R, Python 분석과 프로그래밍의 친구 (by R Friend)

'경제를 움직이는 인간 심리의 모든 것'이라는 부제가 붙은 책,

『행동경제학』 (Behavioral Economics), 도모노 노리오 지음, 이명희 옮김, 지형

오늘 오전까지 해서 다 읽었네요.

아, 어쩜 이리 재미있을 수가요!

사실 재작년에 서울대 최인철 교수님의 책 『프레임』을 읽었던적이 있어서 대략 '최 교수님 책 프레임 ±α' 려니 생각하고 큰 기대는 안했었는데요, 막상 읽어보니 넘 재미있네요. 

2002년 노벨경제학상 수상자가 누구인지 아시나요?

프린스턴 대학의 다니엘 카너먼(Daniel Kahneman) 교수예요.

그런데요, 이분이 경제학과 교수가 아니라 심리학과 교수예요. 심리학과 교수가 노벨경제학상을 받았던 거지요.

이 심리학과 교수님이 왜 노벨 경제학상을 받았냐?

아담 스미스 이후로 '가정'해 온 '경제적 인간', '합리적 인간' 像이 실제 현실 세계와는 맞지 않다는 것을 증명해보였기 때문이예요.

이성적으로 계산하고, 이기적으로 선택해서, 개인의 효용을 최대화하고, 이런 선택을 항상 일관성있게 하고, 감정에는 전혀 휘둘리지 않으며, 아무리 어려운 계산도 척척 계산해내고, 현재 일이든 앞으로의 미래 일이든 동일한 가치 기준을 들이대서 선택하고, 상황이나 맥락에 좌우되는 바이어스없이 합리적으로 선택할 줄 아는 인간, 바로 호모 이코노미쿠스!  바로 이 호모 이코노미쿠스에게 똥침을 제대로 쏜거지요.

이 책의 저자 도모노 노리오 교수는 그렇다고 앞으로 '이성'은 No, '감정'만 Yes 식의 단순무식한 대반전을 주장하는건 아니구요, '이성과 감정의 댄스'로 표현하고 있네요.  '이성'과 '감정'의 균형을 잡아 인간에 대해 좀더 현실적으로 이해해보자는 쪽이예요. 저도 동감입니다. 분명 인간에게 '이성' 측면도 중요하고, 대신 그동안 '감정'을 무시해왔는데 이쪽을 앞으로 같이 조명해보자는 거니까요.

윤리에 관한 감정 연구를 전문으로 하는 심리학자인 조너던 하이트(j. Haidt)는 감정이 머리이고, 합리성은 꼬리에 불과하다고 까지 주장하고 있는데요, 좀 꼽십어봐야 할 대목이네요.  영화 '인셉션' 보고 나서 '무의식'에 대해서 다시 생각해보고 있는 참이라서요. ㅎㅎ

이 책에는 아주 다양한 '실험'들이 나와요.  이게 읽는 재미를 솔솔 부추겨줍니다.

한번 같이 풀어보세요. 몇 개 인용해 보자면요,

'확률 이해의 어려움'이라는 내용에서는요,

집 근초에 새로 한 가족이 이사를 왔다. 아이가 2명 있다는 것을 알고 있지만, 아들인지 딸인지는 모른다.

(문1)  이웃집 부인에게 '딸이 있습니까'라고 물었더니 대답은 '네'였다. 다른 한 아이도 딸일 확률은 얼마인가?

(문2) 이웃집 부인에게 '큰 아이가 딸입니까?'라고 물었더니 대답은 '네'였다. 또 한명도 딸일 확률은 얼마인가?

(문3) 이웃집 부인이 딸을 1명 데리고 걷고 있는 것을 보았다. 다른 한 명의 아이도 딸일 확률은 얼마인가?

1번, 2번, 3번 문제가 비스그리무리한게 그게 그거 같고... 헷갈리시죠? 

3분 시간 드릴테니 고민해보세요.

                     :

                     :

                     :

                     :

                     :

                     :

                     :

                     :

답은  (1번) 1/3       (2번) 1/2      (3번)  1/2

'경제적 인간'이라면 확률 계산을 척척 해내야 할텐데, 간단 계산 '휴리스틱'을 사용하는 '제한된 합리성을 가진 인간'은 실제 확률 계산에 아주 어려움을 겪고 있지요.  어렵죠?

