“Regional Advantage”와 “Understanding Silicon Valley” 두 책은 기회되면 따로 간략히 글을 쓰는게 나을 것 같고, 수업에서 나왔던 내용을 간략히 정리해 둔다.

=====

- Again, you are what you worry about. This is what makes Silicon Valley Silicon Valley. SV is filled with people who worry about changing the world using technology somehow. Read the recent Steve Jobs interview on TIME. This is what SV is.

“Is this then the curtain dropping on your third act?” I ask. “Will you perhaps leave Apple on this high, a fitting end to your career here?” “I don’t think of my life as a career,” he says. “I do stuff. I respond to stuff. That’s not a career — it’s a life!”

Read more: http://www.time.com/time/business/article/0,8599,1976935-4,00.html#ixzz0kXjIVWsM

- The top articles in Business section and Technology section on NYTimes are usually same. It’s not a coincidence.

- People will feel about you the way you make them feel about themselves.

- The US at its best reflects immigrations. California is filled with people who don’t fit in anywhere else. What if you don’t fit in California? You go to San Francisco. If you don’t fit in SF, you come to Berkeley. It’s the very last off-ramp of the highway to sanity. Being a little wanky is acceptable here. People will think, ‘That guy must be really brilliant, otherwise one cannot be that stupid.’ More than a half of science & engineering workers came from countries other than the US. It’s no longer minority. We don’t call something more than a half minority.

- When I first came here (1983), there was no Goldman Sachs, Morgan Stanley, Credit Suisse. No eastern law firms, either. All of those enabling functions were raised in the region. Sandy Robertson is a famous guy who started 3-4 investment banks based on Silicon Valley. Although it’s different now, the root is different. So the tree is. Venture Capitalists are same. They were usually experienced-managers-turned-investors.

- Common misleading description of SV: 1) vague and simplistic, 2) confused cause & effect, 3) truth by repeated assertion, 4) descriptive / not informative, 5) wishful thinking / self-promoting.

- 4 pillars of SV: 1) University, 2) VC, 3) Enablers (law/accounting firms), 4) smart engineers

1. Counter argument: Why not around every other good university? => fluid academic-industrial environment (Responding to the side question “why Stanford is better at commercialization than Berkeley?”, one of the reasons is the ethos of Berkeley giving everything away. Unix? Give it away. Raid? Give it away. etc.)
2. Counter arg: 70% of VCs 1980-2006 was invested in 1999+2000. => easy access to experienced-managers-turned-investors
3. In 1985, the largest law firms in SV had 10 people. Importance overrated. (Law inherently cannot create value. It can protect, hide, destroy value, but not create one.)
4. Counter arg: Smart people live everywhere. => Engineering-entrepreneur cross-trained in management is unique.

- So, it is just hard to replicate. SV is the beneficiary of a tournament model. If what you worry about is somewhat technology, you’ve gotta be in Santa Clara. Period. No matter how crappy your house is, you’ve gotta live here. If you work for financial services, you should be in Wall Street. For movie, Hollywood. Yes, life is unfair, but it’s how it works. Silicon Valley is interconnection of people.

- BTW, recently SV got a lot of funding on clean tech. “silicon”, by definition, has nothing to do with clean tech. However, SV is thriving on destroying other industries.

미국 국회의 법률, 국회 기록들과 회사 PR 자료, 그리고 Think Tank들의 보고서들을 최대한 긁어 모아서 NLP를 사용해서 서로 간에 influence를 주고 받는 고리가 보이는 것이 있는지 추적하는 프로젝트. 사실 NLP를 통해서 그런 연결고리가 나타날 것이라는 것은 순전히 우리의 가설이고 -_- 나중에 까봤는데 random이고 그러면 졸업할 수 있을라나 -_-;

아무튼 내가 맡은 파트는 Data Scraping & Text Extraction인데, 분량이 너무 많아서 좀 빡세다. 이제 긁는 것은 대강 다 했는데, Think Tank들은 보고서가 주로 PDF로 나오기 때문에 PDF에서 text를 또 뽑아 내야 한다. Scraping은 network이 bottleneck이고, PDF Extraction은 CPU가 bottleneck이다. 그래서 지금 PDF 추출은 EECS의 컴터 한 대를 빌려서 거기에 PDF 파일들을 다 올려놓고 스크립트를 돌리는 중. 지금까지 긁은 데이터 양은 약 30GB+ 정도 되는데 plain text로 추출 되었을 때는 어느 정도 될지 모르겠다. Think tank들의 웹사이트가 저마다 제각각이라서 사이트마다 scraper를 조금씩 바꿔주느라 좀 애먹었다.

