Articles and Presentations
Adweek (Monthly Series since 10/2020): 
   1: Why Data Scientists Must Act as Mediators and Translators Between IT and Marketing
   2: How to Eliminate Emotional Factors From Predictive Analytics
Target Marketing Magazine (Monthly Series 11/2013-9/2020): 
"Big Data, Small Data, Clean Data, Messy Data" by Stephen H. Yu
   1: "Big Data" Is Like Mining Gold for a Watch - Gold Can't Tell Time
   2: The Future of Online is Offline
   3: Who's Your Scapegoat?
   4: Cheat Sheet: Is Your Database Marketing Ready?
   5: Why Model?
   6: Chicken or the Egg? Data or Analytics?
   7: Data Deep Dive: The Art of Targeting
   8: It's All about Ranking
   9: Big Data Must Get Smaller
  10: Beyond RFM Data 
  11: Free Form Data Are Not Exactly Free
  12: Missing Data Can Be Meaningful
  13: Not All Databases Are Created Equal
  14: Smart Data - Not Big Data
  15: How to Be a Good Data Scientist
  16: Don't Do It Just Because You Can
  17: Marketing and IT; Cats and Dogs
  18: How to Outsource Analytics
  19: Analytics Providers Should Know the Audience
  20: Where Is the Data Movement Going?
  21: Still Trapped in the 'Digital' Silo?
  22: Personalization is about the Person
  23: Perspectives Matter in Analytics
  24: Road to Personalization
  25: No One is One-Dimensional
  26: Barriers to Personalization
  27: Data Atrophy
  28: Prescriptive Analytics at All Stages
  29: Patients Aren't Ready for Treatment? 
  30: What Does Personalization Mean to You? 
  31A: Persona Marketing Tricks
  31B: Collecting Rare Personas
  32: Segments vs. Personas
  33: Customer Journeys Don't Start on Your Website 
  34: Putting Data to Use 
  35: Facing the Future 
  36: Data Must Flow, But Not All of Them
  37: Don't Hire Data Posers
  38: Election Polls and the Price of Being Wrong
  39: Why Buzzwords Suck
  40: Watch the Attitude, Data Geeks
  41: Personalization Framework
  42: Key Elements of Complete Personalization
  43: Evangelizing Analytics
  44: Stop Blaming Marketing Problems on Software
  45: Every Figure Must Be Good, Bad, or Ugly
   46: Personalization: What Is in It for the Customers?
   47: Data Mining: Where to Dig First?
   48: The Art of Data Categorization
   49: Creating a Persona Menu (for You)
   50: Resistance Is Futile
   51: The Human Factor (in the Age of Machines)
  52: The Secret Sauce for B2B Loyalty Marketing
  53: The Keyword in 'Customer Journey' Is 'Customer'
  54: Ditch Rule-Based Segmentation
  55: Data Geeks Must Learn to Speak to Clients
  56: Lessons from the Facebook Fiasco
  57: Don't Let Old Habits Dictate Your Marketing Thoughts
  58: Wrestling the One-Time Buyer Syndrome
  59: Marketing Success Metrics: Response or Dollars?
  60: Marketing Success Sans 'Every Breath They Take, Every Move They Make'
  61: Replacing Unskilled Data Marketers with AI
  62: Use People-Oriented Marketing: Because Products Change, But People Rarely Do 
  63: Marketing Metrics Aren't Baseball Scores
  64: How to Consider the Buyer's Journey, Not Just the Channel
  65: Factors for Marketers to Consider in Attribution Rules
  66: Don't Settle for Last-Touch Attribution in Marketing
  67: Automation - with a Little Help from Good Machines
  68: Why the Email Batch and Blast Practice Is an Addiction and How to End It
  69: Don't Be a Data Hoarder - Why Data Governance Matters in Marketing
  70: How Marketers Can Throw Away Data, without Regrets
  71: Machine Learning? I Don't Think Those Words Mean What You Think They Mean
  72: Even AI Needs Clean Data
  73: Why Many Marketing Automation Projects Go South
  74: When You Fail, Don't Blame the Data Scientist First
  75: Data Scientists Aren't Magical: Analytics Is a Team Sport
  76: Don't Ruin Good Models by Abusing Them
  77: Marketers Find the Least-Wrong Answers via Modeling
  78: Data Will Lead Marketers into a New World in 2020
  79: 'Too Much" is a Relative Term for Promotional Marketing
  80: Analytics Only Benefit You When Properly Applied
  81: Don't Blame Personalization after Messing It up
  82: Understanding What a Customer Data Platform Needs to Be
  83: Beware of One-Size-Fits-All Customer Data Solutions
  84: Know What to Automate with Machine Learning
  85: Models Are Built, But the Job Isn’t Done Yet
  86: The Biggest Obstacle to Personalization Is the Creative Element
John Miglautsch Show 4/2019 (Video Interview): 
Marketing Attribution Challenges
DMA Webinar Presentation 5/2018 (Video of Presentation): 
Ditch Rule-Based Segmentation
DMA Webinar Presentation 5/2017 (Video of Presentation): 
Road to Personalization
Interview with Career in Analytics 6/2016: 
Advice for Aspiring Data Scientists
DMA Webinar Presentation 3/2016 (Video of Presentation): 
Art of Targeting and Personalization
insideBIGDATA Article 6/2015:
Data Refinement: The Dirty Side of Data Science
Print+Promo Interview 4/2015:
5 Ways to Tidy Up Your Data Strategy
DMA Webinar Presentation 4/2015 (Video of Presentation): 
Big Data, Small Data, Clean Data, Messy Data
- The Importance of Analytics and Data Refinement
2014 Data Strategy Presentation (PDF File): 
Big Data, Small Data, Clean Data, Messy Data
- The Art of Targeting and Data Refinement


