데이터마이너를 꿈꾸며

참고도서: 퇴근시간이 빨라지는 비지니스 통계 입문 

1. 도수분포표란? 

전체 데이터를 일정한 구간으로 나누고, 그 구간에 몇 개의 데이터가 들어있는지 파악하는 표.

도수 분포표를 만들어 보자. 

1) 우선 최대값, 최소값, 범위, 계급의 수 그리고 폭을 구한다.

2) 그리고 도수분포표를 정리한다.

주의: 도수는 frequency함수는 배열. 따라서 입력할 때에는 =FREQUENCY(주스의 양,상한)기입한 후 Ctrl+Shift+Enter로 입력

히스토그램은 위의 표를 바탕으로 그래프만 그려주면 간단히 해결.

source: R을 이용한 데이터 처리 & 분석 실무, 서민구 지음

http://book.naver.com/bookdb/book_detail.nhn?bid=8317471

6. 데이터 프레임: R에서 가장 중요한 데이터 타입

> (d<-data.frame(x=c(1:5),y=c(2:10,2)))

   x  y

1  1  2

2  2  3

3  3  4

4  4  5

5  5  6

6  1  7

7  2  8

8  3  9

9  4 10

10 5  2

> (d<-data.frame(x=rep(1:2,times=3),y=seq(2,12,2)))

  x  y

1 1  2

2 2  4

3 1  6

4 2  8

5 1 10

6 2 12

>

> (d<-data.frame(x=rep(1:2,times=3),

+                y=seq(2,12,2),

+                z=c('M','F','M','F','M','F')))

  x  y z

1 1  2 M

2 2  4 F

3 1  6 M

4 2  8 F

5 1 10 M

6 2 12 F

>

> str(d)

'data.frame':    6 obs. of  3 variables:

 $ x: int  1 2 1 2 1 2

 $ y: num  2 4 6 8 10 12

 $ z: Factor w/ 2 levels "F","M": 2 1 2 1 2 1

> d$x

[1] 1 2 1 2 1 2

> d$x<-rep(1:2,each=3)

> d$x

[1] 1 1 1 2 2 2

> d$w<-c("A","B","C","D","E","F")

> d

  x  y z w

1 1  2 M A

2 1  4 F B

3 1  6 M C

4 2  8 F D

5 2 10 M E

6 2 12 F F

> str(d)

'data.frame':    6 obs. of  4 variables:

 $ x: int  1 1 1 2 2 2

 $ y: num  2 4 6 8 10 12

 $ z: Factor w/ 2 levels "F","M": 2 1 2 1 2 1

 $ w: chr  "A" "B" "C" "D" ...

>

> (x<-data.frame(1:3))

  X1.3

1    1

2    2

3    3

> colnames(x)<-'val'

> x

  val

1   1

2   2

3   3

> rownames(x)<-c('a','b','c')

> x

  val

a   1

b   2

c   3

>

> d<-data.frame(x=c(1:5),y=c(2,4,6,8,10))

> d

  x  y

1 1  2

2 2  4

3 3  6

4 4  8

5 5 10

> rownames(d)<-c('a','b','c','d','e')

> d

  x  y

a 1  2

b 2  4

c 3  6

d 4  8

e 5 10

>

> d$x

[1] 1 2 3 4 5

> d$y

[1]  2  4  6  8 10

> d[1,]

  x y

a 1 2

> d[,1]

[1] 1 2 3 4 5

> d$a

NULL

> d["a"]

Error in `[.data.frame`(d, "a") : undefined columns selected

> d["a",]

  x y

a 1 2

> d

  x  y

a 1  2

b 2  4

c 3  6

d 4  8

e 5 10

> d[c(1,3),]

  x y

a 1 2

c 3 6

> d[c(1,3),1]

[1] 1 3

> d[c(1,3),2]

[1] 2 6

>

> d[-1,]

  x  y

b 2  4

c 3  6

d 4  8

e 5 10

> d[-1,-2]

