[데이터 분석, 직감을 무시하지 말라] <린 분석> 마지막 챕터는 '데이터를 중시하는 사내 문화를 어떻게 조성할 것인가'로 마무리 됩니다. 그중 한 가지를 정리하고 생각을 덧붙였습니다. 💡 직관을 무시하지 말라 "과학은 매우 실증적이고 냉철하지만 과학자들은 그렇지 않습니다. 과학은 객관적이고 기계적이지만 또한 과학은 창조적이고 직관적인 과학자들, 아직 입증하지 못한 뭔가를 믿는 과학자들을 높이 평가합니다." (키쇼어 스와미나단(Kishore Swaminathan)) - 린 분석은 직감의 무시가 아니라 직감이 옳은지 틀린지 검증하는 것이다. (책의 다른 페이지) 결국 정량적 데이터는 가설의 테스트에 큰 도움이 되지만 사람이 개입하지 않은 채 정량적 데이터만 가지고는 새로운 가설을 만들지는 못한다. - 직관의 유용성을 완전히 배제하지 않는 동시에 분석의 가치를 입증해야 회사 문화를 바로 세울 수 있다. - 누구나 분석을 이용하고 이해할 수 있도록 만들어라. 너무 많고 어려운 숫자로 인한 당혹감은 이슈와 관련 없는 부적절한 쪽에 관심을 갖게 할 수 있다. - 데이터의 수집과 처리할 때 사용한 방법론과 데이터를 투명하게 공유해야 한다. 성공이든 실패든 공개하는 투명성은 데이터의 성역을 무너뜨리고 분석에 대한 선입견을 깨뜨리는 데 중요한 역할을 한다. - 그리고 결과를 입증할 수 있도록 (KPI 혹은) OMTM과 같은 개념으로 모두가 목표에 초점을 맞추게 만들어라. 💬 코멘트 - 예컨대 "출근 및 등교 시간에 웹툰을 보는 사람이 많을 것이다"라는 직감적인 가설을 "유저의 70%는 아침 8시에 웹툰을 본다"는 데이터가 뒷받침 합니다. - 물론 데이터를 뜯어보다가 인사이트를 얻을 수도 있습니다. 하지만 좋은 직감 즉, 제품과 사용자를 얼마나 이해하고 있느냐에 따라서 더 빨리 목표에 도달할 수 있습니다. 이 때문에 저 역시 독자들의 댓글이나 블로그, 카페 후기도 열심히 찾아보고 있고요. - 가설이 틀렸다고 검증 될 때도 많은데요. 개인적으로 많이 했던 생각은, "다 이럴 줄 알았는데 나만 그런 거였어?"였습니다. :) 제품에 대한 '덕력'이 높을수록 빠질 수 있는 함정을, 데이터를 통해 균형을 맞추는 것이죠. - 많은 회사들이 (얼마나 의도한 것인지는 모르지만) 채용 시 '데이터를 중시하는 사람'이면서 동시에 '제품 혹은 산업에 이해도가 높은 사람'을 우대하는 것도 이런 맥락인 것 같습니다.