손실은 똑같은 금액의 이익보다도 훨씬 더 강하게 평가한다는 손실회피성(loss aversion)은 이미 상식적으로 많이 알려진 사실일 듯 하네요.

처음 준거점이 어디냐, 그리고 이 준거점을 기준으로 어느 방향으로 이동하느냐에 따라서 '공정성' 평가와 선택의 내용이 상당한 영향을 받는다든지, 보유하고 있는 물건이나 현재의 상태를 유지하고 싶어하는 바이어스가 있다든지 하는 내용이 눈에 쏙쏙 들어오네요.

사례 하나 더 소개하자면,

● case1. 어떤 소기업에 여러 명의 종업원이 일하고 있다. 그들의 임금은 그 지역에서는 평균 수준이다. 최근 실적이 이전보다 좋지 않다. 경영자는 임금을 10% 정도 내리기로 했다.

☞  수용할 수 있다 39%,  불공정하다 61%

● case2. 어떤 소기업에 여러 명의 종업원이 일하고 있다. 그들에게는 매년 임금의 10% 정도가 보너스로 지급되었다. 그들의 임금은 그 지역에서는 평균 수준이다. 최근 실적이 이전보다 좋지 않다. 경영자는 금년부터 보너스를 지급하지 않기로 했다.

☞ 수용할 수 있다  80%,   불공정하다 20%

위의 사례를 보니 어떠세요?  (세금효과 미고려 시) 실질 소득은 같음에도 불구하고 준거점이 어디냐에 따라서 한쪽은 불공정하다고 느끼는 사람이 더 많고, 또 한쪽은 수용할 수 있다가 더 많지요. 이거 완전 조삼모사잖아요.  경영자이든, 마케터든, 인사담당자이든 왜 이 책을 읽어야 하는지 아시겠지요?  

프레이밍 효과도 아주 재미있어요. 문제의 표현방법, 사고의 틀이라고 할 수 있는 '프레임'을 어떻게 던져주느냐에 따라서 답변이 틀려져요. 

(질문1)  미국 정부는 아시아에서 발생한 희귀병으로 600명이 사망할 것이라고 예상하고, 이 질병을 박멸하려 한다. 그러기 위해 2개의 프로그램이 물망에 올랐다. 어느 쪽이 더 희망적인가. 이 병의 생사에 대한 확률은 과학적으로 정확하다. 다음의 선택 대안에서 당신은 어느 것을 선택할 것인가?

A: 200명은 살린다  [응답 비율 -> 72%]

B: 600명 모두가 살 수 있는 확률 1/3, 모두 살 수 없는 확률 2/3 [28%]

(질문2)  (문제의 설정은 위와 같다)

C: 400명이 죽는다  [22%]

D: 모두 사망하지 않을 확률 1/3, 600명이 모두 사망할 확률 2/3   [78%]

이 문제가 프레이밍 효과에 대한 최초의 예로 카너먼과 트버스키가 제시해서 유명해진 '아시아의 질문 문제'라고 하는군요.  결국 내용은 같은데 표현 방법, 즉 프레임만 살짝 바꾸었더니 답변이 정반대로 바뀌었어요.  이게 바로 사람입니다.  결국은 같은 문제에 프레임을 달리했더니 답변이 다른 모순된 인간.  더욱 놀라운 것은 트버스키와 카너먼이 이 실험이 끝난 후 선택이 일관되지 않았다는 사실을 실험자들에게 알려주었다고 해요. 그런데도 여전히 실험참가자의 선택은 바뀌지 않았다고 하는 군요. 하여간 똥고집 하고는.... 이게 인간이예요. ^^;  

對 고객 communication 담당하는 마케터, 홍보전문가, research 전문가라면 반드시 이 책 읽고서 자신의 업무 영역에 시사하는 바가 무엇인지 곱씹어 보아야 마땅하다고 생각해요.

각 나라별 장기기증자의 비율이 크게 다른 이유가 '초기값(디폴트 값) 효과' 차이라고 하네요. 이 내용은 리처드탈러의 '넛지(Nudge)' 책에서도 나온 내용이군요.

이 밖에 인간에 대한 이해를 도모할 수 있는 아주 많은 시사점들이 여기저기 널려있는 책이예요.  프로스펙트 이론(Prospect theory), 휴리스틱(heuristic)과 바이어스(bias), 심적회계라든지, 매몰비용에 얽매이는 심리라든지, 선택대안이 너무 많으면 결국 결정할 수 없다는 실험결과라든지, Peak End 효과라든지...

