데이터 문해력 (1)
" PM으로 커리어를 시작할 때, 어떤 책을 읽으면 좋을까요? "
했을때 가장 먼저 추천을 받았던 책이 '데이터 문해력'이라는 책이다.
최근 문제정의를 하는 과정에서 데이터를 어떻게 사용해야할지 고민하던중
이 책을 다시 읽어보기도 하며 내게 적용시킬 만한 내용들을 적어두기로 했다.
데이터문해력이란?
데이터에 기반하여 문제를 발굴하고, 필요한 데이터를 정의 또는 새롭게 생성하며, 문제해결 과정에서 데이터를 활용, 소통하는 역량을 말한다.
데이터는 결국 도구이고 나의 논리를 얼마나 탄탄하게 가져가는지가 중요하다
데이터를 바라보는 자세
데이터를 활용하고 분석해야 한다고 하지만 이를 해석하고 적용하는 주체는 사람이기에 데이터에 매몰되어서는 안된다.
데이터를 보면서 인사이트나 문제 정의를 발견하기 기다리는 것은 탐정이 단서를 얻기 바라면서 모든 CCTV를 돌려보는 것과 같다.
데이터를 먼저 보지마라 - 데이터안에 답은 없다.
그래프를 보며 생각해야하는 건
이 그래프를 작성한 사람은 (그래프 작성 전에) 무엇을 말하고 싶었을까요?
이를 '목적 사고력' 이라 하며, 데이터 작업 전에 무슨 말을 하고 싶은지(무엇을 알고 싶은지) 생각해보고 이에 필요한 데이터를 활용해 작업을 진행하는것을 말한다.
데이터가 직접적인 답을 주는 경우는 없다. 어디까지나 하고싶은 말과 해결하고 싶은 것이 있기 때문에 이러한 목적에 대한 인프라나 도구로서 데이터를 활용하는 것이다.
" 데이터와 데이터 분석은 목적을 달성하기 위한 도구에 지나지 않는다. "
데이터 활용을 못하는 사람들의 공통적인 과제, 문제점은 “데이터와 (2) 작업을 선행한다” 라는 것이다. 그리고 “데이터를 적당히 건드리다 보면 뭔가 유용한 정보가 나오겠지. 아무것도 안나온다면 분석 방법이나 지식이 부족하기 때문일거야” 라는 식의 생각을 한다.
데이터 활용 프로세스
내가 알고싶은 것(목적)에 따라 데이터를 수집하고 분석해서 그 결과를 검증하고 결론으로 연결하는 것
올바른 데이터로 올바른 문제를 풀고 있는가?
성공과 실패를 가르는 접근법
문제의 핵심은
"나는 무엇을 알고 싶은가?"
"무엇을 해결하고자 하는가?"
성공하는 접근법
데이터에서 뭘 알 수 있을지 생각하고 -> 가공
가설로 부터 데이터를 확인
실패하는 접근법
데이터를 가공한 뒤에 -> 데이터에서 뭘 알 수 있지?
데이터를 통해 가설을 도출
데이터 활용에 실패하는 이유
풀고자 하는 문제가 명확하지 않다.
가장 먼저 해야하는 작업은 '목적과 문제에 대한 정의'
나의 생각을 논리적으로 상대방에게 전달하고 이해시키고 내가 원하는 결론으로 도달시키기 위해서는 객관성을 갖춰야 한다.
나는 무엇을 알고 싶은가?
나는 무엇을 해결하고 싶은가?
이 질문에 대해서 사전에 충분하게 고민을 하지 않는다면 논리와 설득력을 갖추기 어렵다.
목적과 문제를 정의할 때 확인해야할 포인트
포인트 1 : 사용된 언어가 구체적이고 명확한가?
눈에 띈 데이터를 모아 그래프로 그려봤자 의미있는 결론을 기대할 수 없다.
이 과정에서 발견한 사항은 어쩌다 발견한 사소한 발견일 뿐이다.
그 안에서는 어떠한 논리성과 객관성이 없다.
정의한 문제에서 정답은 없다
문제를 정의하는 방법에 따라 활용하게 될 데이터가 달라진다.
포인트 2 : '문제' , '원인' , '해결방안'을 구분하고 있는가?
'문제'가 무엇인가
겉으로 드러나는 현상과 실질적인 본질인 문제를 구분을 지어야 한다.
실제 진짜 문제를 찾기위해선 '5 Why'를 적용해보면 좋다.
그 문제를 일으키는 '원인'은 무엇인가
문제와 원인은 섞이면 안된다.
'원인'이라는 것은 현시점에서 '가정'이나 '가설'에 그치지 않는다.
그 원인에 대한 '해결 방안'은 무엇인가
목적과 원인을 정의하는 시점에서 '결론'을 내버리는건 위험하다.
어떤 것이 옳고 그른가를 따지지 말고, 머릿속으로 삼자 관계를 정리하고 이해할 필요가 있다.
무엇을 '문제'로 정의할 것인지, 어떤 데이터를 활용할지 결정하는 것이 중요하다.
추가 1: 무엇을 문제로 정의할 것인가? 하나의 문장 속 다양한 원인(문제)가 있다면 어떤 부분을 기준으로 삼을 것인가?
데이터라는 객관적인 정보를 이용해서 '문제'의 '원인'을 규명하고 그 해결 방안을 수립하고자 하는데, 시작도 하기전에 주관적인 자신의 추측을 가지고 원인을 단정짓는 것은 바람직하지 않다.
문제를 설정할 때, 다음과 같은 질문을 항상 스스로에게 되물어보자
나는 문제를 명확하게 정의해 풀고 있는가?
정의한 문제와 사용 데이터가 일치하지 않는다.