[1] 2 3 4 5

> d[c("x","y")]

  x  y

a 1  2

b 2  4

c 3  6

d 4  8

e 5 10

> d[,c("x","y")]

  x  y

a 1  2

b 2  4

c 3  6

d 4  8

e 5 10

> d[c("x","y"),]

      x  y

NA   NA NA

NA.1 NA NA

> d[,"x"]

[1] 1 2 3 4 5

> d[,c("x")]

[1] 1 2 3 4 5

> d[,c("x"),drop=F]

  x

a 1

b 2

c 3

d 4

e 5

> (d<-data.frame(a=1:3,b=4:6,c=7:9))

  a b c

1 1 4 7

2 2 5 8

3 3 6 9

> d[,names(d)%in%c("b","c")]

  b c

1 4 7

2 5 8

3 6 9

> d[,!names(d)%in%c("b","c")]

[1] 1 2 3

> d[,!names(d)%in%c("b","c",drop=F)]

[1] 1 2 3

> View(d)

7. 타입 판별

> class(c(1,2))

[1] "numeric"

> class(matrix(c(1,2)))

[1] "matrix"

> class(data.frame(x=c(1,2),y=c(3,4)))

[1] "data.frame"

> str(c(1,2))

 num [1:2] 1 2

> str(matrix(c(1,2)))

 num [1:2, 1] 1 2

> str(list(c(1,2)))

List of 1

 $ : num [1:2] 1 2

> str(data.frame(x=c(1,2)))

'data.frame':    2 obs. of  1 variable:

 $ x: num  1 2

> is.factor(factor(c("m","f")))

[1] TRUE

> is.numeric(c(1:5))

[1] TRUE

> is.character(c("a","b"))

[1] TRUE

> is.data.frame(data.frame(x=1:6))

[1] TRUE

8. 타입 변환

> y<-c("a","b","c")

> as.factor(y)

[1] a b c

Levels: a b c

> y

[1] "a" "b" "c"

> as.character(as.factor(y))

[1] "a" "b" "c"

> x<-data.frame(1:9,ncol=3)

> x

  X1.9 ncol

1    1    3

2    2    3

3    3    3

4    4    3

5    5    3

6    6    3

7    7    3

8    8    3

9    9    3

> is.data.frame(x)

[1] TRUE

> is.matrix(x)

[1] FALSE

> x<-matrix(1:9,ncol=3)

> x

     [,1] [,2] [,3]

[1,]    1    4    7

[2,]    2    5    8

[3,]    3    6    9

> is.matrix(x)

[1] TRUE

> as.data.frame(x)

  V1 V2 V3

1  1  4  7

2  2  5  8

3  3  6  9

> is.data.frame(x)

[1] FALSE

> (x<-data.frame(matrix(c(1:4),ncol=2)))

  X1 X2

1  1  3

2  2  4

> list(x=c(1,2),y=c(3,4))

$x

[1] 1 2

$y

[1] 3 4

> data.frame(list(x=c(1,2),y=c(3,4)))

  x y

1 1 3

2 2 4

> factor(c("m","f"),levels=c("m","f"))

[1] m f

Levels: m f

source: R을 이용한 데이터 처리 & 분석 실무, 서민구 지음

http://book.naver.com/bookdb/book_detail.nhn?bid=8317471

1. 스칼라: 단일 차원의 값을 뜻함. 1,2,3 등

1) NA: Not available라는 상수. 값이 없음, 결측값. 값이 빠진 경우를 뜻함.

> four<-NA

> is.na(four)

[1] TRUE

2) NULL: NA와는 다른 개념으로 undefined 즉, 미정값.