저는 특히 '제8장. 타인을 돌아보는 마음 - 사회적 선호' 편에서 '신뢰'와 '사회적 협력'에 대해서 다루는 장이 이 책을 통해서 특히 큰 도움을 받은 부분이예요.  지난달에 칼럼 쓰려고 'CRM과 신뢰'에 대해서 키워드들 정리하면서 풀지 못했던 고리들 중 빈 부분을 채울 수 있는 힌트를 얻었거든요.

책 리뷰가 자꾸 길어지네요. 

이 책에 소개된 내용 중 아주 인상적인 내용 두개 소개하는 것으로 리뷰 글 마칩니다.

case1. 최종제안 게임에서는 2명의 참가자(제안자와 응답자)가 있다. 제안자는 초기 금액(예를 들면, 1000원) 중 임의의 금액(예를 들면 300원)을 응답자에게 건네준다는 제안을 한다. 그 다음 응답자는 그 제안을 수락할지 거부할지를 결정한다.

  많은 실험결과에서 공통된 사항은 제안자의 평균적인 제안액은 45% 전후이며, 최대치는 50%이다. 또한 30% 이하의 제안 중 반 정도는 응답자에 의해 거부되었다.

유일한 예외라고 할 수 있는 것이 힐과 샐리가 실시한 자폐증 환자를 실험참가자로 정해 시행한 최종제안 게임 실험이다. 제안자가 된 자폐증 환자 중 대략 3분의 1은 제로의 금액을 제안했다. 자폐증 환자는 타인의 마음을 잘 읽지 못하는 특징이 있고, 응답자가 거부할지 말지를 대부분 예측할 수 없기 때문이다. 얄궂게도 이것이 경제적 인간의 행동예측에 가장 잘합치되는 예이다. (p263~p264)

 또한 M.Hsu 등은 안와전피질에 손상을 입은 사람에게 동일한 선택실험을 실시했는데, 그들은 모호한 상황과 리스크 상황에서 다른 행동을 보이지 않았다.  얄궂게도 그들의 행동이 주류경제학이 전제로 하는 기대효용이론의 예측과 가장 잘 합치된 것이다.

그동안의 주류경제학에서 '가정'해 왔던 '경제적 인간'이 '자폐증 환자' 또는 '뇌의 안와전피질 손상 환자'와 아주 잘 일치된다고 하네요.  경제학, 심리학, 뇌과학의 경계를 넘나드는 '행동경제학'의 세계로 관심을 기울여야 할 이유로 충분하겠지요? ^_-

• R은 무엇인가? (What is R?)

 R이 무엇인지에 대해서 R 공식 사이트(http://www.r-project.org/)에서는 "R은 통계 분석과 그래픽을 위한 언어이자 환경이다(R is a language and environment for statistical computing and graphics.)"라고 정의하고 있다. 

 오픈소스 "통계 분석(statistical computing)" 툴이라고 많이 알고 있을 듯 한데, 이에 더해 "그래픽(graphics)", "언어(language)", "환경(environment)"이라는 말은 무슨 말이가 하고 관심이 갈 듯 하다. 

 특히 R 공식 사이트의 "About R" 메뉴(http://www.r-project.org/about.html)에서는 첨언하기를 "많은 사용자들이 R을 통계시스템이라고 생각지만, 우리는 R을 통계 기법이 실행되는 환경으로 생각해주기를 바란다 (Many users think of R as a statistics system. We prefer to think of it of an environment within which statistical techniques are implemented.)" 고 말하고 있다. 

 이는 R이 통계분석(statistical computing)과 그래프(graphics)가 파워풀하다는 점 외에도 "(프로그래밍) 언어(language)"이자 "(분석/개발) 환경 (environment)"로서 타 분석 툴과 차별화되는 강점이라고 말할 수 있겠다. 

 참고로 덧붙이자면, R은 오클랜드 대학교의 Robert Gentleman and Ross Ihaka에 의해서 처음 개발되었으며, 1997년 부터는 contributor들로 구성된 핵심 그룹에 의해서 소스코드가 관리되고 있고, 오픈GNU General Public License에 의거해서 무료로 사용할 수 있는 오픈소스 소프트웨어이다.  

 그럼, 자연스레 왜 R인가? R이 여타 분석 소프트웨어와 다른 점, 강점이 무엇인가로 넘어가보도록 하자. 

