데이터 관련 책 소개📊 데이터 쓰기의 기술 - 차현나 ‘데이터 읽기의 기술’ 다음으로 출간된 ‘데이터 쓰기의 기술‘. 지난 책에서는 데이터를 왜 배워야하는지, 데이터의 육하원칙, 회사의 데이터

데이터 관련 책 소개📊 데이터 쓰기의 기술 - 차현나 ‘데이터 읽기의 기술’ 다음으로 출간된 ‘데이터 쓰기의 기술‘. 지난 책에서는 데이터를 왜 배워야하는지, 데이터의 육하원칙, 회사의 데이터 상태 점검하기 등 개념적인 내용을 다뤘습니다. 이번 책에서는 더 나아가 실무에서 ‘어떻게 데이터 분석을 할 수 있는지‘에 대해서 프로세스를 정의하고 10가지 사례에 프로세스를 적용한 내용을 다루고 있습니다. 부제에서 볼 수 있듯이 “따라 하면 끝나는 단계별 데이터 분석” 처럼 막연히 어렵게 느껴지는 데이터를 좀 더 쉽게 실무에서 사용할 수 있도록 안내했습니다. 그러나 저자께서 스타벅스의 데이터 사이언티스트로 근무하셔서 오프라인 위주 사례가 많았고 웹/앱 등 온라인 서비스에 적용한 사례가 비교적 적다는 점이 아쉬웠습니다. 물론 본질적인 내용은 공통적이기 때문에 오프라인 사례를 기반으로 온라인에 적용할 수 있다고 생각합니다. 데이터 분석을 위해 정의한 프로세스는, 1. 데이터 디자인 - 질문하기 좋은 분석은 좋은 질문에서 시작된다. 궁금한 것이 없는 사람은 데이터 분석을 시작할 수가 없다. 일단 궁금한 것이 있어야 데이터 분석의 실마리를 잡을 수 있다. 평소 매출, 회원 등 데이터를 보면서 “왜 갑자기 매출이 올랐지?” 등을 시작으로 질문을 이어나가는 연습을 해야 한다. 2. 데이터 디자인 - 문장 쪼개기 문장을 쪼갠다는 것은, 머릿속에 떠오른 질문을 데이터 단위로 분해하는 것이다. 이는 분석을 시작할 때 매우 유용하며, 데이터를 잘 모르는 사람도 연습할 수 있다. “요즘 잘 나가는 OO 마켓이 있어. 거기서 다른 데보다 저렴하게 팔더라고.” 를 예시로 보자. 요즘 : 요즘이란 언제부터 언제까지인가? 몇 년, 몇 달, 혹은 몇 주나 며칠로 표현이 가능한가 잘 나가는 : 잘 나간다는 것은 무슨 의미인가? 매출 규모가 크다는 것인가? 매출 순위나 성장률이 높다는 것인가? 다른 데보다 : 경쟁업체는 어디인가? 유사한 매장은 무엇인가? 선글라스를 파는 모든 매장인가, 특정 브랜드를 파는 곳인가? 저렴하게 : 얼마나 싸다는 것인가? 평균 가격 대비 싼 것인가? 전 세계 비교 가격 중에 가장 싼가? 위처럼 하나의 문장을 잘게 쪼개고 각 단어들을 구체적으로 정의할 필요가 있다. 실제로 데이터에 관련된 회의를 진행하다 보면 각 담당자가 생각하는 지표의 정의가 모두 다른 경우가 많다. 문장을 잘게 단어로 나누고 각 단어들의 정의를 잘 해야 더 좋은 데이터 분석을 할 수 있다. 이 단계를 습관적으로 연습해야겠다는 생각이 들었다. 3. 데이터 디자인 - 데이터 찾기 문장을 쪼개보았다면, 이제 쪼개진 단어별로 데이터를 찾아야 한다. 기대한 데이터가 전부 있지 않고, 생각보다 데이터가 없는 경우가 많다. 데이터가 있더라도 원하는 형태로 존재하지 않는 경우도 많다. 실제로도 회사에서 데이터 분석을 하려고 할 때, 서버에 데이터를 저장하지 않고 있는 경우도 많으며 정확히 측정이 되지 않고 있는 경우가 많다. 데이터 분석을 하기 전에 먼저 측정하고자 하는 데이터를 찾아내고 측정하기 위한 환경을 만들어야 한다. 4. 데이터 디자인 - 데이터 분석하기 데이터 분석은 큰 관점부터, 작게 시작해야 한다. 데이터 중 가장 구하기 쉽고 전체를 조망할 수 있는 숫자를 펼쳐보기를 권한다. 대표적으로 일별 매출이나 월별 매출 등의 숫자를 시간 순서에 따라 라인 차트 등으로 만들어보자. 해당 차트를 보면서 “어느 시점에 매출이 떨어졌지?” 