실행을 위해서가 아니라 의사 결정을 뒷받침하기 위해 데이터를 사용하는 기업들이 많습니다. 하지만 결국 데이터는 실행 가능한 통계로 해석할 수 있을 때만 진정한 가치가 있습니다. 이러한 통계를 얻는 것은 데이터에서 원하는 것이 무엇인지, 즉 어떤 가치를 찾고자 하는지를 파악하는 것에서 시작됩니다. 이 시간에는 데이터의 맥락, 요건, 비전, 결과에 관해 어떤 질문을 던져야 하는지에 대해 이야기하고, 어떻게 해야 이러한 데이터를 의미 있는 이야기와 비즈니스 성공으로 전환할 수 있는지 살펴봅니다.
스코틀랜드의 작가이자 시인인 Andrew Lang은 1910년 "그가 통계를 활용하는 방식은 마치 술 취한 사람이 무언가를 비추기 위한 목적이 아니라 오로지 몸을 기대기 위해 가로등을 사용하는 것과 같다."라고 말했습니다. 수십 년이 지난 지금도 수많은 기업들이 데이터를 잘 활용하지 못하고 있습니다. 즉, 의사 결정을 이끌어내기보다는 단순히 뒷받침하기 위해 데이터를 사용하고 있는 것입니다.
어째서일까요? 결국 데이터는 회사가 더 나은 결정을 내리는 데 도움이 되는 경우에만 진정한 가치가 있습니다. 세계 최대 규모의 데이터를 보유하고 있는 회사라 할지라도 데이터를 비즈니스를 이끄는 데 필요한 통계로 전환할 방법이 없다면 소용이 없습니다.
이 점을 염두에 두고, 다음과 같이 데이터를 실행 가능한 통계로 만드는 데 필요한 몇 가지 중요한 단계를 살펴보겠습니다.
데이터 정의
성공적인 통계를 얻는 것은 데이터로부터 원하는 것을 알아내는 것, 즉 데이터의 가치를 찾아내는 것을 의미합니다. 실제 데이터로 하고 싶은 일이 무엇인지 생각해 보세요. Max Shron은 자신의 저서인 Thinking with Data에서 데이터 분석과 같은 프로젝트의 범위를 좁히는 데 유용한 프레임워크를 제시하고 있습니다. 소설과 마찬가지로 프로젝트는 항상 해설(맥락), 약간의 갈등(요건), 해결책(비전) 및 바라건대, 영원히 행복한 결말(결과)을 포함합니다.
다음 질문에 대한 대답을 찾으면 데이터를 이용하기 위한 최선의 방법을 찾는 데 도움이 될 것입니다.
- 맥락: 달성하고자 하는 것이 무엇입니까? 프로젝트 결과를 도출하기 위해 누가 투입됩니까? 프로젝트의 우선순위를 높이는 데 도움이 될 수 있는 더 큰 목표나 기한이 있습니까?
- 요건: 데이터를 효과적으로 사용하여 해결할 수 있는 세부적인 요건에는 무엇이 있습니까? 이 프로젝트는 이전에 불가능했던 무엇을 달성할 수 있습니까?
- 비전: 데이터를 사용해서 요건을 충족하면 어떤 결과를 기대할 수 있습니까? 최종 결과의 모형화가 가능합니까? 해결책은 어떤 논리를 바탕으로 합니까?
- 결과: 결과는 누가 어떻게 사용하고 어떻게 회사에 통합됩니까? 프로젝트의 성공은 어떻게 측정합니까?
프레임워크 구축
저는 이전에 데이터를 이용한 의미 있는 이야기 전달에 대한 자료를 작성한 적이 있습니다. 그런데 어떻게 해야 전달할 적합한 이야기를 찾을 수 있을까요? 건축가에 비유하면 이해하기 쉽습니다. 건축가가 추상적인 디자인 요청을 현실로 변화시켜야 하는 것과 마찬가지로, 마케팅 담당자는 데이터 요건을 실행 가능한 통계로 바꿔야 합니다.
데이터를 이해하고 시각화하는 것은 건축가가 구상 단계에서 스케치하는 방식과 비슷합니다. 여러 차트, 그래프, 표를 작성하는 것은 데이터와 대화를 나누는 것과 같으며, 이렇게 하면 수치에 대해 파악하여 흥미로운 통계를 찾는 데 도움이 됩니다.
프린스턴 대학의 Michael Graves 건축학과 명예교수는 New York Times에 기고한 훌륭한 글을 통해 기술이 건축에서 '도면 작성 시대의 종말'을 가져왔다는 아이디어를 부인합니다. 그는 도면 작성이 어떤 면에서 최종 제품을 만드는 것과 다를 바 없는 과정인지에 대해 논하고, 컴퓨터가 차지하는 역할이 있는 것과 마찬가지로 인간과 감성적인 요소 또한 중요하다고 설명합니다. 그는 건축 도면을 '참조용 스케치', '예비 조사', '최종 도면'의 세 가지 유형으로 분류합니다. 흥미롭게도 각 유형에 대한 그의 요점은 성공적인 마케팅 담당자가 데이터에 접근하는 방법과 연관이 있습니다.
아래에서 건축 도면에 대한 Graves의 생각을 데이터를 실행 가능하게 만드는 과정에 접목해 보겠습니다.
1. 스케치: 영감 찾기
스케치할 펜과 종이를 사용하여 개념적으로 초기 데이터에 대한 논의를 시작합니다. 원하는 결과에 대한 디자인 개념 또는 전체 아이디어를 적습니다. 예를 들어 이전 자료를 작성하기 위해 일련의 차트를 만드는 동안 다음과 같이 최종 작업의 디자인과 구조의 바탕이 된 내용을 스케치했습니다.