• 왜 R인가? (Why R?)

 R을 통계 분석 위주로 사용해본 개인적인 경험에서 R이 좋은 점을 순서대로 적어보자면, 

1) 무료, 공짜, 0원 (free) 

오픈소스로서 무료이다 보니 원하는 사람, 기관, 기업이면 가져다가 바로 사용할 수 있다. 특히, 요즘 우리나라처럼 장기불황의 그림자에 짖눌려 기업에서 IT예산이 긴축 일변도인 상황에서는 무료라는 점이 그 어느때보다도 큰 매력으로 다가올 것 같다. 
(물론, "상용툴처럼 관리/지원해주는 정식 회사/조직이 없다"는 우려와 한계점이 있기도 하다) 

2) 안되는게 없는 분석 기능 (packages)

R에는 2015년 현재 4천개가 넘는 통계분석 패키지가 있다. 가장 최신의 분석기법이 상용 통계분석 툴에는 없더라고 R에는 있을 가능성이 높다. 오픈소스이다 보니 전세계의 분석가, 개발자들이 R의 프로그래밍 언어이자 개발환경이라는 장점을 활용해 분석 패키지, 자동화된 사용자 정의 함수를 만들어서 배포, 공유하는 생태계가 형성되어 있으며, 이를 통해 어느 상용 툴보다도 빠르게 또 광범위하게 분석 기능이 확장되고 고도화되고 있는 것이다. 
(물론, 이는 장점이면서 동시에 단점이기도 하다. 초보자가 4천여개의 패키지 중에서 자신에게 딱 맞는 패키지를 골라 쓰려면 대략 난감해질 가능성 또한 높다)

3) 강력한 그래프 기능 (graphics)

머리로 생각할 수 있는 거의 대부분의 그래프는 R로 프로그래밍해서 그릴 수 있다. 게다가 이쁘기까지 하다. R로 그래프를 그려서 바로 신문이나 책, 인터넷 포스팅에 사용해도 전혀 손색이 없을 정도로 완성도 높게 그래프가 그려진다. 엑셀에서는 불가능한, 다양한 데이터 조건을 줘서 그래프를 그리는 것도 가능하다. 시각화가 분석에서 가지는 중요성을 생각해본다면 통계 전문가가 아니어서 다양한 분석 패키지를 쓸 일이 없는 사용자라 하더라도 R의 강력한 그래프 기능 하나만 가지고도 R을 공부하고 사용할만한 충분한 값어치가 있다고 생각한다. 블로그 포스팅 하면서 R의 시각화, 그래프 기능에 대해서 자세하고도 집요하게 소개를 해보고 싶은 욕심이 있다. 

(물론, 다양한 옵션에 '헐, 어렵다'고 지레 겁먹을 수도 있겠다. '강력한 기능/다양한 옵션 = 어렵게 느껴질 수 있는 함정'이라고나 할까...)

4) 데이터 처리도 거뜬 (data manipulation)

데이터 분석을 하다보면 데이터 수집/처리/탐색적분석이 투입 공수의 60~80%를 차지하고 모델링은 상대적으로 적은 시간이 소요된다. 데이터를 떡 주무르듯이 자유자재로 다룰 수 있어야지 '데이터 분석 좀 하네'라는 소리를 들을 수 있을텐데, R은 데이터 처리에 있어서도 매우 강력한 툴이다. 

(물론, 기존 상용 통계분석툴의 사용자라면 R이라는 새로운 언어를 배우고 익히는데 처음에는 애를 좀 먹을 것이다. R 처음 배울 때 나오는 스칼라, 벡터, 요인, 행렬, 데이터프레임, 리스트 등.... 을 접하고는 '엥? 이것들이 다 뭐지? 뭐에 쓰는 용어지?'.... 기존 툴하고는 달라서 힘들 수는 있겠다.)

5) 객체 지향 프로그래밍 언어 (object-oriented programming language)

일회성 분석하고 끝낼게 아니라면, 시스템화/자동화를 해야하는 상황이라면, 개발자라면 '객체 지향 프로그래밍 언어'라는 말이 가지는 힘, 의미를 잘 알 것이라고 생각한다. R은 벡터 연산과 Indexing이 정말 유용하고 강력하며, 사용자 정의 함수와 루프 돌리는 프로그래밍 언어 또한 강력하고, 지도 등의 애플리케이션과도 연동이 되는데, 거기에 통계분석까지 된다. 구글이 회사차원에서 R을 사용한다고 하는데, 아마 이런 이유들 때문에 상용 통계 툴이 아니라 R을 사용하는게 아닌가 싶다. 

