데이터 문해력(2)
이전글 : 데이터 문해력(1)
결과가 나왔다고 끝난 것은 아니다
최종목표는 '행동과 판단'
'결론'으로 유도하지 못하는 정보는 가치가 별로 없으며, 목적에 이르지 못하는 어중간한 상태
예)
A 상품의 매출은 B 상품보다 적다.
A 상품이 B 상품보다 매출이 적은 이유는 무엇인가?
A 상품을 B 상품만큼 팔리게 하려면 어떻게 해야 하는가?
이러한 질문에 답변할 수 없다면 '데이터 분석'이 아닌 '데이터 정리' 이다.
해결방안은 원인에 실행되어야 한다
해결방안은 문제가 아니라 그 문제를 일으키는 원인에 취해야 한다.
원인에 대한 분석을 바탕으로, 이를 해결하기 위한 방안과 행동을 제안해야 하는게 핵심이다
데이터에서 원인을 찾는 사고방식과 방법
원인과 결과사이에는 반드시 연관관계가 있다.
그 관련성을 데이터로 확인할 수 있다면, 데이터에서 원인을 분석했다고 할 수 있다.
원인 후보를 이끌어 내는 방법과 지표를 특정하는 방식
대체로 원인이 하나인 경우는 드물며, 일반적으로 2개 이상의 원인을 고려해야 한다.
문제에 대한 원인을 파악할 때에는 '당연히 이거지!' 라고 주관적으로 원인 후보를 판단하지 않도록 한다.
예)
문제 : 어떤 상품의 매출이 감소했다.
원인(후보) : 경쟁사가 가격인하 전략을 시작했기 때문이다.
지표 데이터 : 경쟁사의 가격 인하율 변화 (지난 3개월 동안)
데이터 수집이 어려운 경우
문제에 대한 원인을 몇 가지 추측했지만, 이들을 직접적으로 나타낼 수 있는 데이터가 없거나 수집하기 어려운 경우 아래와 같이 해보면 좋다.
유사한 데이터에는 어떤 것이 있을지 생각해본다. (정확도는 약간 떨어지더라도, 데이터가 없는 것보다 낫다)
지금 바로 수집을 시작한다 (시간적인 여유가 있는 상태이고, 본질적인 데이터가 필요하다면)
정량적이 아닌, 정성적인 정보로 대응한다 (설문조사 응답 및 청취 자료 등)
포기한다(해당 부분은 본인의 가정을 통해 보완)
알아두어야 할 주의사항
직접적인 관계인지, 간접적인 관계인지
'데이터를 뒤져보면 그 안에 반드시 답이 있을 것이다. 그것을 찾아내자' 라는 식의 발상은 일단 리셋하고, 데이터를 보기 전에 가능성이 있을지를 생각해보라.
원인은 한 가지가 아니라, 여럿이거나 복잡할 수도 있다.
현상 중 대부분은 결론과 원인의 1대 1 관련성만으로 설명할 수 없다.
위험에 회피하기 위해서는 모든 가능성을 염우데 두고 사고를 확장해 원인을 고려하는 것이 중요하다.
선형이 아닌 관계성도 존재한다
상관관계는 인과관계를 나타내는 것이 아니다
'상관관계가 있다' 라는 결과가 분석을 통해 도출되지만, 양자 간 '인과관계'가 있는지 어떤지, 그리고 어느 쪽이 결과이고 어느 쪽이 원인인지는 분석자의 '해석'이라는 것에 염두를 둬야한다.
기법에 집착하지 말라
논리적 사고란, 개별 데이터와 분석에 대한 것이 아니라, 전체적인 스토리를 탄탄히 구성하고 결론의 설득력을 높이기 위한 사고력과 구성력을 말한다.
논리적 사고와 문제 해결 능력을 배양하기 위해선 위의 세 단계로 구성된 단순한 프로세스로 생각하는게 도움이 된다.
문제 해결 프로세스에서 하는 실수
곧바로 '해결 방안'에 무턱대고 달려드는 것
예를 들어,
'우리 도시의 인구문제' 라는 문제를 다루고 분석해보자 하면, 대부분 정보(데이터)를 수집하고 현재 상태를 파악하는 것에서 시작한다. 그렇게 데이터를 모아 그래프를 보면, 분면 '인구가 감소하고 있다' 라는 위기 상황을 보여준다. 그리고는 일반적으로
인구 감소를 완화할 수 있는 대응 방안을 강구한다.
다른 지역에서는 어떻게 하고 있는지 정보를 수집한다.
그 결과로는
행사 건수를 늘리고 규모를 크게 해서 다른 지역에 적극 홍보를 한다
결론 투어 프로그램을 기획해 주말에 젊은 커플이 참여 할 수 있도록 한다
느닷없이 '해결방안'으로 달려들지 않나요? 정말 데이터 기반이라고 할 수 있나요?
데이터를 통해 확인한 내용이 정말로 직접적으로 제안한 내용과 관계가 있나요?
참신한 아이디어만 내면 된다는 생각이라면, 애당초 데이터는 필요하지 않다.
결과와 유효성 차이가 생기는 '원인' 파악 유무
'해결 방안'으로 바로 뛰어들기 전에 취해야 할 행동은 무엇인가?
바로 '원인'을 분석하는 것이다. 그 전제로 '문제'가 적절히 정의되어야 한다.
