줄이기 위한 방안을 지속적으로 모색하고 기술적인 접근을 제공하고 있습니다. 예를 들어 Zustand에서는 과거에 persist미들웨어를 사용할때 Hydration에러가 발생하였는데요 V3부터는 클라이언트 측에서 상태를 다시 로드하도록 하여 서버와 클라이언트 사이의 데이터 불일치 문제를 해결하였습니다.&nbsp; Hydration 과정과 이로 인해 발생할 수 있는 에러를 제대로 관리하면, 사용자 경험을 향상시키고 웹사이트의 성능을 최적화할 수 있습니다.

Next.js 개발 시 자주 마주치는 Hydration 에러 이해

Microsoft Word - sosp067-decandia1.doc

아래의 25개의 논문들은 현대 컴퓨팅 시스템의 기반 기술들을 소개하고 있는데요.

이러한 기술들은 대규모 서비스, 분산 시스템, 클라우드, 데이터베이스, 머신러닝 등에서 다양하게 활용되고 있다고 합니다.

이것들을 공부하면 기술 면접이나 대규모 시스템 설계 그리고 실제 리얼 월드의 문제를 해결하는데 도움을 줄거에요.

앞으로 이러한 논문들을 하나씩 소개하는 글을 작성해볼게요~ 

 1. Dynamo - Amazon’s Highly Available Key Value Store:
 * Dynamo 시스템이 Amazon의 대규모 환경에서 어떻게 신뢰성을 제공하는지, 그리고 일관성을 희생하면서 어떻게 항상 사용 가능한 경험을 지원하는지에 대해 다룹니다. 
 * https://www.allthingsdistributed.com/files/amazon-dynamo-sosp2007.pdf?utm_source=substack&utm_medium=email

 2. Google File System:
 * Google File System의 설계 및 구현에 초점을 맞추며, 이 시스템이 대규모 데이터 중심 응용 프로그램을 지원하는 분산 파일 시스템으로서 어떻게 Scalability 와 Fault Tolerance 를 제공하는지에 대해 다룹니다. 
 * https://static.googleusercontent.com/media/research.google.com/en//archive/gfs-sosp2003.pdf?utm_source=substack&utm_medium=email

 3. Scaling Memcached at Facebook:
 * Facebook 이 Memcached 를 활용하여 어떻게 전 세계에서 가장 큰 소셜 네트워크를 지원하는 분산 키-값 저장소를 구축하고 확장했는지에 대해 다룹니다. 
 * https://www.usenix.org/system/files/conference/nsdi13/nsdi13-final170_update.pdf

 4. BigTable:
 * Bigtable이 어떻게 구조화된 데이터를 관리하기 위해 설계되었으며, 수천 대의 commodity servers 에서 페타바이트 규모로 확장될 수 있는지에 대해 다룹니다. 
 * https://substack.com/redirect/c49ce9b7-e0ab-4f1e-8936-3efd383ba713?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4

 5. Borg - Large Scale Cluster Management at Google: 
 * Borg 시스템이 수십만 대의 기계를 포함하는 여러 클러스터에서 수천 개의 다양한 응용 프로그램에서 수백만 개의 작업을 어떻게 관리하는지, 그리고 높은 자원 활용도를 달성하기 위해 어떤 기술을 사용하는지에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/43438.pdf?utm_source=substack&utm_medium=email

 6. Cassandra:
 * Cassandra 가 어떻게 대량의 구조화된 데이터를 여러 커머디티 서버에 걸쳐 관리하면서, 단일 실패 지점 없이 높은 가용성을 제공하는 분산 스토리지 시스템이 될 수 있는지에 대해 다룹니다. 
 * https://substack.com/redirect/cad644f7-a5c8-4d78-9b37-75597bf3b689?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4

 7. Attention Is All You Need: 
 * 기존의 복잡한 순환 또는 합성곱 신경망을 대체하는 새로운 신경망 구조인 Transformer 에 대해 설명하며, 이 구조가 어떻게 오직 Attention 메커니즘만을 기반으로 하여 더 빠른 학습 속도와 높은 병렬 처리 능력을 제공하는지에 대해 다룹니다. 
 * https://arxiv.org/abs/1706.03762?utm_source=substack&utm_medium=email

 8. Kafka:
 * Kafka가 어떻게 대량의 로그 데이터를 수집하고 낮은 지연시간으로 전달하는 분산 메시징 시스템인지, 그리고 기존 로그 집계기 및 메시징 시스템에서 어떤 아이디어를 도입했는지에 대해 다룹니다.
 * https://www.microsoft.com/en-us/research/wp-content/uploads/2017/09/Kafka.pdf?utm_source=substack&utm_medium=email 

 9. FoundationDB:
 * FoundationDB 가 어떻게 NoSQL의 유연성과 확장성을 ACID 트랜잭션과 결합하고 있는지, 그리고 이 시스템이 어떻게 분리된 아키텍처를 채택하여 각 서브시스템을 독립적으로 조정할 수 있게 만들었는지에 대해 다룹니다. 
 * https://www.foundationdb.org/files/fdb-paper.pdf?utm_source=substack&utm_medium=email

 10. Amazon Aurora:
 * Aurora가 어떻게 OLTP 워크로드를 위한 관계형 데이터베이스 서비스로 설계되었으며, 고성능 데이터 처리에 있어 네트워크가 중요한 제약 요소로 부상했는지에 대해 다룹니다. 
 * https://web.stanford.edu/class/cs245/readings/aurora.pdf?utm_source=substack&utm_medium=email

 11. Spanner: 
 * Spanner가 어떻게 세계적 규모로 데이터를 분산시키고, externally-consistent 을 지원하는 분산 트랜잭션을 처음으로 제공하는 시스템인지에 대해 다룹니다. 
 * https://static.googleusercontent.com/media/research.google.com/en//archive/spanner-osdi2012.pdf?utm_source=substack&utm_medium=email

 12. MapReduce:
 * MapReduce가 어떻게 대규모 데이터 세트를 처리하고 생성하는데 사용되며, 사용자가 맵 함수와 리듀스 함수를 정의하여 데이터를 자동으로 병렬 처리하는 방식에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/16cb30b4b92fd4989b8619a61752a2387c6dd474.pdf?utm_source=substack&utm_medium=email

