데이터 자체가 만능이 아님. 그래서 데이터에서 가치를 끌어내기 위한 방법론이 나옴 1. 데이터 인폼드 "주요 지표에 대해 파악하고 이해하고 있는 것 - 리텐션, 재결제율, 평소 지표 등을 알도록 자동화하는 것 - e.g) 어떤 액션으로 다음달 신규 유입을 N명 늘리면 어느 정도 이익이 되는지 2. 데이터 인스파이어드 : 데이터 탐색 - 새로운 패턴이나 의미를 발견해 유의미한 정보나 자료를 얻는 것 3. 데이터 드리븐 : 선택과 액션을 데이터로 결정하는 방법 - 많은 조직의 문제 - 업무가 진행되면서 프로젝트를 마치는 것으로 목표가 변질됨 - 왜 하는지를 잊고, 완료 후에도 무엇을 달성했는지 알기 힘들게 됨 - 데이터 드리븐 프로세스에서는 지표 개선이 업무 - 평가 역시 기획한 지표에 기반해 이루어짐 데이터 드리븐 의사결정 프로세스 - 목표 설정과 지표설정 > 기획 및 개발 > 액션 > 지표 결과 평가(피드백) 프로세스를 거치며 진행 - 목표 설정 :정량, 정성적으로 달성 혹은 개선하고자 하는 것을 정하는 단계 주요 지표 또는 프록시 지표를 선정하고 액션 - 지표 평가 데이터 드리븐에서 데이터가 중요한 건 맞지만 가장 중요한 것은 아님. - 핵심은 목표 지표설정 > 액션 > 피드백 루프. - 이 루프가 더 빨리 많이 돌수록 더 많은 가설과 액션 아이템이 검증되고 축적됨 - 그렇다고 많은 테스트에 집중하면 색깔 테스트, 문구 테스트 등 작은 업무에 매몰됨 -> 성장폭 작음 - 서비스 성장을 위해서는, ~한다면~할 것이다. 라는 큰 가설 아래에 검증을 위한 액션 아이템을 선택해 제대로 피드백하는 것이 중요