2. 준비: 데이터 숙제 진행
이 단계는 펜과 종이를 가지고 시작할 수 있지만, 분석 및 시각화 소프트웨어를 사용해서 데이터를 자세히 살펴보는 단계로 심화될 수 있습니다. 다음을 이용해 데이터에 접근하는 방법에 대한 아이디어를 브레인스토밍해 보세요.
- 필터링: 불필요한 내용을 빼고 가장 흥미로운 주제에 초점을 맞춥니다.
- 정렬: 중요도에 따라 데이터의 순위를 매깁니다.
- 그룹화 및 세분화: 데이터를 요약하고 여러 그룹으로 세분화합니다.
- 시각화: 직관적인 시각 자료를 이용해 데이터를 실제로 유용한 데이터로 만듭니다.
건축가는 2D 스케치와 3D 도면을 반복적으로 오가면서 이와 비슷한 방법으로 도면을 준비합니다. 스케치 그 자체가 적절하고 유효할 수도 있지만, 실제 지형과 접목될 때만 현실적인 가치가 있습니다. 데이터의 세계에서 숫자를 처리할 때 이와 동일한 상황이 발생합니다. 때로는 부정확하거나 형식이 잘못되거나 불완전할 수 있습니다. 실제 데이터와 비교하여 끊임없이 '숙제'를 검증하는 것의 중요성이 드러나는 때가 바로 이 단계입니다.
3. 시각화: 실제로 유용한 데이터로 만들기
데이터를 실행 가능한 정보로 변형하는 과정에서 시각화가 도움이 될 수 있습니다. 수학자인 John Tukey는 '수치로 된 양은 예상되는 값에, 시각적인 요약은 예상치 못한 값에 초점을 맞춘다.'라고 말했습니다. 그는 시각화의 진정한 힘은 명확하고 이해하기 쉬운 방식으로 예상치 못한 발견을 보여줄 수 있는 능력에서 나온다는 중요한 사실에 대해 말하고 있는 것입니다. 실제로 유용한 데이터를 만들기 위해 Google 애널리틱스와 같이 사용할 수 있는 몇 가지 분석 및 시각화 도구가 있습니다.
다음과 같은 원리를 살펴보면 어떤 종류의 시각화를 통해 유용한 통계를 얻을 수 있는지 파악할 수 있습니다.
- 미적인 요소를 염두에 두기: 사람이 아름다움에 끌리는 것은 자연스러운 현상입니다. 따라서 차트를 가능한 한 보기 좋게 만드는 것이 좋습니다. 미학은 차트를 이해하기 쉽게 만들어 결과로 나타나는 행동을 정확히 설명하는 데 도움이 되기도 합니다. 이러한 미학의 중요성에 대한 통계를 더 알아보려면 Stephen Few의 Now You See It, Simple Visualization Techniques for Quantitative Analysis를 읽어 보세요
- 데이터 포인트가 아닌 동향에 초점: 최고의 통계는 종종 단일 데이터 포인트가 아닌 동향, 특히 추세의 방향이 바뀔 때의 동향을 살펴볼 때 얻을 수 있습니다.
- 기간 비교: 주와 주, 월과 월, 여름과 여름 등 다양한 기간을 살펴봅니다. 단, 적절한 비교 범위를 사용해야 한다는 사실에 유의하세요. 2월과 3월을 비교할 경우 날짜 수가 달라서 문제가 생길 수 있습니다.
- 굳건한 관계 찾기: 종종 데이터 분석에서 가장 강력하고 통찰력 있는 발견은 변수들 간의 관계, 또는 통계학자와의 상관관계 및 의존관계입니다.
- 다양한 시각 적용: 한 개인이 모든 것을 볼 수는 없으므로 다른 사람들이 데이터를 철저하게 조사할 수 있도록 초대합니다. 다양한 관점에서 실행 가능한 통계를 찾는 것이 중요합니다.
- 맹신하지 않기: 항상 최소 두 가지 각도에서 데이터를 분석합니다. 예를 들어 여러 유형의 차트를 사용하여 동일한 데이터를 여러 번 계산합니다. 데이터는 오인을 유발하는 힘이 있으므로 이야기를 정확하게 전달하고 있는지 확인하세요.
데이터에서 보석을 발견하는 것은 다소 노력이 필요할 수 있지만, 어느 정도 시각화 효과를 제공합니다. 위 목록은 최고의 시각화 기법의 일부 샘플일 뿐이며, 모든 것을 포함하는 목록은 아닙니다. 나만의 최고의 조합을 찾아보세요.
데이터를 행동으로
여기에서 살펴본 프레임워크와 원리를 통해 데이터에서 통계를 찾고, 이를 바탕으로 비즈니스 발전에 도움이 되는 가장 관련성 있는 정보를 찾을 수 있기를 기대합니다. 모든 경우에 다 들어맞는 원리란 존재하지 않으므로, 데이터 분석을 구축하기 위한 최고의 기법을 찾아내는 것은 자신의 몫입니다.
데이터를 실행 가능한 통계로 바꾸는 작업은 정해진 구조가 없는 과정일 수 있습니다. 다행히 전문가가 데이터 요건에서 실행 가능한 통계로 이행할 수 있도록 돕는 몇 가지 기법이 있습니다. 건축가에게 청사진이 있는 것처럼 마케팅 담당자는 데이터를 효과적으로 다루기 위한 가이드라인을 확립해야 합니다. 단, 이를 위해 창의적인 접근 방식을 사용하지 못할 이유는 없습니다