TV Interview at the QIBRAS Conference in Sao Paulo 9/2014 (Video): 
Success Factors of Data Strategy
The Troyanos Group Radio Show 2/2014 (Audio): 
On the Big Data Movement
Target Marketing Magazine Article 12/2012:
How to Deal with Missing Data - Databases, Zeros, and Imputation


Target Marketing Magazine Article 1/2008:
Database: Close the Loop Properly
중앙일보 전문가 칼럼 (2019년 8월 - 현재) 
"유혁의 데이터 이야기"
   1회: 빅 데이터로 재미 좀 보셨습니까?
   2회: 사장님, 데이터 가지고 그러시면 안 됩니다
   3회: 데이터를 잘 다루는 사람이란?
   4회: 기계에게 목적을 부여하는 인간
   5회: 훌륭한 데이터 사이언티스트는 만들어진다
   6회: 데이터 사용하려는 목적부터 분명히 하라
   7회: 데이터는 도구이지 공포의 대상이 아니다
   8회: 데이터는 제대로 분석해야 맛이 난다
   9회: 데이터 분석 결과는 단순한 의견이 아니다
 10회: 데이터 가지고 거짓말하면 안됩니다
 11회: 데이터 기반의 의사결정을 잘하는 방법
 12회: 알고리즘이 지배하는 세상
 13회: 할 수 있는 일이라고 다 해선 안 된다
 14회: 빅데이터에는 상명하복이 통하지 않는다
 15회: 데이터 기반 마케팅의 주체는 소비자다
 16회: 데이터 분석가는 통역가이자 중재자 돼야
 17회: 정보도 편식하면 안됩니다
유혁의 "데이터를 잘 써먹을 수 있는 구체적인 방법들" 단행본과 더불어 발간된 요약본
한국정보화진흥원(NIA) 발행 빅데이터 실무서 "데이터를 잘 써먹을 수 있는 구체적인 방법들" 
한국정보화진흥원(NIA) 발행 빅데이터 실무서 "빅데이터 - 질문을 명확히 하라" (요약본)
    -- 요약본의 PDF 파일
IT Daily의 소개기사 (2017년 2월 22일)
유혁의 IT Daily와 컴퓨터 월드 월간 연재 칼럼 (2014년 2월 - 2015년 8월)
"데이터를 잘 써먹을 수 있는 구체적인 방법들" 
 1회: 연재를 시작하면서 - 빅 데이터에 관한 생각들

 2회: 데이터의 종류와 프라이버시

 3회: 빅 데이터의 핵심은 분석이며 분석의 중심은 모델링

 4회: 데이터베이스의 디자인 개념

 5회: 데이터베이스는 분석을 위하여 최적화 되어야

 6회: 랭킹이 관건이다

 7회: RFM Data를 넘어서 

 8회: 자유형(Freeform) 데이터는 결코 공짜가 아니다

 9회: 정보의 부재에도 의미가 있다

10회: 데이터베이스라고 다 같은 것이 아니다

11회: 빅 데이터가 아니라 스마트 데이터다

12회: 훌륭한 데이터 사이언티스트란?

13회: 할 수 있는 일이라고 다 해서는 안 된다

14회: 정보의 흐름이 가치를 창출한다

15회: IT와 마케팅의 다소 껄끄러운 관계

16회: 고등분석을 아웃소싱 할 때 고려해야 할 점들

17회: 예측적 분석을 통한 소비자와의 Relevancy 유지

18회: 연재를 마치며 - Data Movement의 미래는?


 IT Daily/컴퓨터 월드 주최 지상 좌담회 2015년 1월

"빅 데이터와 데이터 사이언티스트에 대한 15인 15색의 목소리"


IT Daily/컴퓨터 월드 주최 좌담회 2014년 11월

"정보의 흐름을 아는 사람이 가치를 창출한다" (지상중계)


IT Daily/컴퓨터 월드 주최 빅 데이터 컨퍼런스 기조연설 2014년 11월

"빅 데이터 성공의 조건은 무엇인가" (관련기사)


IT Daily/컴퓨터 월드 주최 빅 데이터 컨퍼런스 기조연설 2013년 11월

"빅 데이터에 관한 생각들" (비디오)
"빅 데이터는 요술방망이 같은 존재가 아니다" (관련기사)


IT Daily/컴퓨터 월드 빅 데이터에 관한 대담 2013년 10월: 

"빅 데이터는 단지 지나가는 유행이 아니라 접근법 간의 벽을 허무는 과정" 




Stephen H. Yu                                               Photo: IT DAILY/COMPUTER WORLD

​© 2014 by WILLOW DATA STRATEGY   |   201.218.2068  |   |  by Sherman Website Design  |  Logo by Gimga Group