(물론, 분석 위주로 업무를 보는 분, 분석 관련 전공하신 분들은 프로그래밍, 개발 얘기하면 이게 무슨 소리인가 하고 잘 이해가 안갈 수도 있겠으나, 좌절하지는 마시길.)

6) 커뮤니티, 공개/공유된 자료 (community, google.com, coursera.org, etc)

국내는 아직 R사용자가 그리 많아보이지는 않으나, 해외에서는 이미 R사용자가 꽤 많다. R 분석하다가 뭔가 잘 안된다거나 궁금한게 있다면 Google에 검색해보라. 없는거 빼고 다 있다. R 커뮤니터, 블로그도 많다. R 관련 책도 많다. Coursera와 같은 오픈 강좌에도 R 관련 교육이 있다. 

(물론, 영어 못하면 소외된다. 그나마 다행인 것은, 작년부터 해서 올해 R 관련 한글책이 많이 출간되기 시작했고 또 오프라인 강좌도 하나 둘 생기고 있다는 점이다)

7) 쉬운 설치(Easy to install), 실습 데이터셋 (embedded data-set)

통계분석 공부 시작하는 초급자라면 클릭 몇 번으로 끝나는 쉬운 다운로드/설치, 그리고 분석을 위한 실습 데이터셋이 패키지에 기본으로 따라온다는 점이다. 분석 이론 공부 끝났는가? 그럼 10분 안에 공짜로 쉽게 설치해서 바로 데이터셋 불러다가 분석 실습할 수 있다. 빅데이터 분석한다고 하둡 클러스터 구성하고 소프트웨어 설치하다가 진빼고 지쳐 나가떨어져본 사람이라면 R 설치가 누워서 떡먹기보다 쉽다는 점에 놀라지 않을 수 없을 것이다. 거기다가 RStudio 깔아서 쓰면 사용자 UI도 꽤 좋고 편하다. (RStudio도 기업용이 아니라면 공짜.^^)

(물론, R도 패키지 찾아서 설치하는게 초보자에게는 어려운 과정일 수 있다. 그리고 빅데이터에도 암바리 같은 설치/관리를 도와주는 소프트웨어가 생겨서 초창기처럼 설치하다가 절망하고 포기하는 사태는 방지할 수 있게 되기도 했다)

8) 소위 뜨는 분석 언어 (Hot Job Trend)

R과 Python 공부하면 좋다고 긴 말이 필요 없을 것 같다. 아래의 3개 Job Trend 그래프를 보면 뭔가 느끼는게 있을 테니...

(* 그래프 source: http://r4stats.com/articles/popularity/)

(* 그래프 source: http://r4stats.com/articles/popularity/)

(* 그래프 source: http://r4stats.com/articles/popularity/)

이번 포스팅이 도움이 되었다면 아래의 '공감 ~♡' 단추를 꾸욱 눌러주세요.^^

2~3년 전만 해도 통계분석툴 R을 사용한다고 하면 "유지보수 해주는 곳도 없는 오픈소스 툴을 보수적인 우리나라 기업에서 도입하겠어?" 라면서 확산에 회의적으로 말씀하시는 분을 몇 분 본적이 있습니다.  

그런데 최근에는 주변에 R을 사용하는 기업도 생기기 시작했고, R에 대한 관심도 많아지고 있음을 피부로 실감하게 됩니다. 

저는 R을 혼자 공부했던지라 어렵게, 더디게, 무식하게 배웠는데요, 그때 제 옆에 물어볼 수 있고 또 코칭해줄 수 있는 누군가가 있었다면 참 좋았겠다 싶은 바램이 있었습니다. 

R을 처음 시작하시는 분들에게 쉽고 친하게 따라하면서 배울 수 있는 친구 같은, 동료 같은, 사수 같은 블로그를 지향하면서 블로그를 시작합니다. 

시중에 R 책도 많이 쏟아져 나오고 있는데요, 저는 블로그를 하면서 

1) R의 기본기에 충실하되 블로그의 장점인 검색이 된다는 점을 십분 활용해 필요한 R 기능 그때 그때 찾아서 쓸 수 있도록 체계적으로 정리하기 (...상용 통계툴 사용하시다가 R 입문하시는 분들이 어려워하는 부분).  

