데이터 문해력

 

• 데이터에서 직접적인 답을 얻을 수는 없음 → 대신 데이터를 보기 전에 "무엇을 알고 싶은지 / 이를 알게 되면 무엇을 하고 싶은지 / 이를 위해선 어떤 데이터(지표)가 필요한지" 생각하고 그에 대한 답을 찾기 위해 노력해야함
• 데이터의 가치
  • 광범위하고 객관적인 주장을 합리적으로 전달 가능
  • 절대적인 정답이 존재하지 않을 때, 자신의 생각을 논리적/객관적으로 상대방에게 전달/이해시킬 수 있게 도움을 줌
  • 결국 필요한 것은 자신의 결론으로 이끌어내는 이야기를 만드는 능력!
• 데이터 활용 프로세스
  • 겉으로 드러난 현상 → 목적 및 문제를 정의 → 지표를 결정 → 현재 상태를 파악 → 평가 → 요인을 분석 → 해결 방안을 모색
• ✴️ 데이터는 목적을 달성하기 위한 도구 ✴️
  ✴️ 목적 사고력 ✴️

 

 

1. 목적 / 문제 정의

• 비즈니스 문제 해결을 위한 문제 정의
  • 문제가 무엇인가?
  • 그 문제를 일으키는 원인은 무엇인가?
  • 그 원인에 대한 해결방안은 무엇인가?
• 결론 도출의 프로세스
  • 평가 지표와 기준을 결정 (목적 부합성 판단) → 적합한 데이터 / 그래프 선택 → 결론

 

• 💭 현 상황에 대한 인과관계 정리 필요
• 💭 데이터를 보고 그로부터 문제를 찾아내게 만들 수 있을까? (객관성 / 논리성)

 

 

2. 현상 파악 및 평가력

• 현황 파악 = 성과 및 사실/결과를 확인 & 그에 대한 평가를 진행
• 가치 있는 정보란?
  • 구체적인 행동을 특정할 수 있음 (누가 언제 무엇을 했는지)
  • 구체적인 판단을 내릴 재료가 됨

 

• 비교의 기술
  • 내부/외부 비교
  • 추이/변화 비교
  • 편차 고려
• 데이터 평가 기준

데이터 평가 기준	대표적 지표
값의 크기	평균값, 합계
추이	선형그래프, 막대그래프, 변화율
등락폭	표준편차, 도수분포도
비율	분수, 퍼센트

 

 

3. 원인 파악력

• 원인 파악력: 행동으로 이어지는 힘
• 데이터 활용 조직의 최종 목표
  • 데이터에서 나온 정보를 통해 문제 해결 방안을 수립 /
    구체적인 행동 계획을 마련 /
    관계자들이 납득할 만한 합의 또는 판단을 내림
• 해결 방안은 원인에 실행되어야 함
  • 결과에 대한 원인 파악 (왜 그 결과에 이르렀는지, 왜 문제가 일어나고 있는지)
  • 현황 파악, 분석 및 비교를 통해 문제점 도출 → 그 결과에 이르게 된 근거 및 원인도 제시되었는가 확인

 

• 데이터를 통한 원인 분석
  • 원인 후보를 열거 → 지표를 결정 → 관련성을 확인
  • 주관적인 원인 후보 파악보다는 보다 유연하고 가볍게, 넓은 시야를 가지고 생각해보기
• 목적과 사례에 맞추어 어떤 데이터를 활용할지 결정하는 것이 원칙이지만, 실제로 콕 집어 선택하기 어려운 경우에는 몇 가지 지표를 함께 활용하여 각각 분석을 수행해보는 것이 현실적임
• 문제와 원인 사이의 관련성 파악
  • 1단계: 시각적으로 관련성 확인
    • 전체적인 경향을 파악 / 그룹화 / 벗어나있는 값들에 주목 / 변화점을 파악
  • 2단계: 통계 지표를 확인 (상관분석, 상관계수)
• 관련성 탐색 시 주의사항
  • 직접적인 관계인지 간접적인 관계인지
  • 원인은 한 가지가 아니라 여럿이거나 복잡하게 얽혀있을 수도 있음
    • 위험 회피를 위해 모든 가능성을 염두에 두고 사고를 확장해 원인을 고려하는 것이 필요
  • 선형이 아닌 관계성도 존재함
    • 상관관계가 복잡해보일 때는 전체를 부분으로 나누고 그 범위에서 상관관계 유무를 확인하는 형태로 분석 진행 가능
  • 상관관계 ≠ 인과관계