' 데이터를 보고 그로부터 문제를 찾아낸다 ' 는 접근 방식도 있지만, 무엇을 문제로 설정하고 결과적으로 어떻게 하고 싶은지 숙고하지 않은 상태에서 무작정 데이터를 만지작거리고 어쩌다 찾아낸 것을 '문제'로 정의한다면 과연 객관성과 논리가 있을까?
어떤 문제에 대해 정의를 내릴때는 '정답'은 없다. 합리적인 정의로 설득력을 얻는게 중요하다.
그러기 위해선 짐작이나 추측이 아닌, 논리적인 설명을 통해 이용할 지표를 결정해야한다.
지표를 무조건 하나만 정해야 하는 것도 아니다!
나는 올바른 데이터(지표)를 활용하고 있는가?
오늘 처음 만난 외부인이나 제3자에게 데이터를 보여주면서, '제 고민은 이것입니다' , '이것이 문제입니다' , '이것을 이해해주시면 좋겠습니다' 라고 말할 때, 어떤 데이터를 활용하겠습니까?
'이것이 문제다' 데이터로 말하는 방법
결과와 평가는 다르다
가치있는 정보란 무엇인가?
실무에서 '가치 있다'고 생각하는 정보는 아래 한 가지와 연결되어야 합니다.
구체적인 행동을 특정할 수 있다
구체적인 판단을 내릴 재료가 된다
예를 들어, 3000만원이라는 실적은 좋고 나쁨을 판단할 수 없는 상태입니다. 이는 '실적을 공지' 하는 것 뿐이며, 사람들이 원하는 '시사점'을 전하지는 못합니다.
실적 추이나 결과를 그래프 등으로 알기 쉽게 표현하는걸 넘어서서 다음 단계로 진행해야 '데이터를 활용한다' 는 사실을 깨달을 수 있다
데이터를 보다 전략적으로 의사 결정이나 문제 해결 등에 활용할때는 위의 정보는 전혀 소용이 없다.
사실.결과표시 : 사실과 결과의 데이터를 그래프나 표, 지표 등으로 표시하는 것
평가 : 내용을 평가해서 구체적인 행동과 판단으로 연결하는 것
비교할 때는 관점이 중요하다
'평가'를 하기위해 필요한 것은 바로 '비교'이다.
데이터는 숫자의 크고 작음을 나타내는 것이지 그 값에 대한 평가를 단독으로 내릴 수는 없다. 비교 대상이 있어야 비로소 값에 대한 평가가 가능하다.
평가를 객관적으로 만드는 것은 바로 '다른 것과의 비교' 이다.
데이터를 활용해서 결과물을 만들 때, 자기 생각과 주관을 전하면 안된다. 더욱 엄밀하고 객관적으로, 논리적인 주장을 전달해서 상대방이 이해할 수 있도록 해야한다.
목적 중심의 사고를 생략(생각을 멈춤)한 채 데이터를 그대로 사용하면, 결론과 데이터 사이 논리적인 괴리가 생기게 된다. 결론을 심정적으로 정해놓고 데이터로 평가하려다 보면, 그 결론과 다른 결과가 나올 경우 결론 자체를 바꿔야 할 수도 있다.
비교할 때 체크포인트
결론으로 이어지는 결과가 나올 것인가? (반드시 결론으로 부합하는 결과가 나온다는 보증은 없다)
'무슨 말을 하고 싶은지' , '어떤 것을 확인하고자 하는지' 이에 따라 oo라는 데이터를 oo라는 데이터와 비교했다' 라는 과정이 데이터 활용에 필수이다.
결과 : 그래프를 보고 이를 단어로 바꿔 표현한 것
결론 : 차이가 결국 어떤 내용인지를 설명
'내가 무엇을 말하고 싶은지' , '어떤 것을 문제로 인식하고 있는지'
그래프나 표를 만들 때 각각의 결과물에 대한 구체적인 결론을 먼저 문장으로 써보는 것
만약 거기서 머뭇거린다면, 어떤 목적으로 작업하고 있는지 모른다는 것이다.
비교를 통해 '차이'를 찾을 수 있는가?
비교했지만, 차이가 없다면 평가할 수 없다.
데이터나 결과가 아니라 '차이가 있을 것이다'라는 초기 가설이 틀렸다고 생각하는 것이 타당하다.
혹은 '차이가 없었다'라는 것을 결론으로 삼을 수 있다.
절대적인 정답은 없으며, 비교 대상을 하나로 정해야 할 필요도 없다
여러 비교 대상 후보를 정하고 각각 비교를 진행해서 결과와 결론의 일관성을 확인하고, 경우에 따라 다시 한번 비교 대상을 늘리거나 조정해서 '가설' -> '검증'을 반복하는 것이 현실적!
같은 데이터라도 어떤 기준으로 평가하는가에 따라 그 결론이 달라질 수 있다.
'뭐가 정답일까?' 라는 발상을 버리고, '이 사례에서는 어떤 평가가 중요할까?' '어떤 설명이나 결론이 가능할까?' 라는 관점에서 생각하고, 필요한 기준을 선정해 활용하자.
비교 총정리
비교를 하는 목적(관점) : 비교를 통해 평가한다.
비교의 기술: 목적에 따라 '값의 크기' , '추이' , '편차' , '비율' 등 4가지 평가 기준을 이용해 데이터의 특징을 포착한다.
당신이 현재 직면하고 있는 문제나 그 배경에 대해 전혀 모르는 제 3자가 바로 앞에 있다고 상상하세요. 그 사람에게 당신이 다루는 문제를 데이터로 설명하려면 무슨 데이터를 어떻게 보여주면 좋을까요?