> x<-NULL

> is.null(x)

[1] TRUE

> is.null(1)

[1] FALSE

> is.null(NA)

[1] FALSE

> is.na(NULL)

logical(0)

Warning message:

In is.na(NULL) : is.na() applied to non-(list or vector) of type 'NULL'

3) 진리값: T/F의 사용

> T&F

[1] FALSE

> T|T

[1] TRUE

> T|F

[1] TRUE

> T<-TRUE

> T

 [1] TRUE

> T<-FALSE

> T

[1] FALSE

> TRUE<-FALSE

Error in TRUE <- FALSE : invalid (do_set) left-hand side to assignment

4) 팩터: 범주형 (categorical) 데이터 자료를 표현하기 위한 데이터 타입. 대/중/소 등

 - 명목형(Nominal): 좌/우

 - 순서형(Ordinal): 대/중/소

> sex<-factor("m",c("m","f")) #sex에는 "m"이 지정, 이 팩터의 레벨은 "m","f"로 제한> sex

[1] m

Levels: m f

> nlevels(sex)

[1] 2

> levels(sex)

[1] "m" "f"

> levels(sex)[1]

[1] "m"

> levels(sex)[2]

[1] "f"

> levels(sex)<-c("male","female")

> sex

[1] male

Levels: male female

> factor(c("m","m","f"),c("m","f"))

[1] m m f

Levels: m f

> factor(c("m","m","f"))

[1] m m f

Levels: f m

> ordered("a",c("a","b","c"))

[1] a

Levels: a < b < c

2. 벡터(Vector): 배열의 개념. 한 가지 스칼라 데이터 타입의 데이터를 저장. 

예) 숫자만 저장 또는 문자열만 저장하는 배열이 벡터에 해당.

> x<-c(1,3,4)

> names(x)<-c("a","b","c")

> x

a b c

1 3 4

> x[1]

a

1

> x[-1]

b c

3 4

> x[c(1,3)]

a c

1 4

> x["a"]

a

1

> x[c("b","c")]

b c

3 4

> names(x)[2]

[1] "b"

> length(x)

[1] 3

> nrow(x)

NULL

> NROW(x)

[1] 3

> identical(c(1,2,3),c(1,2,3)) #객체가 동일한지 판단

[1] TRUE

> identical(c(1,2,3),c(1,2,1))

[1] FALSE

> "a"%in%c("a","b","c")

[1] TRUE

> "d"%in%c("a","b","c")

[1] FALSE

> x<-c(1:5)

> x

[1] 1 2 3 4 5

> x+1

[1] 2 3 4 5 6

> 10-x

[1] 9 8 7 6 5

> c(1,2,3)==c(1,2,3)

[1] TRUE TRUE TRUE

> union(c("a","b"),"d")

[1] "a" "b" "d"

> intersect(c("a","b","c"),c("a","d"))

[1] "a"

> setequal(c("a","b","c"),c("a","d"))

[1] FALSE

> setequal(c("a","b"),c("a","b","b"))

[1] TRUE

> setequal(c("a","b"),c("a","b","c"))

[1] FALSE

> seq(3,7)

[1] 3 4 5 6 7

> seq(7,3)

[1] 7 6 5 4 3

> seq(3,7,2)

[1] 3 5 7

> seq(3,7,3)

[1] 3 6

> x<-seq(2,10,2)

> x

[1]  2  4  6  8 10

> 1:NROW(x)

[1] 1 2 3 4 5

> seq_along(x)

[1] 1 2 3 4 5

> rep(1:2,times=5)

 [1] 1 2 1 2 1 2 1 2 1 2

> rep(1:2,each=5)

 [1] 1 1 1 1 1 2 2 2 2 2

> rep(1:2,each=5,times=2)

 [1] 1 1 1 1 1 2 2 2 2 2 1 1 1 1 1 2 2 2 2 2

> (x<-list(name="foo",height=70))

$name

[1] "foo"

$height

[1] 70

3. list: 벡터와 달리 서로 다른 값을 담을 수 있음.