 13. Shard Manager:
 * Shard Manager 가 어떻게 지리적으로 분산된 애플리케이션을 위한 샤드 관리를 단순화하고, 소프트웨어 업그레이드와 같은 계획된 이벤트 동안 애플리케이션 가용성을 유지하는 기능을 제공하는지에 대해 다룹니다. 
 * https://dl.acm.org/doi/pdf/10.1145/3477132.3483546?utm_source=substack&utm_medium=email

 14. Dapper:
 * Dapper가 어떻게 낮은 오버헤드, 애플리케이션 수준의 투명성을 제공하며 대규모 시스템에서 어디에나 배포될 수 있는지에 대해 다룹니다. 
 * https://static.googleusercontent.com/media/research.google.com/en//archive/papers/dapper-2010-1.pdf?utm_source=substack&utm_medium=email

 15. Flink:
 * Apache Flink 시스템의 주요 특징과 철학을 소개하고, Flink가 실시간 분석, 연속 데이터 파이프라인, 이력 데이터 처리(배치), 반복적 알고리즘(머신러닝, 그래프 분석)을 포함한 다양한 데이터 처리 응용 프로그램을 지원하는지에 대해 다룹니다. 
 * https://www.researchgate.net/publication/308993790_Apache_Flink_Stream_and_Batch_Processing_in_a_Single_Engine

 16. A Comprehensive Survey on Vector Databases:
 * 벡터 데이터베이스에 관한 포괄적인 내용을 다룹니다. 그리고 벡터 데이터베이스가 고차원 데이터를 저장하는 방법, 전통적인 DBMS에서 다루기 어려운 데이터의 특성화 방법, 그리고 이 분야에서 발생하는 주요 도전 과제들에 대해 다룹니다. 
 * https://arxiv.org/pdf/2310.11703

 17. Zanzibar:
 * 구글의 Zanzibar 시스템에 대해 다룹니다. 그리고 Zanzibar가 어떻게 수조 개의 접근 제어 목록과 초당 수백만 개의 인증 요청을 처리하는지에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/10683a8987dbf0c6d4edcafb9b4f05cc9de5974a.pdf?utm_source=substack&utm_medium=email

 18. Monarch: 
 * 구글의 Monarch가 어떻게 전 세계적으로 분산된 인메모리 시계열 데이터베이스로서 구글의 수십억 사용자 규모의 애플리케이션과 시스템을 모니터링하는 데 사용되는지, 그리고 이 시스템이 매초 테라바이트의 데이터를 수집하고 수백만 건의 쿼리를 처리하는 방법에 대해 다룹니다. 
 * https://storage.googleapis.com/pub-tools-public-publication-data/pdf/d84ab6c93881af998de877d0070a706de7bec6d8.pdf?utm_source=substack&utm_medium=email

 19. Thrift:
 * Thrift 소프트웨어 라이브러리와 코드 생성 도구에 대해 다룹니다. 그리고 Thrift가 어떻게 다양한 프로그래밍 언어 간의 효율적이고 신뢰할 수 있는 통신을 가능하게 하는지에 대해 다룹니다. 
 * https://thrift.apache.org/static/files/thrift-20070401.pdf?utm_source=substack&utm_medium=email

 20. Bitcoin:
 * 비트코인이 금융기관을 거치지 않고 직접적으로 온라인 지불을 가능하게 하는 순수한 Peer-to-Peer 전자화폐 시스템으로서, 어떻게 이중 지불 문제를 해결하며, 해시 기반의 작업 증명을 통해 거래를 타임스탬프하는 네트워크를 사용하는지에 대해 다룹니다. 
 * https://bitcoin.org/bitcoin.pdf?utm_source=substack&utm_medium=email

 21. WTF - Who to Follow Service at Twitter:
 * WTF가 어떻게 일일 수백만 사용자 간의 연결을 생성하는지, 그리고 공유된 관심사, 공통 연결 등을 기반으로 어떻게 사용자 추천을 수행하는지에 대해 다룹니다. 
 * https://web.stanford.edu/~rezab/papers/wtf_overview.pdf?utm_source=substack&utm_medium=email

 22. MyRocks: LSM-Tree Database Storage Engine:
 * Facebook 에서 MyRocks 엔진을 어떻게 활용하는지에 대해 다룹니다. 그리고 MyRocks가 어떻게 LSM-트리 기반의 RocksDB 위에 구축되어 MySQL의 관계형 기능을 통합했는지에 대해서도 다룹니다. 
 * https://www.vldb.org/pvldb/vol13/p3217-matsunobu.pdf?utm_source=substack&utm_medium=email

 23. GoTo Considered Harmful: 
 * https://homepages.cwi.nl/~storm/teaching/reader/Dijkstra68.pdf?utm_source=substack&utm_medium=email

 24. Raft Consensus Algorithm:
 * Raft 합의 알고리즘에 대해 다룹니다. 그리고 Raft가 어떻게 Paxos와 동등한 결과를 내면서도 더 이해하기 쉽고 실용적인 시스템 구축의 기반을 제공하는지에 대해서도 다룹니다. 
 * https://raft.github.io/raft.pdf?utm_source=substack&utm_medium=email

 25. Time Clocks and Ordering of Events:
 * 분산 시스템 내에서 이벤트의 순서를 결정하고 시간의 개념을 이해하는 방법에 대해 다룹니다. 
 * https://lamport.azurewebsites.net/pubs/time-clocks.pdf?utm_source=substack&utm_medium=email