Gopal이 NLP 파트를 맡아서 이미 처리된 데이터 조금을 가지고 샘플로 이런저런 알고리즘을 돌려보고 있는데, 그것도 엄청 CPU-intensive 한 듯. Scraping이 끝나면 조만간 나도 NLP 파트에 참여해야 할 듯.

프로젝트가 잘 마무리 되면 좋겠는데, 잘 되면 우리나라 정치/정책들에도 한 번 적용해 볼 수 있을까 생각해 보고 있다. 물론 한글이라서 -_- 훨씬 힘들긴 (이라고 쓰고 불가능이라고 읽..) 하겠지만.

우리가 지금 사용하고 있는 Dataset과 라이브러리들을 대강 정리해 둔다. For the record.

• Dataset (Bills & Congressional Records, Company PR, Lobbying Organizations)
  • http://louisdb.org/ : Sunlight Foundation에서 운영하는 국회 기록 검색 사이트 같은 것인데 dump data 받음.
  • http://www.prnewswire.com/ : 회사들 PR 기록들을 모아서 웹에 뿌려주는 듯 한 사이트.
  • http://www.opensecrets.org/ : 정계에 로비로 들어가는 돈을 조직/지역 등 여러 기준으로 정리해서 dataset으로 제공해 주는 사이트.
• Dataset (Think tanks)
  • http://www.brookings.edu/about/ResearchPriorities.aspx : Brookings Institution
  • http://www.nber.org/papersbyprog/ : National Bureau of Economic Research
  • http://www.rand.org/research_areas/ : RAND Corporation
  • http://www.urban.org/toolkit/newreports.cfm/?page=1 : Urban Institute
  • http://www.aei.org/paperstudies : American Enterprise Institute
  • http://www.cfr.org/issue/ : Council on Foreign Relations
  • http://www.cato.org/researchareas.php : Cato Institue
  • http://www.fraserinstitute.org/researchandpublications/ : Fraser Institute
  • http://www.cgdev.org/section/topics/ : Center for Global Development
  • http://www.civitas.org.uk/books/issues.php : Civitas
  • http://www.ncpa.org/issues/ : National Center for Policy Analysis

—

Why we work?

이 중에서 Money(돈)와 Recognition(명예?)은 궁극적으로 얼마면 충분하겠냐는 질문에 대답할 수가 없다. How much is enough?란 질문에 답할 수 없음. It does not stand as it is. 반면에 Personal Fulfillment(자뻑)은 그 자체로 성립. It stands as it is. 심오해 보일려고 일부러 이렇게 얘기하는 것이 아니라 실제로 그렇다는 거임.

그러므로 무슨 일을 할 때 시작점은 Personal Fulfillment가 되는 것이 바람직하다. 이런 일을 하면 자연스럽게 enthusiastic 해질 수 밖에 없다. 만약에 다른 사람들도 네가 하는 것에 대해서 열정적이라면 돈이 자연스럽게 이어진다. 그러니까 우표수집에 열정이 있다고 해서 돈으로 꼭 연결되는 것은 아님. Personal fulfillment will lead money only if others are enthusiastic as well. So, collecting stamps may not be the case.

돈을 어느 정도 벌면 사람들이 알아봐주게 마련이다.

—

What and where to work?

1) Start-up이나 Turnaround 같은 환경에서 일해라. 이건 꼭 네가 회사를 새로 시작해야 한다는 것은 아님. 큰 회사 안에서 얼마든지 이런 컨텍스트를 만들어서 일할 수 있음. HP Gaming의 Paul Campbell이나 Hitachi의 Dr. Imura 같이 큰 회사에서도 Start-up의 맥락에서 일한 사례 매우 많다. 다만, 일부러 Turnaround 상황을 만든다고 하지는 마라. 멀쩡한 사업을 우선 반죽여놓고 시작한다고 깝치다가 진짜 망하는 수가 있음.