> (x<-list(names="foo",height=c(1,3,5)))

$names

[1] "foo"

$height

[1] 1 3 5

> list(a=list(val=c(1,2,3)),b=list(val=c(1,2,3,4)))

$a

$a$val

[1] 1 2 3

$b

$b$val

[1] 1 2 3 4

> x$name

[1] "foo"

> x

$names

[1] "foo"

$height

[1] 1 3 5

> x$names

[1] "foo"

> x$height

[1] 1 3 5

> x[1]

$names

[1] "foo"

> x[[1]]

[1] "foo"

4. matrix: 행렬

> matrix(c(1:9),nrow=3,byrow=T)

     [,1] [,2] [,3]

[1,]    1    4    7

[2,]    2    5    8

[3,]    3    6    9

> matrix(c(1:9),nrow=3)

     [,1] [,2] [,3]

[1,]    1    4    7

[2,]    2    5    8

[3,]    3    6    9

> matrix(c(1:9),nrow=3,

+        dimnames=list(c("r1","r2","r3"),c("c1","c2","c3")))

   c1 c2 c3

r1  1  4  7

r2  2  5  8

r3  3  6  9

> (x<-matrix(c(1:9),nrow=3))

     [,1] [,2] [,3]

[1,]    1    4    7

[2,]    2    5    8

[3,]    3    6    9

> dimnames(x)<-list(c("r4","r5","r6"),c("c4","c5","c6"))

> x

   c4 c5 c6

r4  1  4  7

r5  2  5  8

r6  3  6  9

>

> x<-matrix(1:9,ncol=3)

> x

     [,1] [,2] [,3]

[1,]    1    4    7

[2,]    2    5    8

[3,]    3    6    9

> rownames(x)<-c("r1","r2","r3")

> x

   [,1] [,2] [,3]

r1    1    4    7

r2    2    5    8

r3    3    6    9

> colnames(x)<-c("c1","c2","c3")

> x

   c1 c2 c3

r1  1  4  7

r2  2  5  8

r3  3  6  9

> x[1,1]

[1] 1

> x[,2]

r1 r2 r3

 4  5  6

> x[1:2,]

   c1 c2 c3

r1  1  4  7

r2  2  5  8

> x[,1:2]

   c1 c2

r1  1  4

r2  2  5

r3  3  6

> x[c(1,2),c(2,1)]

   c2 c1

r1  4  1

r2  5  2

> x[c(1,1),c(1,3)]

   c1 c3

r1  1  7

r1  1  7

> x[c(1,3),c(1,3)]

   c1 c3

r1  1  7

r3  3  9

> x[c(2,1),c(1,2)]

   c1 c2

r2  2  5

r1  1  4

> x<-matrix(1:9,nrow=3)

> x*2

     [,1] [,2] [,3]

[1,]    2    8   14

[2,]    4   10   16

[3,]    6   12   18

> x+x

     [,1] [,2] [,3]

[1,]    2    8   14

[2,]    4   10   16

[3,]    6   12   18

> x%*%x

     [,1] [,2] [,3]

[1,]   30   66  102

[2,]   36   81  126

[3,]   42   96  150

> t(x)

     [,1] [,2] [,3]

[1,]    1    2    3

[2,]    4    5    6

[3,]    7    8    9

> (x<-matrix(c(1:4),ncol=2))

     [,1] [,2]

[1,]    1    3

[2,]    2    4

> solve(x)

     [,1] [,2]

[1,]   -2  1.5

[2,]    1 -0.5

> (x<-matrix(c(1:6),nrow=2))

     [,1] [,2] [,3]

[1,]    1    3    5

[2,]    2    4    6

> dim(x)

[1] 2 3

> dim(x)<-c(3,2)

> x

     [,1] [,2]

[1,]    1    4

[2,]    2    5

[3,]    3    6

5. Array: 배열. Matrix행렬이 2차원이라면 배열은 다차원 데이터

> array(1:12,dim=c(3,4))

     [,1] [,2] [,3] [,4]

[1,]    1    4    7   10

[2,]    2    5    8   11

[3,]    3    6    9   12

> (x<-array(1:12,dim=c(2,2,3)))

, , 1

     [,1] [,2]

[1,]    1    3

[2,]    2    4

, , 2

     [,1] [,2]

[1,]    5    7

[2,]    6    8

, , 3

     [,1] [,2]

[1,]    9   11

[2,]   10   12

> x[1,1,3]