아래의 25개의 논문들은 현대 컴퓨팅 시스템의 기반 기술들을 소개하고 있는데요. 이러한 기술들은 대규모 서비스, 분산 시스템, 클라우드, 데이터베이스, 머신러닝 등에서 다양하게 활용되고 있다고 합니다. 이것들을 공부하면 기술 면접이나 대규모 시스템 설계 그리고 실제 리얼 월드의 문제를 해결하는데 도움을 줄거에요. 앞으로 이러한 논문들을 하나씩 소개하는 글을 작성해볼게요~&nbsp; <ol ><li>Dynamo - Amazon’s Highly Available Key Value Store: </li></ol><ul ><li>Dynamo 시스템이 Amazon의 대규모 환경에서 어떻게 신뢰성을 제공하는지, 그리고 일관성을 희생하면서 어떻게 항상 사용 가능한 경험을 지원하는지에 대해 다룹니다.&nbsp;</li><li>https://www.allthingsdistributed.com/files/amazon-dynamo-sosp2007.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="2"><li>Google File System: </li></ol><ul ><li>Google File System의 설계 및 구현에 초점을 맞추며, 이 시스템이 대규모 데이터 중심 응용 프로그램을 지원하는 분산 파일 시스템으로서 어떻게 Scalability 와 Fault Tolerance 를 제공하는지에 대해 다룹니다.&nbsp;</li><li>https://static.googleusercontent.com/media/research.google.com/en//archive/gfs-sosp2003.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="3"><li>Scaling Memcached at Facebook: </li></ol><ul ><li>Facebook 이 Memcached 를 활용하여 어떻게 전 세계에서 가장 큰 소셜 네트워크를 지원하는 분산 키-값 저장소를 구축하고 확장했는지에 대해 다룹니다.&nbsp;</li><li>https://www.usenix.org/system/files/conference/nsdi13/nsdi13-final170_update.pdf</li></ul> <ol start="4"><li>BigTable: </li></ol><ul ><li>Bigtable이 어떻게 구조화된 데이터를 관리하기 위해 설계되었으며, 수천 대의 commodity servers 에서 페타바이트 규모로 확장될 수 있는지에 대해 다룹니다.&nbsp;</li><li>https://substack.com/redirect/c49ce9b7-e0ab-4f1e-8936-3efd383ba713?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4</li></ul> <ol start="5"><li>Borg - Large Scale Cluster Management at Google:&nbsp; </li></ol><ul ><li>Borg 시스템이 수십만 대의 기계를 포함하는 여러 클러스터에서 수천 개의 다양한 응용 프로그램에서 수백만 개의 작업을 어떻게 관리하는지, 그리고 높은 자원 활용도를 달성하기 위해 어떤 기술을 사용하는지에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/43438.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="6"><li>Cassandra: </li></ol><ul ><li>Cassandra 가 어떻게 대량의 구조화된 데이터를 여러 커머디티 서버에 걸쳐 관리하면서, 단일 실패 지점 없이 높은 가용성을 제공하는 분산 스토리지 시스템이 될 수 있는지에 대해 다룹니다.&nbsp;</li><li>https://substack.com/redirect/cad644f7-a5c8-4d78-9b37-75597bf3b689?j=eyJ1IjoiMmNscmc3In0.K_gP_5CqaAf0cWWggPM-WMz4gPJ_QSJ7yEFtqH8EWp4</li></ul> <ol start="7"><li>Attention Is All You Need:&nbsp;</li></ol><ul ><li>기존의 복잡한 순환 또는 합성곱 신경망을 대체하는 새로운 신경망 구조인 Transformer 에 대해 설명하며, 이 구조가 어떻게 오직 Attention 메커니즘만을 기반으로 하여 더 빠른 학습 속도와 높은 병렬 처리 능력을 제공하는지에 대해 다룹니다.&nbsp;</li><li>https://arxiv.org/abs/1706.03762?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="8"><li>Kafka: </li></ol><ul ><li>Kafka가 어떻게 대량의 로그 데이터를 수집하고 낮은 지연시간으로 전달하는 분산 메시징 시스템인지, 그리고 기존 로그 집계기 및 메시징 시스템에서 어떤 아이디어를 도입했는지에 대해 다룹니다.</li><li>https://www.microsoft.com/en-us/research/wp-content/uploads/2017/09/Kafka.pdf?utm_source=substack&amp;utm_medium=email&nbsp;</li></ul> <ol start="9"><li>FoundationDB: </li></ol><ul ><li>FoundationDB 가 어떻게 NoSQL의 유연성과 확장성을 ACID 트랜잭션과 결합하고 있는지, 그리고 이 시스템이 어떻게 분리된 아키텍처를 채택하여 각 서브시스템을 독립적으로 조정할 수 있게 만들었는지에 대해 다룹니다.&nbsp;</li><li>https://www.foundationdb.org/files/fdb-paper.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="10"><li>Amazon Aurora: </li></ol><ul ><li>Aurora가 어떻게 OLTP 워크로드를 위한 관계형 데이터베이스 서비스로 설계되었으며, 고성능 데이터 처리에 있어 네트워크가 중요한 제약 요소로 부상했는지에 대해 다룹니다.&nbsp;</li><li>https://web.stanford.edu/class/cs245/readings/aurora.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="11"><li>Spanner:&nbsp; </li></ol><ul ><li>Spanner가 어떻게 세계적 규모로 데이터를 분산시키고, externally-consistent 을 지원하는 분산 트랜잭션을 처음으로 제공하는 시스템인지에 대해 다룹니다.&nbsp;</li><li>https://static.googleusercontent.com/media/research.google.com/en//archive/spanner-osdi2012.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="12"><li>MapReduce: </li></ol><ul ><li>MapReduce가 어떻게 대규모 데이터 세트를 처리하고 생성하는데 사용되며, 사용자가 맵 함수와 리듀스 함수를 정의하여 데이터를 자동으로 병렬 처리하는 방식에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/16cb30b4b92fd4989b8619a61752a2387c6dd474.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="13"><li>Shard Manager:</li></ol><ul ><li>Shard Manager 가 어떻게 지리적으로 분산된 애플리케이션을 위한 샤드 관리를 단순화하고, 소프트웨어 업그레이드와 같은 계획된 이벤트 동안 애플리케이션 가용성을 유지하는 기능을 제공하는지에 대해 다룹니다.&nbsp;</li><li>https://dl.acm.org/doi/pdf/10.1145/3477132.3483546?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="14"><li>Dapper: </li></ol><ul ><li>Dapper가 어떻게 낮은 오버헤드, 애플리케이션 수준의 투명성을 제공하며 대규모 시스템에서 어디에나 배포될 수 있는지에 대해 다룹니다.&nbsp;</li><li>https://static.googleusercontent.com/media/research.google.com/en//archive/papers/dapper-2010-1.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="15"><li>Flink: </li></ol><ul ><li>Apache Flink 시스템의 주요 특징과 철학을 소개하고, Flink가 실시간 분석, 연속 데이터 파이프라인, 이력 데이터 처리(배치), 반복적 알고리즘(머신러닝, 그래프 분석)을 포함한 다양한 데이터 처리 응용 프로그램을 지원하는지에 대해 다룹니다.&nbsp;</li><li>https://www.researchgate.net/publication/308993790_Apache_Flink_Stream_and_Batch_Processing_in_a_Single_Engine</li></ul> <ol start="16"><li>A Comprehensive Survey on Vector Databases: </li></ol><ul ><li>벡터 데이터베이스에 관한 포괄적인 내용을 다룹니다. 그리고 벡터 데이터베이스가 고차원 데이터를 저장하는 방법, 전통적인 DBMS에서 다루기 어려운 데이터의 특성화 방법, 그리고 이 분야에서 발생하는 주요 도전 과제들에 대해 다룹니다.&nbsp;</li><li>https://arxiv.org/pdf/2310.11703</li></ul> <ol start="17"><li>Zanzibar: </li></ol><ul ><li>구글의 Zanzibar 시스템에 대해 다룹니다. 그리고 Zanzibar가 어떻게 수조 개의 접근 제어 목록과 초당 수백만 개의 인증 요청을 처리하는지에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/10683a8987dbf0c6d4edcafb9b4f05cc9de5974a.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="18"><li>Monarch:&nbsp;</li></ol><ul ><li>구글의 Monarch가 어떻게 전 세계적으로 분산된 인메모리 시계열 데이터베이스로서 구글의 수십억 사용자 규모의 애플리케이션과 시스템을 모니터링하는 데 사용되는지, 그리고 이 시스템이 매초 테라바이트의 데이터를 수집하고 수백만 건의 쿼리를 처리하는 방법에 대해 다룹니다.&nbsp;</li><li>https://storage.googleapis.com/pub-tools-public-publication-data/pdf/d84ab6c93881af998de877d0070a706de7bec6d8.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="19"><li>Thrift: </li></ol><ul ><li>Thrift 소프트웨어 라이브러리와 코드 생성 도구에 대해 다룹니다. 그리고 Thrift가 어떻게 다양한 프로그래밍 언어 간의 효율적이고 신뢰할 수 있는 통신을 가능하게 하는지에 대해 다룹니다.&nbsp;</li><li>https://thrift.apache.org/static/files/thrift-20070401.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="20"><li>Bitcoin: </li></ol><ul ><li>비트코인이 금융기관을 거치지 않고 직접적으로 온라인 지불을 가능하게 하는 순수한 Peer-to-Peer 전자화폐 시스템으로서, 어떻게 이중 지불 문제를 해결하며, 해시 기반의 작업 증명을 통해 거래를 타임스탬프하는 네트워크를 사용하는지에 대해 다룹니다.&nbsp;</li><li>https://bitcoin.org/bitcoin.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="21"><li>WTF - Who to Follow Service at Twitter: </li></ol><ul ><li>WTF가 어떻게 일일 수백만 사용자 간의 연결을 생성하는지, 그리고 공유된 관심사, 공통 연결 등을 기반으로 어떻게 사용자 추천을 수행하는지에 대해 다룹니다.&nbsp;</li><li>https://web.stanford.edu/~rezab/papers/wtf_overview.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="22"><li>MyRocks: LSM-Tree Database Storage Engine: </li></ol><ul ><li>Facebook 에서 MyRocks 엔진을 어떻게 활용하는지에 대해 다룹니다. 그리고 MyRocks가 어떻게 LSM-트리 기반의 RocksDB 위에 구축되어 MySQL의 관계형 기능을 통합했는지에 대해서도 다룹니다.&nbsp;</li><li>https://www.vldb.org/pvldb/vol13/p3217-matsunobu.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="23"><li>GoTo Considered Harmful:&nbsp;</li></ol><ul ><li>https://homepages.cwi.nl/~storm/teaching/reader/Dijkstra68.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="24"><li>Raft Consensus Algorithm: </li></ol><ul ><li>Raft 합의 알고리즘에 대해 다룹니다. 그리고 Raft가 어떻게 Paxos와 동등한 결과를 내면서도 더 이해하기 쉽고 실용적인 시스템 구축의 기반을 제공하는지에 대해서도 다룹니다.&nbsp;</li><li>https://raft.github.io/raft.pdf?utm_source=substack&amp;utm_medium=email</li></ul> <ol start="25"><li>Time Clocks and Ordering of Events: </li></ol><ul ><li>분산 시스템 내에서 이벤트의 순서를 결정하고 시간의 개념을 이해하는 방법에 대해 다룹니다.&nbsp;</li><li>https://lamport.azurewebsites.net/pubs/time-clocks.pdf?utm_source=substack&amp;utm_medium=email</li></ul>

