2.2) 풀고자 하는 문제가 명확하지 않다.
- 절대적인 정답이 존재하지 않을 때, 여러분은 자신의 생각을 무엇으로 논리적이고 객관적으로 상대방에게 전달하고 이해시킬 수 있을까요? 자신의 결론으로 이끌어내는 이야기를 만드는 능력이 앞으로 더욱 중요해진다는 것은 더 말할 필요도 없습니다.
라는 내용이 있었다. 데이터를 보고 논리적이고 객관적으로 정보를 추출해내어 상대방에게 전달 및 이해시키기 좋게 재 가공을 하여 내가 전하고자 하는 의미전달에 대해 심도있게 고민해봐야 한다라는 내용 주 목적이라 생각이 든다. 다만 이 부분은 나 개인이 혼자 하는 것보단 다른 팀원들과 토론을 진행해보며 더 좋은 정보를 얻거나 가공을 하여 서로 더 좋은 자료들을 가지고 가공을 하는 것이 중요하다고 느껴진다.
2.4) 비즈니스 현장 사례 분석
- 나는 올바른 데이터(지표)를 활용하고 있는가?
조금 더 구체적으로 말하면 다음과 같습니다
예를 들어, 오늘 처음만난 외부인이나 제3자에게 데이터를 보여주면서, '제 고민은 이것입니다.', 이것이 문제입니다', 이것을 이해해주시면 좋겠습니다.'라고 말할 때, 어떤 데이터를 활용하겠습니까? 이에 대해서만 생각하면 됩니다.
이 내용에서 말하고자 하는 바는 단순 데이터만 보고 생각할게 아니라 문제의 본질을 확인하고 그 사람이 해결하고 싶어하는 진짜 문제에 대해 파악하는 능력이 중요하다는 내용으로 읽힌다
그리고 나는 이 내용에 대해 적극 동의를 하는 바이며 데이터 분석가가 가져야하는 기본 소양 중 하나라고 생각이 든다.
문제가 무엇인지 파악도 못하는 상태에서 아무리 지표를 뒤져 정보를 찾아내어봐야 결과물은 그 당사자에겐 아무런 의미도 쓸모없는 정보가 되어버릴 수 있다는 점이다 그렇기 때문에 심사숙고하며 어떤 문제가 있는지 정확히 파악한 후 그 문제해결에 가장 도움이 될 수 있는 지표를 활용해 문제해결 방안을 마련을 해주는 것이 옳은 일이라 생각한다
3.2) 비교할 때는 관점이 중요하다.
- 데이터를 활용해서 결과물을 만들 때, 자기 생각과 주관을 전하면 안 됩니다. 더욱 엄밀하고 객관적으로, 논리적인 주장을 전달해서 상대방이 이해할 수 있도록 해야 합니다.
데이터를 활용한 결과물을 만들때 자신의 생각과 주관을 전하면 안된다고 하니 무엇인가 납득하기 어렵다고 느껴진다 어떤 자료나 문제 혹은 지표라든지 개인이 보기에따라 다르게 보일지도 모르는 문제들인데 개인적인 생각과 주관이 최대한 들어가지 않고 누가보아도 객관적으로 결과물에 합당한 명확한 지표를 활용을 해야한다는 이야기로 보이고 가능하다면 이 부분은 개인이 혼자 생각하고 판단하는 것 보단 다른 팀원들이 있다면 그 팀원들과 먼저 이야기를 해보고 보다 더 객관적으로 결과물을 내놓을 수 있다면 그렇게 하는 방법이 더 좋을 것 같다는 생각이 들었다.
3.4) 비교사례 분석
- 평균값만 보고 서비스A가 더 좋다라고 생각하는 것은 섣부른 판단이라는 점에 동의하리라 생각합니다. 이는 어디까지나 작업자나 분석자 자신이 그어놓은 선으로 그룹을 구분했기에 나온 차이이며, 그 그룹의 특징을 단적으로 나타낸 평균 등의 지표가 꼭 그룹 전체를 대표한다고는 볼 수 없습니다. 그 지표에서 나타나지 않은 다른 부분들 또한 무시할 수 없는 것입니다.
이 내용을 읽어보면 단순 문제의 원인파악을 빠르게 하기 위해 무차별적으로 평균을 내어 사용을 하면 되려 중요한 자료를 놓칠 수 있다는 위험성을 알 수 있는 대목인 것 같다. 확실히 평균값은 결과라는 관점에서 보면 굉장히 직관적이고 좋은 지표가 될 수 있지만 어떤 문제를 해결하기 위해선 되려 독이 될 수 있다는 점과 단순 평균만 놓고 볼 것이 아니라 그 평균을 내기위한 지표에 대한 정보도 분석하고 그 지표에 없는 내용이 추가로 더 있을지도 모른다는 위험성을 인식하고 접근해야 할 필요성을 느꼈다.
4.3) 알아두어야 할 주의사항
- 데이터를 뒤져보면 그 안에 반드시 답이 있을 것이다. 그것을 찾아내자 라는 식의 발상은 일단 리셋하고, 데이터를 보기 전에 가능성이 있는지를 먼저 생각해봐야 합니다.
정론이다. 아마 내 생각엔 이게 데이터 분석가가 가져야할 기본적인 마인드셋이라 생각한다. 가능성이 없는 지표를 가지고 아무리 골머리를 써봐도 결과적으로 얻어낼 수 있는 정보는 영양가가 없는 대체로 아무런 쓸모가 없는 정보일 가능성이 높다. 물론 아무런 연관이 없는건 아닐 수 있지만 연관이 있을 가능성이 사실상 없다시피 하고 그런 정보들은 대체로 주관적인 생각이 들어가기 때문(합리화)에 그 시간에 더 유용한 지표를 가지고 객관적인 정보를 얻는데 사용해야 할 것 같다.
7.1) 데이터 안에는 답이 없다고 생각하라
- 단순히 데이터를 보는 방식이나 분석 방법론, 통계 지식만 갖고서는 객관적인 문제 해결에 전혀 도움이 되지않는다는 것을 이해하셨으리라 생각합니다. 이와 동시에 꼭 필요한 것은 눈앞에 있는 데이터에 의존하지 않고 스스로 목적과 문제를 정의해 필요한 데이터나 분석 범위를 얼마나 넓은 시야로 디자인 할 수 있는가임을 소개해왔습니다.
데이터 안에 답이 있지만 데이터를 보고 답을 쫒으면 안된다는 이야기를 하기 위해 글쓴이는 여지껏 말하고 있었다. 문제를 이해하고 그 문제를 해결하기 위해서 어떤 것을 지표로 삼을지 데이터 분석가가 결정을 해야한다. 사실상 데이터 분석할 지표를 선정한 그 순간에서 부터 사실상 나올 답은 정해지기 마련이기 때문에 사전에 심도있게 고민을 해봐야 하는 부분이라고 생각한다.
7.4) 지금 그리고 앞으로 필요한 '살아남는 능력이란'
- 데이터 문해력이란, '데이터에서 무언가를 읽어내는 능력'이 아니라 '스스로 정답에 대해 고민하고 데이터를 무기 삼아 합리적으로 논할 수 있는 능력' 이라고 생각합니다.
이 글의 내용이 앞서 말한 나의 생각을 뒷받침을 해준다고 생각이 든다. 아마 이 책을 쓴 저자가 가장 궁극적으로 전하고 싶었던 말은 이 글이었던 것으로 보인다.