[1] 9

source: https://github.com/derekfranks/practice_assignment

To begin, download this file and unzip it into your R working directory.
http://s3.amazonaws.com/practice_assignment/diet_data.zip

> setwd("D:/temp/r_temp")

> list.files("diet_data")

[1] "Andy.csv"  "David.csv" "John.csv" 

[4] "Mike.csv"  "Steve.csv"

> andy<-read.csv("diet_data/Andy.csv")

> head(andy)

  Patient.Name Age Weight Day

1         Andy  30    140   1

2         Andy  30    140   2

3         Andy  30    140   3

4         Andy  30    139   4

5         Andy  30    138   5

6         Andy  30    138   6

> length(andy$Day)

[1] 30

> nrow(andy)

[1] 30

> ncol(andy)

[1] 4

> length(andy)

[1] 4

> dim(andy)

[1] 30  4

> str(andy)

'data.frame':  30 obs. of  4 variables:

 $ Patient.Name: Factor w/ 1 level "Andy": 1 1 1 1 1 1 1 1 1 1 ...

 $ Age         : int  30 30 30 30 30 30 30 30 30 30 ...

 $ Weight      : int  140 140 140 139 138 138 138 138 138 138 ...

 $ Day         : int  1 2 3 4 5 6 7 8 9 10 ...

> summary(andy)

 Patient.Name      Age         Weight           Day       

 Andy:30      Min.   :30   Min.   :135.0   Min.   : 1.00  

              1st Qu.:30   1st Qu.:137.0   1st Qu.: 8.25  

              Median :30   Median :137.5   Median :15.50  

              Mean   :30   Mean   :137.3   Mean   :15.50  

              3rd Qu.:30   3rd Qu.:138.0   3rd Qu.:22.75  

              Max.   :30   Max.   :140.0   Max.   :30.00  

> names(andy)

[1] "Patient.Name" "Age"          "Weight"       "Day" 

> andy[1,"Weight"]

[1] 140

> andy[1,"weight"]

NULL

> andy[30,"Weight"]

[1] 135

> andy[which(andy$day)==30,"Weight"]

Error in which(andy$day) : argument to 'which' is not logical

> andy[which(andy$Day)==30,"Weight"]

Error in which(andy$Day) : argument to 'which' is not logical

> andy[which(andy$Day==30),"Weight"]

[1] 135

> andy[which(andy[,Day]==30),"Weight"]

Error in `[.data.frame`(andy, , Day) : object 'Day' not found

> andy[which(andy[,"Day"]==30),"Weight"]

[1] 135

> subset(andy$Weight, andy$Day==30)

[1] 135

> andy_start<-subset[andy$Weight,andy$Day==1]

Error in subset[andy$Weight, andy$Day == 1] : 

  object of type 'closure' is not subsettable

> andy_start<-subset(andy$Weight,andy$Day==1)

> andy_start

[1] 140

> andy_start<-andy[1,"Weight"]

> andy_end<-andy[30,"Weight"]

> andy_loss<-andy_start - andy_end

> andy_loss

[1] 5

> files<-list.files("diet_data")

> files

[1] "Andy.csv"  "David.csv" "John.csv"  "Mike.csv"  "Steve.csv"

> files[1]

[1] "Andy.csv"

> files[-1]

[1] "David.csv" "John.csv"  "Mike.csv"  "Steve.csv"

> files[2]

[1] "David.csv"

> files[3:5]

[1] "John.csv"  "Mike.csv"  "Steve.csv"

> files[c(1,3)]

[1] "Andy.csv" "John.csv"

R 텍스트마이닝 연습. 책은 R까기 참고, 대상은 2014년 대통령 신년사(출처: 네이버 검색). 

> setwd("D:/temp/r_temp")

> library(KoNLP)

> library(wordcloud)

> useSejongDic()

> mergeUserDic(data.frame("청마","ncn")) #위 사전에 해당 단어 추가하는 과정

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("수자원공사","ncn"))

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("4대강","ncn"))

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("원전비리","ncn"))

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("시험성적서","ncn"))

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("코레일","ncn"))

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("벤처창업","ncn"))

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("창업경제타운","ncn"))

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("창조경제추진단","ncn"))

1 words were added to dic_user.txt. 