allthingsdistributed.com

“컴퓨터 세계를 완전히 변화시킨 25개의 논문”

아는 사람은 많고 하는 사람은 적습니다.

정보는 넘쳐납니다. 어떻게 하면 되는지 소개하는 글과 영상이 참 많습니다. 우리는 매일 그 정보를 접합니다. 무엇을 하는 법, 무엇이 되는 법에 대한 정보를 접합니다.

얻는 정보를 토대로 시작하는 사람은 적습니다. 정보를 믿지 못하기 때문일 수도 있고 다른 일을 하고 있기 때문일 수도 있습니다. 혹은 조금 더 완벽한 시작을 준비하는 것일 수도 있죠.

일단 시작했다고 해도 끝까지 해내는 사람은 더 적습니다. 중간에 그만둬야 할 수많은 이유가 있으니까요. 시작했던 이유를 끝까지 고수하고 계속한다는 건 절대 쉽지 않습니다.

여러분이 만약 무슨 일이든 시작해서 끝까지 해냈다면, 그것만으로 충분히 대단한 사람일지도 모릅니다.

아는 사람은 많고 하는 사람은 적습니다. 정보는 넘쳐납니다. 어떻게 하면 되는지 소개하는 글과 영상이 참 많습니다. 우리는 매일 그 정보를 접합니다. 무엇을 하는 법, 무엇이 되는 법에 대한 정보를 접합니다. 얻는 정보를 토대로 시작하는 사람은 적습니다. 정보를 믿지 못하기 때문일 수도 있고 다른 일을 하고 있기 때문일 수도 있습니다. 혹은 조금 더 완벽한 시작을 준비하는 것일 수도 있죠. 일단 시작했다고 해도 끝까지 해내는 사람은 더 적습니다. 중간에 그만둬야 할 수많은 이유가 있으니까요. 시작했던 이유를 끝까지 고수하고 계속한다는 건 절대 쉽지 않습니다. 여러분이 만약 무슨 일이든 시작해서 끝까지 해냈다면, 그것만으로 충분히 대단한 사람일지도 모릅니다.

