아마존에서 Program Manager로 일할때, 함께 일하던 데이터 사이언티스트가 있었다. 새로 오픈하는 JWO 스토어에서 판매하고 싶었던 시애틀 로컬의 치즈에 대해서 분석을 요청했다. 나는 분명 이 제품에 대한 분석을 의뢰하며 '이 제품을 우리매장에서 판매하게 되면 어떻게 될 것 같아?' 에 대한 분석을 요청했지만 돌아온 분석은 현재 market에서의 제품에 대한 인사이트를 보내왔다. 

쉽게 말해 포캐스트를 의뢰했지만 정리된 마켓데이터를 받게되서 시간상 직접 포캐스팅을 했던 기억이 있다.

사실 따지고 보면, 그누구의 탓도 아니지만 서로가 서로의 시간을 낭비한 꼴이 되었다. 모호한 데이터분석의 의미 때문에..

뷰저블의 글을 읽어내려가면서 느낀점은 '이거였네!'

요즘은 데이터분석 (Data Analysis)에 대한 의미가 상황에따라 포괄적인 의미를 갖는다. 데이터분석을 의뢰하는 사람과 직접 데이터 분석을 하는 사람의 입장에서, 서로 다른 배경지식과 이해, 그리고 접근법에 따라 다양한 형태의 데이터 분석이 나올 수 있다.

합이 맞아 둘다 원하는 데이터 분석이 나왔다면 좋겠지만, 그렇지 못할경우 - 특히 PM의 역할에 있어서 다양한 데이터들을 필요로 할때 원치않는 데이터를 가지고 있으면 효율성이 감소되는 경우, 심지어는 프로그램의 방향이 바뛰는 경우까지 생길 수 있다.

'데이터 정리’란 서비스 현황과 이전 트렌드를 파악하기 위해 데이터를 말 그대로 ‘정리’한 것을 의미합니다.'

'한편 데이터 분석이란 특정 문제점에 대한 해결 방안, 즉 구체적인 행동 방안을 찾기 위한 과정이라고 정의 내릴 수 있습니다.'

글에서 이야기 한 것 처럼, 데이터 정리와 데이터 분석에

대한 컨셉을 가지고 있다면, 작지만 조금이나마 일의

효율을 높일 수도있고 실수를 줄일수 있지 않을까 싶다.

물론, 이 둘은 뗄레야 뗄 수 없는 사이이긴 하다.데이터 정리 단계에서 시각화를 통해 내가 이 데이터를 가지고 어떤 분석을 할 것인지 틀을 잡아 놓은 후 -> So What에 대한 분석을 하는 것이 기본적인 둘의 관계라고 볼때, 서로에 대한 구분이 Data활용의 Framework를 만들어 준다고 생각된다.

"데이터 정리’를 통해 현황을 파악하였다면, 이 현황에 대한 가설을 세워 다음 실행 방안을 찾아나가는 과정을 ‘데이터 분석’이라 말할 수 있습니다. 데이터 정리 없이는 데이터 분석을 할 수 없습니다."

어느 업무이던, 요즘세상에 Data없이는 일하기 힘든 세상인 만큼 Data분석의 정의와 Framework를 잘 이해하고 있다면, 생각보다 많은 사람이 편해지지 않을까.