'해결방안'은 '문제'에 직접적으로 적용하는 것이 아니라 '문제'를 일으키고 있는 '원인'에 적용하는 것이다.
어째서 다른 수단이 아니라 그것이 필요한가?
그로 인해 어떤 것을 실현 또는 해결 가능한가?
효과적인 결과가 나올 것이라는 근거는 어디에 있는가?
위 질문에 바로 대답을 할 수 없다면, 자신의 상상이나 주관이 들어가 있을 경우가 높다.
왜(원인) 그런지 끈질기게 생각하라
방법맨이 되는 것을 피하려면 일단 '문제' , '원인' , '해결 방안' 이라는 가장 단순한 프로세스를 항상 염두에 두고, 자신이 생각하고 있는 것이 세 가지 중 어느 쪽에 해당하는지 파악해야 한다.
'원인' 의 구조는 단순하게 볼 수 없다
원인 후보를 추출했다고 서둘러 다음 단계로 넘어가면 안된다.
원인은 항상 단순한 구조가 아니기에 '왜'를 반복해서 '본질적'인 원인까지 파고들어야 정확하고 밀도 있는 해결 방안을 도출할 수 있다.
Why는 논리적인 스키마까지 가는 정도까지!
'결론은 이것이다' 정보를 요약하라
결과와 결론은 다르다
계산과 분석을 해서 나온 결과물은 어디까지나 '결과'이며, 그 결과가 목적에 대해 어떤 의미가 있는지 설명하는 것이 '결론'이다. 결론에는 직접적인 계산 결과와 통계 용어는 포함하지 않는다.
결과 : 여성 고객의 경우 등록한 사람이 그렇지 않은 사람보다 평균값이 높습니다.
결론 : 메일링 리스트 등록은 여성 고객에게 효과적이지만, 남성고객에게는 그렇지 않습니다.
결과와 결론에 이르는 과정은 본질적으로 같다. 결론은 결과 기반이기 때문이다.
하지만 표현방식은 다르다. 작은 차이가 상대방에게 전달되는 방식이나 이해도에 있어서 큰 영향을 미친다.
결론을 낼 때 주의해야 할 점
데이터로 설명 가능한 범위인가?
'데이터를 통해 알 수 있는지' 를 의식하면서 자가점검을 하지 않는다면, 데이터로 설명 가능한 범위에서 벗어나기 쉽다.
정답 역시 한 가지가 아니다
아래의 4가지 정보를 통해 어떤 결론을 도출할 수 있는가?
서울의 물가는 비싸다.
도쿄의 물가는 비싸다.
방콕의 물가는 비싸다.
베이징의 물가는 비싸다.
무엇이 정답인가?
정답은 없다.
다만, 어떤 결론이 적절하다고 생각하는가? 라는 질문을 할 수 있다
'데이터로 문제를 해결할 수 있다' 는 착각
분석 범위와 이용해야 할 데이터를 적절히 논리적으로 검토한 프로세스
각 과제의 데이터를 다루기 전에, 넓은 안목으로 전체를 가정하는 것이다.
이 '가정'은 일반적으로 '가설'이라 하며, 목적과 문제에 대하여 데이터를 다음과 같이 생각하는걸 말한다.
어떤 범위, 어느 시점의 정보(데이터)가 필요한가?
어떻게 처리, 가공해야 할것인가?
가설 -> 데이터 , 데이터 분석은 자신이 수립한 가설을 객관적, 논리적으로 검증하기 위한 것이다.
중요한 것은 분석에 활용할 데이터와 그 범위를 얼마나 넓게 설정할 것이다.
이 문제는 어느 정도 범위의 데이터가 필요한가?
이 데이터는 어떤 관점으로 바라봐야 하는가?
시야를 넓히면 분석의 폭도 넓어진다
논리 사고로 문제를 구조화한다
당면한 과제에 대한 범위나 분석 영역을 어떻게 하면 누락 없이 적절히 판별할 수 있을까?
최선의 접근 방식은 Logical Thinking 이다.
여기서 말하는 Logical Thinking은 문제를 구조화하고 정리하면서 생각을 하는 것을 말한다.
구조화에 기반한 논리적 사고를 위한 두 가지 강력한 기법을 소개하고자 한다.
짝짓기
대응되거나 반대되는 아이디어를 찾기
예)
회사 내부 - 회사 외부 / 양 - 질
개인 - 조직
방법론(하는 법) - 의식(의욕)
있다(그렇지만 할 수 없다) - 없다
자기 부정
자신이 떠올린 아이디어를 일부러 부정하는 것이다.
"만약 000이 아니라면?" 이라고 자신에게 되묻는 것이다.
처음 떠오른 아이디어를 고집하지 말고, 이를 부정하며 다른 아이디어를 강제로 도출하는 방식
앞으로 필요한 '살아남는 능력'은?
정답찾기는 이 세상에는 없다.
스스로 정답에 대해 고민하고, 이를 합리적으로 논할 수 있어야 한다.
데이터 문해력이란, '데이터에서 무언가를 읽어내는 능력'이 아니라 '스스로 정답에 대해 고민하고 데이터를 무기 삼아 합리적으로 논할 수 있는 능력' 이다.
데이터는 도구일 뿐이다. 도구는 논리적 사고라는 기반하에 빛을 발한다.