아는 사람, 하는 사람

일머리가 좋다는 것은 어떤 의미일까요? 일을 잘하는 동료들을 관찰해 보니 일을 할 때 한 가지 공통점이 있었습니다. 일을 할 때 문제가 무엇인지, 진짜 문제가 무엇인지 정의하고 시작하는 습관입니다.

문제정의가 일머리의 90%입니다

일머리가 좋다는 것은 어떤 의미일까요? 일을 잘하는 동료들을 관찰해 보니 일을 할 때 한 가지 공통점이 있었습니다. 일을 할 때 문제가 무엇인지, 진짜 문제가 무엇인지 정의하고 시작하는 습관인데요. 많은 경우 요청으로 일을 시작하거든요. 요청을 받으면 무릎반사처럼 요청에 따라 일을 할 때가 많습니다. 요청한 기간에 맞춰, 요청한 태스크를 해드리는 것은 '내부 고객을 위한 서비스 제공자'라는 마인드를 길러줄 때도 있지만, 정말 문제가 무엇인지 모르고 목표가 아니라 태스크 자체에 매몰되도록 만듭니다. 항상 '문제가 무엇인가요?'라는 질문을 요청한 동료와 함께 정의하는 것부터 시작해야 합니다.

[ 큐레이터의 문장 🎒 ]

"나에게 1시간이 주어진다면, 55분 동안 문제를 찾고 5분 동안 그것을 풀 것이다" - 아인슈타인

다음 5가지 방법은 문제를 제대로 정의하기 위해서 직접 해볼 수 있는 행동 가이드입니다.

1️⃣ 직접 사실 확인하기

검색해서 답을 찾는 것으로는 부족합니다. 간접조사는 직접조사와 함께 조합할 때 힘이 있습니다. 사용자 경험이나 비즈니스 문제를 표면적인 데이터로만 정의하는 것이 아니라 직접 써보고, 직접 써본 사람을 만나보는 것이 필요합니다. UX 리서치는 문제를 정확하게 정의하기 위한 목적으로 활용되고 있습니다.

2️⃣ 문제를 정확하게 표현하기

추상적이거나 모호하게 서술한 문제는 해결할 수 없습니다. 예컨대, "전기차 배터리 성능이 너무 떨어진다"라는 문제는 해결하기 어렵습니다. "전기차 주행거리를 400km 이상으로 늘려야 한다"로 바꾸면 어떨까요? 측정할 수 있는 문제로 바꾸었고, 목표를 짚을 수 있습니다. 의견, 판단이 아니라 관찰할 수 있는 사실에서 출발해야 문제를 정확하게 정의할 수 있습니다.

3️⃣ 거꾸로 생각하기

문제를 보면 답을 구하고 싶어 집니다. 대화할 때도 비슷합니다. "이게 고민이에요"라고 말한 상대에게 무언가 도움이 되는 답을 말해주고 싶습니다. 그냥 들어주기만 해도 도움이 될 때에도 말이죠. 문제를 발견하면 바로 해결책을 찾기보다는 관점을 달리해서, "이게 왜 문제일까?"라는 질문으로 시야를 틔우는 것이 중요합니다. "전기차 주행거리가 400km 이상으로 늘려야 한다"의 진짜 문제는 '에어컨을 켠 상태로는 300km밖에 갈 수 없다'와 같이 다른 상황적 요인이 단서가 될 수 있습니다.

4️⃣ "왜" 그런지 반복해서 묻기

정의한 문제에 대해서 해결책을 정하기 전에 "왜 그럴까?"라는 질문을 반복해서 던져보는 겁니다. 5 WHYS라는 기법을 활용할 수도 있습니다. 진짜 문제는 "왜 그럴까?"라는 질문을 반복해서 던졌을 때 발견할 수 있습니다. 오티스 엘리베이터는 엘리베이터 속도에 대한 불만을 해결하려고 강력한 모터와 윤활 시스템을 만들었지만, 불만은 사그라들지 않았습니다. 본질은 엘리베이터 속도가 아니라 엘리베이터에서 느끼는 지루함이었죠. 거울을 설치하자 불만은 사그라들었습니다. 도착할 때까지 기다리는 시간이 지루해서 생긴 불만은 모터로 해결할 수 없었습니다.

5️⃣ 내가 틀릴 수 있다는 것을 의심하기

19세기 위대한 심리학자 윌리엄 제임스는 "고작 자신의 편견을 재배열할 뿐이면서 자신은 생각을 하고 있다고 믿는 사람이 한둘이 아니다"라는 말을 남겼습니다. 데이비드 롭슨의 <지능의 함정>에서는 똑똑한 사람일수록 오히려 특정한 종류의 어리석은 생각에 더 쉽게 빠져들 수 있다며 그 이유로 머리가 좋고 교육 수준이 높은 사람들은 이를테면 실수에서 교훈을 얻거나 타인의 조언을 받아들이는 성향이 상대적으로 적다는 점, 실수를 해도 제법 그럴듯한 논쟁으로 자기 논리를 정당화하는 능력이 남보다 뛰어나기 때문에 자신의 견해에 의심을 품지 않는 교조적 태도가 그 원인이라고 지적합니다. 문제정의를 제대로 하려면 적절한 의심과 겸손, 균형감각이 필요합니다.