> mergeUserDic(data.frame("규제총량제","ncn"))

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("세계평화공원","ncn"))

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("유라시아","ncn"))

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("원스톱","ncn"))

1 words were added to dic_user.txt.

> mergeUserDic(data.frame("자유학기제","ncn"))

1 words were added to dic_user.txt.

> txt<-readLines("president_lastyear.txt") # txt라는 변수에 분석용 데이터를 변수로 읽기

> place<-sapply(txt,extractNoun,USE.NAMES=F) #txt파일에서 공백을 기준으로 조사해 명사만 찾아 place라는 변수에 저장

> head(unlist(place),30) #추출된 명사를 30개만 출력하여 확인

> c<-unlist(place) # 필터링을 위해 unlist 작업을 지정해서 저장

> place<-Filter(function(x){nchar(x)>=2},c) #두 글자 이상 되는 것만 필터

> place<-gsub(" ","",place) # gsub 함수를 이용하여 불필요한 단어 삭제

> place<-gsub("해서","",place)

> place<-gsub("하기","",place)

> place<-gsub("들이","",place)

> write(unlist(place),"president_lastyear_2.txt") #파일로 저장한 후 테이블 형태로 변환

> rev<-read.table("president_lastyear_2.txt") #수정 완료된 파일을 table 형식으로 변환하여 다시 변수에 불러드림

> nrow(rev) #rev변수에 데이터가 몇 건이 있는지 조회

[1] 819

> wordcount<-table(rev) #rev변수의 값을 table형태로 변환해서 wordcount라는 변수에 할당

> head(sort(wordcount,decreasing=T),30) #빈도수 상위 30개, 많은 순으로 정렬

> library(RColorBrewer) #칼러 불러오기

> palete<-brewer.pal(9,"Set1") #색깔 지정

> wordcloud(names(wordcount),freq=wordcount,scale=c(5,1),rot.per=0.25,min.freq=3,random.order=F,random.color=T,colors=palete)#최소 3회 언급 인쇄

> savePlot("2014president_newyearmessage.png",type="png") #그림으로 저장

앨빈토플러의 책을 빌리러 회사 자료실에 갔지만 없었다. 2008년 이후 경제 위기가 몇 년동안 뉴스를 강타하는 이 시점에서 눈길을 끄는 책 제목이 하나 있었다. 앨빈 토플러 불황을 넘어서.

 
책을 읽으면서 나에게 와 닿았던 문구들 몇가지 공유해 본다.

• 미래는 예측하는 것이 아니라 상상하는 것이다. 직업을 선택할 때 꼭 10년 뒤에도 유망할지를 생각해보라.
• 진짜 하고 싶은 것이 있으면 남들이 뭐라고 하든 해보라!
• 나는 독서기계다. 미래를 상상하는 데는 독서만큼 유용한 방법이 없다. 그것은 저자가 오랜 세월을 바쳐 연구한 것을 짧은 시간에 자신의 것으로 만들 수 있는 효과적인 방법이기 떄문이다.
• 대학 때 저널리즘 강의를 듣지 않았다고 신문사에서 받아주지 않았는데 만화라도 그리겠다고 해서 들어갈 수 있었고, 다음 학기에는 신문사의 편집장이 되었다. 정말 하고 싶은 게 있다면 어떤 곳이든 길이 있게 마련이다.
• 작은 일을 할 때도 큰 그림을 그리며 실행하라. 그래야 올바른 방향으로 갈 수 있다.

• 지식이 노동의 가치를 좌우하게 된다. 때문에 작업 시간도 획일적인 시간에 따를 필요가 없다. 한 마디로 자기 시간의 주인이 될 수 있는 세상이 온다.
• 구글의 규모는 엄청나다. 아이디어와 지식으로 승부하고 있지 물질적인 것을 추구하지 않는다. 무형자산과 유형자산이 경제 안에서 어떻게 상호작용하고 있는지를 살펴봐야 한다.