2) 멘토링을 받을 기회 뿐만 아니라 줄 기회도 있는 자리면 좋다. 보통 배움은 See – Do – Teach를 통해서 완성된다. 할 줄 알아도 막상 가르쳐보려면 막막한 경우가 태반이다. 우리는 가르치면서 엄청나게 배운다. 따라서 두 가지가 모두 있으면 굳.

3) ‘우리는 유일한 XX이다.’ 라는 곳에서 일하지 마라. ‘유일한 고객’, ‘유일한 제품’, ‘유일한 기술’, ‘유일한 시장’, ‘유일한 상사’ 다 마찬가지다. Locked-in 되면 exit이 없어짐.

이런 관점에서 CEO라는 자리는 이 세 가지 조건을 모두 거의 완벽하게 만족하는 role이다. 굳임.

물론 수업에서 나온 맥락은 그런 인생 얘기는 아니었다. 수업에서의 교수님이 말씀하시던 흐름을 대강 기록해 놓자면,

“우리는 왜 일하는가?”에 대한 대답은 여러 가지가 있겠지만, 나는 크게 세 가지로 생각한다.

• 돈
• 내적 동기 (내가 스스로 의미를 부여할 수 있는 일)
• 외적 동기 (명성, 영향력 등)

우리가 일을 할 때도 위의 세 가지가 모두 만족되는 것이 이상적인 것 처럼, 새로운 기회를 (Entrepreneur로서) 적기에 포착하여 적합하게 실현하기 위해서도 이 세 가지가 모두 갖춰지는 것이 이상적이다. 그런데 이 세 가지 중에서 돈과 외적 동기와 달리 내적 동기는 그냥 내가 결정하고 내가 느끼는 것이다. 이 기회가, 이 일이 내게 의미가 있다고 생각하는지는 자신만이 알 수 있고 자신만이 결정할 수 있다. 나머지 둘은 보통 내적 동기가 맞아떨어지면 함께 따라올 수 있는 요소들이다.

이런 맥락에서 “You are what you worry about.” 이것은 Opportunity Recognition에 있어서 핵심적인 격언이다. 네가 중요하다고 생각하는 분야, 네가 한 인간으로 살아감에 있어서 care하는 분야에서 사업을 해야 한다.

사실 최근에 나는 이웃집 나뭇가지 때문에 아주 짜증이 난다. 그 나뭇가지가 내 마당 쪽으로 넘어와서 낙엽 등으로 지저분하게 하기 때문이다. 그래서 도대체 어떻게 해결하면 좋을까를 걱정하고 있다가 문득 이 말이 함께 떠올랐다. ‘나는 이웃집 나뭇가지를 걱정하는 사람인가?’

아직도 틈틈이 이 말을 속으로 되뇌여보고 있다. ‘내가 지금 걱정하고 있는 것이 바로 나 자신을 정의한다.’ 정도로 우리말 풀이가 되려나? 어떤 때는 별 뜻 없는 그냥 허무맹랑한 소리 같다가, 또 어떤 때는 심오한 말로 다가온다. 아무튼 좀 더 가슴에 품어 놓을만한 말인 것 같다.

경영대 수업에서 이런 식의 깨달음 (또는 화두)을 얻을 줄은 전혀 기대를 못 했는데, 뜻 밖의 수확이었다.

Ryan과 Nick의 위트를 보여주는 한 단편적인 예가 오늘 마지막 수업에서 몇몇 학생들에게 주었던 Svnnies Award였다. 그냥 수업 내부적으로 웃자고 주는 상이다. 한 학기 동안 같은 svn repository를 쓰면서 다양한 metric으로 몇몇 학생들에게 상을 주었다. 나는 Most Honest Commit Message 부문 상을 받았다. 그에 해당했던 내 메시지는 “I don’t know what is changed, though.” 참고로 svn commit 메시지는 코드를 업데이트 하면서 어떤 부분이 변경되었는지를 적어 놓는 노트라고 생각하면 된다.

여기 인증샷.

이 밖에 다른 부문들은 아래와 같다.

• Most Commit
• Most Commit at Night (12 – 6am)
• Longest Commit Message
• Most Empty Commit Message
• Most Useless Commit Message

정말 한 학기 내내 즐겁고 유익했던 수업이었다.