https://www.redbusbagman.com/problems/

일머리가 좋다는 것은 어떤 의미일까요? 일을 잘하는 동료들을 관찰해 보니 일을 할 때 한 가지 공통점이 있었습니다. 일을 할 때 문제가 무엇인지, 진짜 문제가 무엇인지 정의하고 시작하는 습관인데요. 많은 경우 요청으로 일을 시작하거든요. 요청을 받으면 무릎반사처럼 요청에 따라 일을 할 때가 많습니다. 요청한 기간에 맞춰, 요청한 태스크를 해드리는 것은 '내부 고객을 위한 서비스 제공자'라는 마인드를 길러줄 때도 있지만, 정말 문제가 무엇인지 모르고 목표가 아니라 태스크 자체에 매몰되도록 만듭니다. 항상 '문제가 무엇인가요?'라는 질문을 요청한 동료와 함께 정의하는 것부터 시작해야 합니다. [ 큐레이터의 문장 🎒 ] "나에게 1시간이 주어진다면, 55분 동안 문제를 찾고 5분 동안 그것을 풀 것이다" - 아인슈타인 다음 5가지 방법은 문제를 제대로 정의하기 위해서 직접 해볼 수 있는 행동 가이드입니다. 1️⃣ 직접 사실 확인하기 검색해서 답을 찾는 것으로는 부족합니다. 간접조사는 직접조사와 함께 조합할 때 힘이 있습니다. 사용자 경험이나 비즈니스 문제를 표면적인 데이터로만 정의하는 것이 아니라 직접 써보고, 직접 써본 사람을 만나보는 것이 필요합니다. UX 리서치는 문제를 정확하게 정의하기 위한 목적으로 활용되고 있습니다. 2️⃣ 문제를 정확하게 표현하기 추상적이거나 모호하게 서술한 문제는 해결할 수 없습니다. 예컨대, "전기차 배터리 성능이 너무 떨어진다"라는 문제는 해결하기 어렵습니다. "전기차 주행거리를 400km 이상으로 늘려야 한다"로 바꾸면 어떨까요? 측정할 수 있는 문제로 바꾸었고, 목표를 짚을 수 있습니다. 의견, 판단이 아니라 관찰할 수 있는 사실에서 출발해야 문제를 정확하게 정의할 수 있습니다. 3️⃣ 거꾸로 생각하기 문제를 보면 답을 구하고 싶어 집니다. 대화할 때도 비슷합니다. "이게 고민이에요"라고 말한 상대에게 무언가 도움이 되는 답을 말해주고 싶습니다. 그냥 들어주기만 해도 도움이 될 때에도 말이죠. 문제를 발견하면 바로 해결책을 찾기보다는 관점을 달리해서, "이게 왜 문제일까?"라는 질문으로 시야를 틔우는 것이 중요합니다. "전기차 주행거리가 400km 이상으로 늘려야 한다"의 진짜 문제는 '에어컨을 켠 상태로는 300km밖에 갈 수 없다'와 같이 다른 상황적 요인이 단서가 될 수 있습니다. 4️⃣ "왜" 그런지 반복해서 묻기 정의한 문제에 대해서 해결책을 정하기 전에 "왜 그럴까?"라는 질문을 반복해서 던져보는 겁니다. 5 WHYS라는 기법을 활용할 수도 있습니다. 진짜 문제는 "왜 그럴까?"라는 질문을 반복해서 던졌을 때 발견할 수 있습니다. 오티스 엘리베이터는 엘리베이터 속도에 대한 불만을 해결하려고 강력한 모터와 윤활 시스템을 만들었지만, 불만은 사그라들지 않았습니다. 본질은 엘리베이터 속도가 아니라 엘리베이터에서 느끼는 지루함이었죠. 거울을 설치하자 불만은 사그라들었습니다. 도착할 때까지 기다리는 시간이 지루해서 생긴 불만은 모터로 해결할 수 없었습니다. 5️⃣ 내가 틀릴 수 있다는 것을 의심하기 19세기 위대한 심리학자 윌리엄 제임스는 "고작 자신의 편견을 재배열할 뿐이면서 자신은 생각을 하고 있다고 믿는 사람이 한둘이 아니다"라는 말을 남겼습니다. 데이비드 롭슨의 &lt;지능의 함정&gt;에서는 똑똑한 사람일수록 오히려 특정한 종류의 어리석은 생각에 더 쉽게 빠져들 수 있다며 그 이유로 머리가 좋고 교육 수준이 높은 사람들은 이를테면 실수에서 교훈을 얻거나 타인의 조언을 받아들이는 성향이 상대적으로 적다는 점, 실수를 해도 제법 그럴듯한 논쟁으로 자기 논리를 정당화하는 능력이 남보다 뛰어나기 때문에 자신의 견해에 의심을 품지 않는 교조적 태도가 그 원인이라고 지적합니다. 문제정의를 제대로 하려면 적절한 의심과 겸손, 균형감각이 필요합니다. https://www.redbusbagman.com/problems/