2) R의 툴 기능 외에 통계, 데이터마이닝의 기본 이론 개념에 대해서도 가급적 쉽게 이해할 수 있도록 내용을 구성하기 (...개발자 하시다가 R 분석 넘어오려는 분들이 어려워하는 부분)

3) 똑같은 사건을 보더라도 보는 관점에 따라서 이해와 해석이 달라질텐데요, 분석이라는 렌즈로 세상을 본다고 했을 때의 소소한 썰 풀어보기

4) 틈틈히 책 보다가 '이 책 참 맘에 든다' 싶은 책 있으면 갈무리도 할겸 추천도 할 겸 리뷰 글 쓰기

 등으로 구성해서 블로그 포스팅 해보려고 합니다. 

R에 6천 개가 넘는 패키지가 있는 만큼, 앞으로 분석 주제별로 좋은 패키지를 찾아서 사용법을 정리해나간다면 저도 그렇고 국내 R 사용자들에게도 작으나마 도움이 될 수 있지 않을까 하는 기대를 품어봅니다. 

R, 참 매력적인 오픈소스임에는 틀림없습니다!  ^^

* 덧글 :  데이터 분석에 일가견이 있는 선배들 중에 "분석 툴은 단지 툴일 뿐이다."라고 말씀하는 분들이 주위에 보면 무척 많은거 같아요. 그런데 말입니다, 저는 분별해서 듣기를 바랍니다. 주위에 요리사 대가들 한번 보세요. 칼질을 제대로 못해서 칼질 소리가 "또각....또각....또각...." 이런 요리사 본 적 있으세요?  요리의 대가들을 보면 칼질할 때 도마에서 나는 소리가 "뚜따따따따다다다다다다다다다다....." 입니다.  "분석 툴은 툴일 뿐이다"라고 분석 좀 한다는 분이 얘기를 하면 그 분(분석전문가) 입장에서는 맞는 말입니다.  하지만, 분석을 처음 시작하는 사람 입장에서는 "분석 툴이 서툴면 시작도 제대로 못하고, 분석 툴 사용법 힘겹게 익히면서 시간 다 까먹고, 지치고, 좌절하고 (이게 내 길 맞아?  난 소질이 없는건가? ... -_ㅜ), 심지어는 화도 났다가, 분석 & 보고서 마감에 시간이 쫒기어 노심초사 불안해 하고... 뭐 그렇게 됩니다.  일단 분석 툴 (저는 R 당연히 추천이요 ^^) 하나는 끝내주게 잘 사용할 수 있게끔 익혀두시면 나중에 생산성도 좋아지고, 심지어 분석 툴을 잘 앎으로써 새로운 아이디어도 생각해내는 경우도 있답니다.  "분석 툴은 단지 툴일 뿐이다"라는 말이 맞긴 한데요, 일단 분석 툴을 자유자재로 쓸 수 있는 경지에 오른 다음에 그런 말씀을 하시는게 순리라고 생각합니다.  분석 툴 제대로 쓰지도 못하면서 남들이 "분석 툴은 단지 툴일 뿐이라더라.."고 하는 말로 위안삼지 마시길 바랍니다.  분석 툴, 제대로 익혀두면 나중에 두고두고 좋아요. 

* 덧글 : R 교육 받으러 가보면 강사가 친절하게 R script를 다 작성해서 수강생들에게 공유를 해줍니다. 그러면 수강생들은 그거 블록 선택한 다음에 'Run' (Ctrl + Enter) 해보면서 실행을 해봅니다.  당연히 에러없이 잘 실행됩니다.  그런데 말입니다, 만약 이러고 끝내고서는 '음, 이제 나도 R 좀 할 줄 아는거 같다...'라고 위안을 삼으면 안됩니다.  R 수업 끝나고 돌아가서 업무에서, 집에서 공부하면서 따라해보고, 시행착오도 겪어보고, 에러 때문에 두세시간 구글링 빡세게 하면서 고생도 해보고 하면서 내공이 쌓이고 실력이 쌓이는 겁니다.  남이 짜 놓은 R script 눈이랑 검지 손가락으로 마우스 클릭하면서 실행시켜보고 나서 공부 다 했노라고 끝내지 마시길 바래요. "R 에러로 고생해본 만큼 실력"이 쌓이는게 맞는 말 같습니다.