 

 

4. 전체 구성력

• 전체 구성력: 스토리(논리)를 만드는 힘
  • 무엇이 문제인지를 적절하게 정의하고, 그 문제에 대한 원인을 폭넓게 열거해서, 각 원인에 대한 해결 방안을 도출
• 논리적 사고: 개별 데이터와 분석에 대한 것이 아니라, 전체적인 스토리를 탄탄히 구성하고 결론의 설득력을 높이기 위한 사고력과 구성력
• 해결 방안의 의의
  • 어째서 (다른 수단이 아니라) 그것이 필요한지?
  • 그로 인해 어떤 것을 실현 또는 해결 가능한지? 효과적인 결과가 나올 것이라는 근거는 어디에 있는가?

 

 

5. 정보 집약력

• 정보 집약력: 정보를 수집하고 결론을 이끌어내는 힘
• 결과 ≠ 결론
  • 결과: 계산과 분석을 해서 나온 결과물
  • 결론: 그 결과가 목적에 대한 어떤 의미가 있는지 설명하는 것

결과	결론
메일링 리스트에 등록된 사람의 방문횟수가 더 높음. 여성 고객의 경우 등록한 사람이 그렇지 않은 사람보다 평균값이 높음.	메일링 리스트 등록은 방문 횟수 증가에 효과적임. 메일링 리스트 등록은 여성 고객에게는 효과적이지만 남성 고객에게는 그렇지 않음.
교외 지역의 평균 집세가 도심 지역의 평균 집세보다 낮음.	시세는 교외가 도심보다 저렴한 편이지만, 선택의 폭을 선택하면 도심 쪽이 압도적으로 넓다고 할 수 있음.

 

 

6. 시야 확대력

• 시야 확대력: 데이터로부터 시야를 넓히는 힘
• 눈 앞에 있는 데이터에 의존하지 않고 스스로 목적과 문제를 정의해 필요한 데이터와 분석 범위를 얼마나 넓은 시야로 디자인할 수 있는지
  • 목적과 문제를 정의
  • 이를 위해 필요한 데이터와 지표를 설정
  • 그 데이터를 어떻게 분석해야 문제의 정보를 효과적으로 얻을 수 있는지 분석
  • 위 사항을 고려한 다음 데이터를 활용해 수행할 작업의 설계도를 그림
• 문제를 구조화하고 정리하면서 생각해야함

 

• 논리적 사고의 기법
  • 짝짓기: 처음 떠올린 아이디어에 대응이 되는 콘셉트 상자를 제작
  • 자기 부정: 떠올린 아이디어를 일부러 부정하는 것
• ✴️ 데이터 문해력: 데이터에서 무엇을 읽어내는 능력이 아니라, 스스로 정답에 대해 고민하고 데이터를 무기 삼아 합리적으로 논할 수 있는 능력 ✴️

 

 

7. 실행력

• 실행력: 문해력을 실현하는 힘
• 아무리 필요한 프로세스와 이론을 숙지하고 있더라도 이를 실현하려면 시간이 필요. 위 내용이 비즈니스에서 잘 실행되지 못하는 주된 이유는 ‘시간을 확보할 수 없는 환경’ 때문임
• 뭔가 활동하거나 작업하는 것만이 일이라는 인식 밖에 없는 환경 X → 생각의 중요성과 이를 위해 필요한 환경을 이해해야함

 

• 데이터 분석이란 눈앞의 데이터로부터 어떤 패턴을 추출하는 것이 아님
• ‘데이터를 통해 판독’한 정보는 아무리 훌륭한 데이터 사이언스를 구사하더라도 시사점(인사이트)라고 할 수 없다.
• 분석도 데이터도 어디까지나 수단이고 도구일 뿐, 답을 제시해주지 않는다.