REDBUSBAGMAN | 빨간색 광역버스에 백팩을 메고 탑니다

⟪문제정의가 일머리의 90%입니다⟫

1. Research
- ChatGPT
- YouChat
- Perplexity
- Copilot
- Gemini

2. Image
- Leap AI
- Copilot
- Segmind
- Midjourney
- Stable Diffusion

3. CopyWriting
- Rytr
- Copy AI
- Writesonic
- Adcreative AI

4. Writing
- Jasper
- HIX AI
- Jenny AI
- Textblaze

5. Website
- 10Web
- Durable
- Framer
- Style AI

6. Video
- Klap
- Opus
- Eightify
- InVideo
- HeyGen
- Runway
- ImgCreator AI
- Morphstudio .xyz

7. Meeting
- Tldv
- Otter
- Noty AI
- Fireflies

8. SEO
- VidIQ
- Seona AI
- BlogSEO
- Keywrds ai

9. Chatbot
- Droxy
- Chatbase
- Mutual info
- Chatsimple

10. Presentation
- Decktopus
- Slides AI
- Gamma AI
- Designs AI
- Beautiful AI

11. Automation
- Make
- Zapier
- Xembly
- Bardeen

12. Prompts
- FlowGPT
- Alicent AI
- PromptBox
- Promptbase
- Snack Prompt

13. UI/UX
- Figma
- Uizard
- UiMagic
- Photoshop

14. Design
- Canva
- Flair AI
- Designify
- Clipdrop
- Autodraw
- Magician design

15. Logo Generator
- Looka
- Designs AI
- Brandmark
- Stockimg AI
- Namecheap

16. Audio
- Lovo ai
- Eleven labs
- Songburst AI
- Adobe Podcast

17. Marketing
- Pencil
- Ai-Ads
- AdCopy
- Simplified
- AdCreative

18. Startup
- Tome
- Ideas AI
- Namelix
- Pitchgrade
- Validator AI

19. Productivity
- Merlin
- Tinywow
- Notion AI
- Adobe Sensei
- Personal AI

20. Social media management
- Tapilo
- Typefully
- Hypefury
- TweetHunter

 * Source: https://twitter.com/HeyAbhishekk/status/1788778562897563965

1. Research- ChatGPT- YouChat- Perplexity- Copilot- Gemini 2. Image- Leap AI- Copilot- Segmind- Midjourney- Stable Diffusion 3. CopyWriting- Rytr- Copy AI- Writesonic- Adcreative AI 4. Writing- Jasper- HIX AI- Jenny AI- Textblaze 5. Website- 10Web- Durable- Framer- Style AI 6. Video- Klap- Opus- Eightify- InVideo- HeyGen- Runway- ImgCreator AI- Morphstudio .xyz 7. Meeting- Tldv- Otter- Noty AI- Fireflies 8. SEO- VidIQ- Seona AI- BlogSEO- Keywrds ai 9. Chatbot- Droxy- Chatbase- Mutual info- Chatsimple 10. Presentation- Decktopus- Slides AI- Gamma AI- Designs AI- Beautiful AI 11. Automation- Make- Zapier- Xembly- Bardeen 12. Prompts- FlowGPT- Alicent AI- PromptBox- Promptbase- Snack Prompt 13. UI/UX- Figma- Uizard- UiMagic- Photoshop 14. Design- Canva- Flair AI- Designify- Clipdrop- Autodraw- Magician design 15. Logo Generator- Looka- Designs AI- Brandmark- Stockimg AI- Namecheap 16. Audio- Lovo ai- Eleven labs- Songburst AI- Adobe Podcast 17. Marketing- Pencil- Ai-Ads- AdCopy- Simplified- AdCreative 18. Startup- Tome- Ideas AI- Namelix- Pitchgrade- Validator AI 19. Productivity- Merlin- Tinywow- Notion AI- Adobe Sensei- Personal AI 20. Social media management- Tapilo- Typefully- Hypefury- TweetHunter <ul ><li>Source: https://twitter.com/HeyAbhishekk/status/1788778562897563965</li></ul>

X (formerly Twitter)

20가지 작업 대체를 위한 100가지 AI 도구

To answer that, I would like to say that, mastering these do's and don'ts while writing code isn't just about impressing your peers (though that's a nice bonus). It's about writing code that's easier...

15 + 11 Mistakes Every Java Developer MUST avoid TODAY

1. Nulls와 Optionals
Bad Practice: 메서드에서 바로 null을 리턴하는 건 NPE를 유발할 수 있습니다.
public String getString() {
	return null;
}

Good Practice: null에 대한 명확한 핸들링과 에러 방지를 위해 Optional을 사용합니다.
public Optional<String> getString() {
	return Optional.empty();
}

 
2. String.valueOf()로 String 변환
Bad Practice: + 연산자를 사용해 문자열을 합칩니다.
double d = 3.14525;
String s = "" + d;

Good Practice: 내장 메서드를 활용합니다.
double d = 3.14245;
String s = String.valueOf(d);

 
3. array를 복사할 때 Arrays.copyOf() 
Bad Practice: 정석적으로 array를 복사합니다.
int[] sourceArray = {1,2,3,4,5};
int[] targetArray = new int[sourceArray.length];
for (int i = 0; i< sourceArray.length; i++) {
	targetArray[i] = sourceArray[i];
}

Good Practice: Arrays.copyOf() 메서드를 사용합니다.
int[] sourceArray = {1,2,3,4,5};
int[] targetArray = Arrays.copyOf(sourceArray, sourceArray.length);

 
4.  컬렉션이 비어있는지 체크하기 위해 isEmpty()
Bad Practice: length()나 size()로 string이나 컬렉션이 비어있는지 체크합니다.
String text = "Hello, World!";
if(text.length() == 0) {
	// Do something
}

Good Practice: isEmpty()로 string이나 컬렉션이 비어있는지 체크합니다.
String text = "Hello, World!";
if(text.isEmpty()) {
	// Do something
}

 
5. Concurrent Modification Exception 방지
Bad Practice: 리스트를 순회하고 있는 동안 요소를 제거하여 ConcurrentModificationException을 일으킵니다.
List<String> words = new ArrayList<>();
words.add("A");
words.add("B");
words.add("C");

for(String word : words) {
	if (word.equals("A")) {
 	words.remove(word);
 }
}

Good Practice: iterator remove 메서드나 removeIf() 메서드를 사용합니다. 
List<String> words = new ArrayList<>();
words.add("A");
words.add("B");
words.add("C");

Iterator<String> iterator = words.iterator();
while (iterator.hasNext()) {
 String word = iterator.next();
 if (word.equals("A")) {
 iterator.remove(); // Use iterator's remove method to safely remove elements
 }
}

System.out.println(words); // Output: [B, C]

 
6. 정규표현식 사전 컴파일
Bad Practice: 런타임 시에 정규표현식을 컴파일합니다.
String text = "Hello, World!";
if(text.matches("Hello.*")) {
	System.out.println("Matches!");
}
String replaced = text.replaceAll("\\s", "");

Good Practice: 정규표현식을 사전컴파일하고 재사용합니다.
final Pattern PATTERN1 = Pattern.compile("Hello.*");
final Pattern PATTERN2 = Pattern.compile("\\s");

String text = "Hello, World!";
if(PATTERN1.matcher(text).matches()) {
	System.out.println("Matches!");
}
String replaced = PATTERN2.matcher(text).replaceAll("");

