책 [데이터 드리븐 리포트]를 읽고 757

​

디지털 트랜스포메이션 digital transformation

데이터 문해력 data literacy

데이터 과학 data science

데이터 분석 data analysis

비즈니스 애널리틱스 business analytics

이 시대의 핫한 키워드이자, 직업으로 각광받고 있는 역할 또는 역량입니다. 모든 단어의 공통점은 #데이터 #의사결정 관련 용어라는 것입니다.

​

사람들은 일상과 직장에서 이전 경험에 의거하는 다양한 편향으로 감각적인 의사결정을 자주 합니다. 경험 기반이 서로 다른 사람에게 누구의 더 감이 옳은지 설득하기 위해 노력하지만, 결국 더 높은 지위라는 힘을 가진 사람의 경험을 따르기로 결정합니다.

이럴 때 필요한 것이 데이터 기반의 의사결정 data-driven decision-making 입니다. 개인의 경험이나 직관이 아닌 객관적인 데이터를 기반으로 하는 의사결정입니다. 예를 들면, 집을 나서기 전에 일기예보를 확인하여 적절한 옷차림을 준비하거나 이동하기 전에 목적지에 이르는 최단거리 이동 수준을 확인하는 것입니다. 데이터를 활용하는 목적은 만족을 극대화하고 불만족을 줄이는 것입니다. 

빅데이터의 속성은 규모 volume, 속도 velocity, 다양성 variety 입니다. 데이터의 크기가 커지고 데이터 연산 처리가 빨라졌으며 기존의 수치형 데이터 외에 텍스트나 이미지 등 다양한 형식의 데이터도 다룰 수 있게 되면서 #빅데이터 개념이 등장했습니다.

데이터 드리븐 리포트 형식은 크게 여섯 가지로 이야기할 수 있습니다. 첫 번째, 기초 통계는 데이터를 분석하기 위해 평균, 중앙값, 최빈값 등을 사용하여 데이터를 해석하는 방식입니다. 데이터를 요약, 설명하고 패턴과 관계를 식별하는 데 자주 사용됩니다. 두 번째, 시각화는 데이터를 그래프, 차트, 인포그래픽과 같이 시각적으로 표현하는 과정입니다. 의사결정자가 대량의 데이터를 빠르게 이해하고 해석하여 보다 효과적으로 데이터 기반 의사결정을 내릴 수 있도록 돕습니다. 세 번째, 가설검정은 두 개 이상의 그룹 간에 유의미한 차이가 있는지 확인할 때 주로 사용합니다. 기업이 마케팅 캠페인, 제품 출시 또는 고객 만족도 조사의 효과를 평가하는 데 필수입니다. 네 번째, 선형회귀분석은 변수 간의 상관관계를 넘어, 구체적으로 변수들이 어떤 영향을 주는지 정량화할 때 사용합니다. 특히 과거 성과를 기반으로 예측하는 데 필수입니다. 다섯 번째, 분류예측은 예측하고자 하는 변수가 수치형이 아니라 범주형 (yes/no) 일 때 사용합니다. 여섯 번째, 토픽 모델링은 텍스트와 같은 대규모 비정형 데이터셋을 분석하거나 고객 피드백 또는 소셜 미디어 게시물의 패턴과 추세를 식별하는 데 사용됩니다.

세계경제포럼에서 'Future of jobs Report'를 통해 발표한 2023~2027년에 요구되는 10가지 기술을 보면, 최상위권에 위치한 기술은 복잡한 문제 해결 능력 complex problem solving과 분석적 사고 능력 analytical thinking입니다. 실제로 다양한 직무 채용 면접에서 입사 지원자가 문제를 만난 상황에서 문제를 어떻게 정의하고 어떤 분석을 했으며 어떻게 이해관계자와 소통하여 문제를 해결했는지 묻고 있습니다.

데이터 드리븐 리포트 절차는 목표 (가설) Objective을 설정하고 필요한 데이터를 선정 Necessary data하고 적절한 분석 방법을 결정한 Analytics후 해석 및 검증 Interpretation 그리고 보고하는 Report 것입니다. 이와 같은 과정을 ON AIR 분석 절차라고 합니다.