1. 보편적으로 기획자 및 PM이 새로운 기능 기획>개발팀에 전달>개발하고 배포>마케팅팀에서 마케팅 계획 및 실행 >분석가님 이렇게 했는데 성과 분석 해주세요 라고 일이 진행됩니다. 2. 새로운

1. 보편적으로 기획자 및 PM이 새로운 기능 기획>개발팀에 전달>개발하고 배포>마케팅팀에서 마케팅 계획 및 실행 >분석가님 이렇게 했는데 성과 분석 해주세요 라고 일이 진행됩니다. 2. 새로운 기능이 추가되면서 유저 유입이 늘고 해당 기능 사용량이 증가하면 이 기능은 성공적인 걸까요? 3. 홍보를 안해도 대부분의 유저가 사용하지 않울까요?와 같은 질문에 부딪히게 됩니다 4. 이럴때 좋은 접근 법은 A/B테스트 일것 입니다. 일부 사용자에게는 새로운 기능 노출을 일부에게는 기존 처럼 노출해서 얼마나 영향이 있는지 평가하는 것입니다. 5. 하지만 이러저러한 여러 이유들로 A/B테스트를 하기 어려운 상황들이 많습니다. 실험 환경이 안갖춰 졌거나 기획자들이 그런 설계를 안해주거나 개발자들이 리소스를 이유로 관련 개발을 거부하거나 등등.. 6. 이럴때는 이미 벌어진 현상에서 원인과 결과를 찾아내는 인과추론 접근이 필요합니다. 물론 A/B테스트도 인과추론 입니다. 7. 인과추론의 주목적은 결과에 영향을 주는 원인이 무엇인가 입니다. 8. 뭐 이러 저러한 통계기법들 복잡한 계산들이 사용되기도 하지만 핵심은 객관적인 추론을 통해서 설득력있는 주장을 하는 것 입니다. 9. 저도 아직은 인과추론에 대해서 손가락하나를 물에 담근 정도 입니다만, 상황을 이해하고 어떤 액션을 통해서 비즈니스를 어떻게 개선 시킬수 있냐의 관점에서 인과추론적 접근이 데이터 분석가 업무에 큰 도움이 될걱 같습니다