'데이터 기반 의사결정'이라는 단어는 그 이름이 너무 근사한 나머지, 그럴듯한 데이터만 있으면 바로 높은 수준의 의사결정을 만들 것 같은 착각을 만들어냅니다. 실상은 그렇지 않고, 항상 의사결정

'데이터 기반 의사결정'이라는 단어는 그 이름이 너무 근사한 나머지, 그럴듯한 데이터만 있으면 바로 높은 수준의 의사결정을 만들 것 같은 착각을 만들어냅니다. 실상은 그렇지 않고, 항상 의사결정 뒤에는 '사람'이 있습니다. 데이터만을 가지고 설명해서는 단 한사람도 설득하지 못합니다. 모든 팀원들이 데이터 기반 의사결정을 좋아하고, 잘 한다고 생각하지만 실제로는 그것이 멋지게 들린다는 사실 외에는 별로 아는 것이 없거나, 제대로 알고 있지 못하거나 (숫자만, 특히 큰 숫자만이 데이터다 라던가, 수집되지 않는 다크데이터를 무시하거나, 큰 데이터는 무결점이라고 믿거나), 자신의 역할과 관심사를 통해서만 해석합니다. '데이터가 이러하니 앞으로 우리의 방향은 이렇습니다!, 지금까지 하던 일은 이러이러해서 전면 수정해야합니다.' 라는 외친다고 CEO가 핵심성과지표(KPI)를 바꾸지 않고, 개발자가 코드를 엎거나, 디자이너가 순순히 자신의 작업파일을 지우지 않습니다. 이해관계자에 대해 이해하고, 그들이 당신의 리포트를 듣기 위해 오게 된 이유와, 그들이 처한 조건을 이해해야 합니다. (지금 테스크가 얼마나 바쁜지, 그들이 성과라고 생각하는 일이 무엇인지, 이 안건에 대한 이해도가 얼마나 높거나 낮은지) 그들의 머릿속에 '내가 이 안건에 참여한다면, 나에게 어떤 이득이 있지?' 라는 질문이 떠오를 것이고 당신은 이 부분을 반드시 고려해야합니다. 사람들에게 해답을 알려주려고 하지말고, 스스로 질문을 찾도록 돕는 것이 좋습니다. "우리가 가야할 방향은 이것입니다." 라고 말하는 대신에 "우리의 상품은 이러하고, 핵심 고객은 세그먼트 세 개로 나눌 수 있습니다. 그러나 우리는 그들 모두에게 똑같은 마케팅 메시지, 똑같은 제품 경험을 제공하고 있습니다." 라고 설명하는 것이 좋습니다. 그러면 그들은 스스로 질문을 찾기 시작할 것입니다. "왜 우리가 세그먼트를 나눈다는 생각을 못했죠?" "마케팅 메시지를 나눠보지 않은 의사결정을 어떻게, 누가 했죠?" "지금 우리가 저 결정으로 인해 얼마나 손해를 보고 있죠?" "지금이라도 고객 세그멘트를 나눠서 케어하는 것이 얼마나 도움이 되며, 실제로 테스크를 만들려면 어떤 어려움이 있을까요?" 데이터를 많이 알고 있다는 이유로, 방향성을 제안하고 당장 팀을 그 곳으로 이끌고 싶은 욕구가 생길 수 있습니다. 하지만 사람들을 움직이리면, 당신이 알게 된 사실을 털어놓고, 당신은 알고 있는 데이터로 이들의 논의를 돕고, 그들이 스스로 다음 방향성을 찾을 수 있도록 길잡이 역할을 하는 것이 좋습니다. 당신이 데이터에 대한 수집과 해석을 잘 해냈고, 이로부터 그들의 다음 행동을 이끌어내는 논의를 주도할 수 있습니다. 각 분야의 전문가는 당신의 의견을 토대로 각자의 전문성을 발휘하여 최고의 성과를 낼 수 있습니다.