등을 확인하면서 분석을 시작해나갈 수 있다. 5. 데이터 스토리텔링 - 데이터 퍼즐 맞추기 데이터로 스토리텔링을 해야 한다. 여러 단위의 분석을 진행한 뒤에, 그 분석을 이어 이야기를 먼저 만들어보자. 이야기를 만들어가면서 미처 생각하지 못한 점, 변화를 이끌어낼 지점을 찾아내는 연습을 해야 한다. 낱개의 분석을 진행하고 분석 결과를 분류한다. 낱개의 분석 결과 중 비슷한 것, 흐름상 인접한 곳에 놓여야 하는 것을 분류해야 한다. 그 후에 숫자로 하는 분석이 아닌 인문학적인 머리로 생각할 시간이 필요하다. 이 낱개의 분석들이 가리키는 방향은 무엇인가? 이 분석 내용과 저 분석 내용은 서로 상충되는데, 잘못된 것은 없는가? 이런 생각이 정리되도록 분석 결과를 재배열한다. 6. 데이터 스토리텔링 - 변화를 만들 제언하기 데이터 분석을 하고, 매락을 알아내는 것만으로는 충분하지 않다. 알고 난 뒤에는 행동을 해야 한다. 그 행동이 변화를 가져오고, 그 변화로 인해 기업과 사업이 유지된다. 변화를 위한 제언은 데이터를 바탕으로 구체적이고 현실적이어야 한다. 그러나 사실 현장에서 일을 하는 사람들만큼 현장을 잘 알수는 없기 때문에, 너무 자세한 제언을 하기는 어렵다. 따라서 너무 세밀한 제언은 데이터의 전문성을 오히려 훼손할 수 있다. 7. 데이터 스토리텔링 - 데이터에 옷 입히기 청자에 맞춰 데이터 공유 방법은 다양하다. 보통 담당자들의 요청에 맞게 데이터 자체를 표에 채워주고 끝나는 경우가 많다. 그러나 반복적으로 확인 가능한 데이터는 단순 추출보다는 대시보드를 적극 확용해야 한다. 또한 데이터 제공에 그치지 않고 데이터를 분석하고 코멘트를 첨부한 보고서를 공유할 수도 있다. 8. 데이터 기반 의사결정 - 액션 아이템 만들기 데이터로 제언을 한 후, 실제로 ‘무엇을 할지’ 액션 아이템을 만들어야 한다. 이 부분은 데이터 전문가보다는 제품 개발, 마케팅 등 실무 전문가가 더 잘한다. 액션 아이템에서는 방향성과 로드맵을 구체화해야 한다. 실제 액션을 수행하는 실무자들과 토론을 통해 정해지며 실제 실현 가능해야 하며 실행 일정까지 포함해야 한다. 9. 데이터 기반 의사결정 - 현장의 변화 만들기 데이터로 의사결정을 했을 때 실제로 무엇이 검증되는지 체득하는 과정이다. 왜 성공하고 실패하는지 데이터로 바라본다는 자세로 실행에 옮겨야 한다. 실제로 데이터와 현실이 잘 맞지 않는 경우가 있다. 이럴 때 어떤 점을 간과했는지, 질문 - 데이터 - 분석- 인사이트 - 제언 - 액션 아이템 - 현실 사이에서 어느 지점이 잘못되었는지 파악해야 한다. 10. 데이터 기반 의사결정 - 소비자의 반응 포착하기 현장에서 느끼는 소비자의 반응은 데이터만으로 알아낼 수 없는 부분을 메울 수 있는 소중한 정보다. 액션 아이템을 통한 현장의 변화가 실제 매출에 영향을 주었는지 등에 대해서 면밀하게 살펴봐야 한다. 해당 영향을 파악하기 위해서는 제품이나 서비스 출시와 함께 소비자의 반응을 확인할 수 있는 방법을 미리 기획해놔야 한다. 마지막으로 성과 리뷰 세미나를 통해 회고할 수 있는 기회를 가져야 한다. 이번 프로세스에서 놓친 부분이 무엇인지, 잘된 부분은 무엇인지를 확인하여 다음 프로세스에 어떤 부분을 반영하여 개선할지를 결정하는 시간이 필요하다. 어떤 서비스인지, 조직문화는 어떤지, 데이터 환경은 어떤지 등에 따라 프로세스가 모두 상이할 수 있지만, 데이터 분석을 진행할 때 10가지 단계를 고려하면서 진행한다면 실수를 줄여나갈 수 있다고 생각합니다. 그리고 우리 조직에서는 어떤 단계가 부족한지에 대한 점검도 함께 진행될 수 있어 프로세스를 개선하는 데 도움을 줄 수 있습니다.