• 21세기 문맹은 읽고 쓸 줄 모르는 이들이 아니라 학습할 줄도, 학습한 것을 망각할 줄도,재학습할 줄도 모르는 이들이다.
• 미래는 생각보다 빨리 온다. 그것도 예상치 못한 순서로 온다.
• 앞으로 프로슈머 경제가 폭발적으로 증가함에 따라 새로운 백만장자들이 수두룩하게 나타날 것이다.

<월급전쟁 표지>

읽게 된 계기

우선 제목이 자극적이라 그런지 손이 먼저 갔다. 예전에 미네르바의 경제전쟁이라는 책을 접할 기회가 있었는데, 이 책은 우리가 알고 있다고 생각한 경제 현실이 진실인지 다양한 도표를 제시하고 있다.  꼼꼼한 비교 분석 없이 선택한 펀드, 약관 한 번 제대로 읽지 않고 설계사의 권유로 가입한 보험, 월급에서 매달 빠져나가는 국민연금에 대해서도 자세하게 다루고 있는데, 월급 전쟁의 목차를 볼 때도 비슷한 느낌이 들어 읽게 되었다.

그러면서 최고의 재테크는 다름 아닌

• 현명한 소비
• 절약
• 자신만의 무형상품 개발

탐스 스토리. 책을 읽기 전부터 탐스의 1+1 기부 이야기는 각종 언론을 통해 들어왔었고 회사 내 내의 강의에서도 여러번 언급 되었던 터라 실은 이미 알고는 있었다. 그럼에도 불구하게 이 책을 읽게 된 계기는 올 봄 부터 회사 동기 3명과 함께 사내 아이디어 공모전을 시작하였는데, 우리가 제안한 비지니스 모델을 좀 더 발전 시키기 위해 회사의 지원을 통해 읽게 되었다.

 이 책은 저자 블레이크 마이코스키의 책을 쓴 이유로부터 시작된다. 

 그럼 이 TOMS 모델이 탄생한 이야기를 짧게 정리해 본다.

저자는 사업이 아닌 휴가 목적으로 아르헨티나를 방문하였고, 며칠 동안 이 마을에서 저 마을로 여행을 다니며 극심한 빈곤에 시달리는 사람들을 볼 수 있었다. 세상 어딘가에서 가난한 아이들이 있다는 것은 누구나 알고 있는 하나의 Fact 이겠지만, 이를 눈으로 직접 보고서 새로운Act 즉, 신발 기부 운동을 펼치겠다는 아이디어를 실행하겠다는 결심은 다른 문제이다. 

 이 아이디어는 간단한 개념이었다. 오늘 신발 한 켤레를 팔면 내일 신발 한 켤레를 기부한다. ' 더 나은 내일을 위한 신발(Shoes for a Better Tomorrow)', 이것이 내일의 신발(Tomorrow's Shoes)'이 되었고 다시 탐스(TOMS)가 되었다.

사실 내가 이 책을 보려는 목적은 이 회사가 운영되는 비지니스 모델을 보고함이었다. 이는 간단하게 시작하였다. 책상 머리에 모여 컨설턴트들이 현란한 PT를 통해 만들어낸 비지니스 모델이 아닌, 몸소 느끼며 머릿속에 스쳐지나간 하나의 아이디어였다. (왜 모든 위대한 기업들은 이런 스쳐 지나가는 작은 아이디어에서 시작되는지는 모르겠지만...)

그럼 신발 디자인을 잠깐 살펴보자. 이는 아르헨티나의 국민적인 신발인 알파르가타라인데 부드러운 캔버스 천으로 만들어 폴로 선수에서 농부, 학생에 이르기까지 전 국민이 신다시피 했다.