 
번역: [https://ducktopia.tistory.com/124]
원문

1. Nulls와 OptionalsBad Practice: 메서드에서 바로 null을 리턴하는 건 NPE를 유발할 수 있습니다.<pre ><code class="language-java">public String getString() {
	return null;
}</code></pre>Good Practice: null에 대한 명확한 핸들링과 에러 방지를 위해 Optional을 사용합니다.<pre ><code class="language-java">public Optional&lt;String&gt; getString() {
	return Optional.empty();
}</code></pre>&nbsp;2. String.valueOf()로 String 변환Bad Practice: + 연산자를 사용해 문자열을 합칩니다.<pre ><code class="language-java">double d = 3.14525;
String s = "" + d;</code></pre>Good Practice: 내장 메서드를 활용합니다.<pre ><code class="language-java">double d = 3.14245;
String s = String.valueOf(d);</code></pre>&nbsp;3. array를 복사할 때 Arrays.copyOf()&nbsp;Bad Practice: 정석적으로 array를 복사합니다.<pre ><code class="language-java">int[] sourceArray = {1,2,3,4,5};
int[] targetArray = new int[sourceArray.length];
for (int i = 0; i&lt; sourceArray.length; i++) {
	targetArray[i] = sourceArray[i];
}</code></pre>Good Practice: Arrays.copyOf() 메서드를 사용합니다.<pre ><code class="language-java">int[] sourceArray = {1,2,3,4,5};
int[] targetArray = Arrays.copyOf(sourceArray, sourceArray.length);</code></pre>&nbsp;4.&nbsp; 컬렉션이 비어있는지 체크하기 위해 isEmpty()Bad Practice: length()나 size()로 string이나 컬렉션이 비어있는지 체크합니다.<pre ><code class="language-java">String text = "Hello, World!";
if(text.length() == 0) {
	// Do something
}</code></pre>Good Practice: isEmpty()로 string이나 컬렉션이 비어있는지 체크합니다.<pre ><code class="language-java">String text = "Hello, World!";
if(text.isEmpty()) {
	// Do something
}</code></pre>&nbsp;5. Concurrent Modification Exception 방지Bad Practice: 리스트를 순회하고 있는 동안 요소를 제거하여 ConcurrentModificationException을 일으킵니다.<pre ><code class="language-java">List&lt;String&gt; words = new ArrayList&lt;&gt;();
words.add("A");
words.add("B");
words.add("C");

for(String word : words) {
	if (word.equals("A")) {
 	words.remove(word);
 }
}</code></pre>Good Practice: iterator remove 메서드나 removeIf() 메서드를 사용합니다.&nbsp;<pre ><code class="language-java">List&lt;String&gt; words = new ArrayList&lt;&gt;();
words.add("A");
words.add("B");
words.add("C");

Iterator&lt;String&gt; iterator = words.iterator();
while (iterator.hasNext()) {
 String word = iterator.next();
 if (word.equals("A")) {
 iterator.remove(); // Use iterator's remove method to safely remove elements
 }
}

System.out.println(words); // Output: [B, C]</code></pre>&nbsp;6. 정규표현식 사전 컴파일Bad Practice: 런타임 시에 정규표현식을 컴파일합니다.<pre ><code class="language-java">String text = "Hello, World!";
if(text.matches("Hello.*")) {
	System.out.println("Matches!");
}
String replaced = text.replaceAll("\\s", "");</code></pre>Good Practice: 정규표현식을 사전컴파일하고 재사용합니다.<pre ><code class="language-java">final Pattern PATTERN1 = Pattern.compile("Hello.*");
final Pattern PATTERN2 = Pattern.compile("\\s");

String text = "Hello, World!";
if(PATTERN1.matcher(text).matches()) {
	System.out.println("Matches!");
}
String replaced = PATTERN2.matcher(text).replaceAll("");</code></pre>&nbsp;번역: [https://ducktopia.tistory.com/124]원문

🕊️ [Medium] 자바 개발자가 피해야 하는 11가지 실수 (

사용자가 공유한 콘텐츠

최근 공인중개사법 개정안이 화두가 되고 있습니다. 간략하게 말씀드리면 "한국공인중개사협회 의무 가입 및 해당 단체를 법정단체화로 인정, 한국공인중개사협회가 회원을 지도 및 관리할 수 있는 권한을 갖는다" 입니다.

해당 법률안 개정으로 얻을 수 있는 효과를 공인중개사협회 측에서는 "사기나 부정, 무자격자의 활동에 대한 제제 및 중개시장의 정화"라고 합니다. 언뜻 보면 이상하지 않으나, 실제 목적은 이와 다르고 , 협회의 표리부동한 태도에 반발심이 생길 수 밖에 없습니다.

협회는 '반값 중개'를 내세워 시장 점유율을 높이려던 다원중개에 3차례의 고발을 했던 전적이 있습니다. 시장 정화라는 말은 사실상, 공정 경쟁행위를 제한하고 저렴한 수수료를 제공하려는 플랫폼과 상생하는 공인중개사들에게 철퇴를 내리겠다 라는 말로 해석이 됩니다.

 부동산 시장은 정보 비대칭성의 대표적인 예시였습니다. 정보 비대칭으로 인해 불확실성과 리스크가 존재하여,  수요자(소비자)에게 친화적인 시장이 아니었습니다. 이를 해소하기 위해 프롭테크가 등장했고 장소와 시간 등의 제약에 구애받지 않고 수요자와 공급자를 연결해주었습니다. 또한  이후 오늘날에는 VR 기술을 통해 온라인 임장 등의 서비스 제공까지 ,수요자의 편의를 최우선으로 하는 형태로 빠르게 변화하였습니다. 

혁신에 제제를 가하는 쪽에 힘을 실어주는 법률안 발의 및 통과는  결국에는 소비자의 편익을 감소시킬 것입니다. 타다의 케이스는 이를 뒷받침해 주고 있습니다. 타다 제재 이후, "기존 택시업계는 혁신을 몰아낸 만큼 소비자 편익을 위해 노력했나?" 라는 질문을 던졌을 때  우리가 받은 답변은 "심야 택시난"으로, 제재의 결과에 소비자 편익에 대한 고려는 없었습니다.

비슷한 상황이 되풀이되는 것 같아 우려의 마음에, 부족하지만 글을 작성하였습니다. 하단에 청원 링크 또한 첨부하였습니다. 내용에 공감 하신다면 청원 동의를 조심스럽게 부탁드립니다.

https://biz.newdaily.co.kr/site/data/html/2022/10/26/2022102600115.html
https://news.mt.co.kr/mtview.php?no=2022101416145740844

부동산판 '타다' 사태, 소비자를 위한 나라는 없다

데이터 분석/  데이터 엔지니어링

선임

매니저

경영학  학사

kmw8551

Data  killer  whale
#개발자 #데이터분석 #애자일개발 #데이터엔지니어

부동산판 '타다' 사태, 소비자를 위한 나라는 없다

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필