<알파르가타>

저자는 현지 제화공들을 참여시켜 신발을 개랑하였고,  당장 물건을 돈을 받고 팔기는 어려웠기 때문에 가까운 친구들에게 신발을 나눠주며 스토리를 알려주었다. 친구들의 도움을 받아 신발을 팔아줄 만한 가게들의 목록을 받은 저자는  아메리칸 래그(American Rag)에서 첫 거래를 시작한다. 단순한 신발 이상임을 깨달은 고객들이 생겨났고 『로스엔젤레스 타임즈』, 『타임』, 『엘르』 등 잡지에 소개되어 나갔고, 현재는 기부 활동에 참여하는 고객들이 스스로 나서고 있고 TOMS 스토리에 영감받은 수 많은 사업가들이 생겨난 이야기가 오늘도 끊이지 않고 있다. 

<블레이크가 신발을 신겨주는 모습>

여기까지가 그의 스토리다. 이게  끝이다. 나머지 이야기는 그 과정에서 만났던 사람들과 회사 운영이야기이다. 사실 이런 기부하는 회사의 사회 공헌은 이미 오래전부터 있었다. 하다못해 "매출의 1%를 사회에 기부합니다."라는 문구는 오래전부터 보아왔었고, 사실 식상한 모델로 나에게는 느껴졌다.지난 6월 키엘 매장을 방문하였는데, 키엘은 글로벌 사회 공헌 활동 ‘MEET MR. BONES’ 프로젝트를 런칭, 이들 제품의 판매 수익금 일부를 어린이 재활 병원 건립에 돕는다고 하였다. 취지도 좋았고, 스토리도 좋았다. 평소 활발한 기부 활동을 펼치고 있는 연예인까지 합류하였다.

그리고 이 책을 읽으며 나에게 영감을 주었던 몇 가지 글귀를 적어본다.

• 끝내주는 아이디어와 평균 이하의 실행 능력 보다는 괜찮은 아이디어와 훌륭한 실행 능력을 택하겠어요.
• 기부를 결합한 비지니스 모델을 만들어내고 사업에 손익계산보다 더 큰 소명을 부여한다면, 자본이 풍족한 회사들은 누릴 수 없는 기회를 얻게 된다.
• 진정으로 섬기는 리더는 직원들에게 영감을 준다.
• 손님이 특별한 요구를 할 대에는 최대한 특별한 존재가 된 듯한 기분을 느끼게 해줘라.
• 상관없어. 나는 세상을 바꾸고 있어. 난 거기 갔어. 아이들 발에 신발을 신겨줬어. 난 세상을 바꿨어.
• 당신이 필요에 따라 기부하지 마라. 당신이 돕고자 하는 상대에 따라 상품을 디자인하고, 서비스를 제공하고, 기부하라.
• 시작하라! 만약 당신의 머릿속에 잠든 그 아이디어가 정말로 괜찮은 아이디어라면...

 고객 서비스에 대한 사례는 많았지만 내반족이라는 병을 앓고 있는 고객에게 양쪽 발의 다른 사이즈의 신발을 늘 두 켤레 사는 불편함을 덜어주고자 특별 제작한 사례는 CS업계에서 또 하나의 오래된 사례가 될 것임이 분명하다. 

TOMS 스토리가 위대한 것은 이가 많은 사람들에게 영감을 주고 있기 때문이다. 회계사 직장을 던지고 TOMS에 합류한 사람들, 무일푼으로 시작한 인턴들, 스티브 잡스가 차고에서 시작한 것 처럼 아파트에서 TOMS를 믿고 사업을 시작한 초기 멤버들이 그들이다. 

그리고 TOMS와 같은 또 다른 사업이 어디선가 시작되고 있다. 바로 가방 하나가 팔릴 때 마다 개발도상국 아이들에게 1년간 무료 급식을 하는 사업을 시작한 피드(FEED)의 로런(Lauren)처럼 그리고 아프리카에서 뇌수막염 예방접종을 실시하고 있는 원샷(OneShot)의 타일러(Tyler)처럼...

마지막으로 블레이크가 말하는 성공에 대해 정리하며 글을 마무리한다.

   한 때 내가 살았음으로 인해 
   단 한 명의 삶이라도 더 편안해지는 것.
   그것이 바로 성공.