티스토리 뷰
데이터의 바다로, 긴 항해를 떠나면서
※ 데이터 문해력의 필수 요건
- 데이터 스토리텔링 : 데이터의 배경인 스토리를 이끌어가는 능력
- 데이터 시각화 : 데이터의 내용을 식별하고, 시각적으로 선명하게 표현하는 능력
- 데이터 기초 프로파일 : 데이터가 어떤 행동의 결과인지 세밀하게 파악할 수 있는 능력
- 분석 플랫폼 : 데이터를 공유 가능한 공간에 보유하여 안전하게 최신 데이터 분석 결과 의견을 함께 나는 문화가 조성되게끔함
| '데이터 세이버'
- 데이터가 무엇을 말하는지 이해한다
- 데이터 문해력의 의의를 확신하고 널리 사회에 퍼뜨린다
이 두 가지 능력을 겸비한 인물을 가리켜 '데이터 세이버' 라고 칭합니다. 모든 이가 활동할 수 있는 세계를 만든다는 미션을 가진 사람들이에요.
| 과제
▶ '데이터 드리븐 문화란 어떤 문화인지' 본인이 이해할 수 있는 형태로 정리한다.
▶ '왜 데이터 드리븐하려는지' 본인이 이해할 수 있는 형태로 정리한다.
▶ 오픈 데이터를 사용해서 데이터 시각화(그래프 등)를 적용해본다. 데이터를 읽고 이해한 의미를 덧붙인다.
▶ 본인이 속한 조직에서 실현할 데이터 분석과제를 정한다.
| 분석 과제 설정의 요점
1. 분석 과제
- 어떤 업무와 관련돼 있으며 어떤 과제를 해결하기 위한 분석인가?
- 분석을 함으로써 일어날 것으로 가정한 새로운 행동이나 업무 방식
- 자사의 업무 과제와의 관계(필요에 따라 중기 경영 계획 자료 등도 활용 )
- 이익을 누리게 될 관계자
2. 과제의 주체, 분석 의뢰인
3. 분석 대상의 데이터
- 데이터의 종류(매출액, 사이트 지표 등)
- 데이터의 저장 위치, 형태(SQL, 서버, 엑셀) 파일 등 시스템 관련 사항
- 예상 건수
4. 분석을 하면서 직면한 문제점 및 대응 방법
5. 도출한 인사이트
6. 분석 결과의 활용 방법이나 수행 활동
7. 도움이 된 데이터 시각화 기술
다른 사람의 말을 자기 생각인 양 그대로 옮기기보단 자신의 말로 전달해야 합니다. 또한 자신의 언어로 만드는 데는 또 다른 의미가 있어요. 제가 전하는 언어로는 마음이 움직이지 않는 사람들이라도 A씨의 언어라면 움직일 수도 있습니다. 반대의 경우도 있겠죠. 특히 기업 내 같은 조직에 소속되어 있는 사람이 전달하면 조직의 컨텍스트가 갖춰지게 돼서 외부인의 이야기보다 본인의 일로써 좀 더 친밀하게 받아들일 가능성이 높아져요. A씨의 조직에 있는 사람 모두가 데이터 드리븐 문화를 받아들일 준비가 돼 있다고 말하기는 어려워요 그런 떄에 A씨가 이해한 용어로 직접 말하면 조리에 맞으면서도 훨씬 더 A씨의 조직 상황에 맞춰지겠죠 이게 바로 핵심입니다. 결국 모두 다른 내용이더라도 본질적으로 동일한 언어로 말하고자 시도하면, 사고가 확대되고 문화가 형성됩니다.
데이터 드리븐 문화를 추진하기 위한 언어를 자신의 조직에 잘 맞는 형태로 번역해서 전달할 수 있는 기술을 연마해야 해요 훈련을 해야만 통역 및 중계 역할을 할 수 있는 기술도 얻을 수 있죠
스토리는 과거나 멀리 떨어진 장소의 사건처럼 눈앞에서 벌어지지 않는 일이나 직접 체험하지 못한 일을 이해시키는 힘을 갖고 있어요. 사람들은 자신이 이해한 바를 바탕으로 지금 무엇을 할지 결정하고 행동하지요. 스토리의 힘을 빌리면 직접 겪은 경험 이상의 상황을 감안하여 판단을 내릴 수 있어요. 즉, 많은 가능성을 고려하여 좋은 결과를 가져올 가능성이 높은 미래를 선택할 수 있죠
| 스토리를 활용하는 의의 두 가지
- 기억에 남는다 : 단 시간에 전달하고자 하는 내용을 정확하게 남긴다.
- 사람의 마음을 움직인다 : 상대의 생각을 이끌어내어 사고의 흐름이 이어지게 한다.
누군가가 보고 싶은 형태가 아니면 데이터는 영원히 그 가치를 발휘할 수 없어요. 데이터를 보고 싶은 형태로 바꾸려면 몇 가지 방법을 배워야 해요.
| 데이터로 사고의 플로우를 만드는 시연의 요점
- 조작 하나하나에 의미를 두고 하나의 스토리를 엮는다.
- '실행 결과의 의미 → 해석 → 다음 단계' 순으로만 설명한다.
- 보고 한 번에 이해할 수 있는 건 설명하지 않는다
- 조작 중에 스쳐 지나가는 기능들을 전부 소개하지 않는다.
- 화면과 대사를 완전히 일치시키고, 시각과 청각을 최대한 사용해서 스토리에 집중시킨다.
- 시각 효과를 최대한 사용하기 때문에 눈에 띄는 장면까지 가능한 한 빠르게 도달한다.
| 데이터 스토리텔링의 목표
데이터 분석의 목표는 '데이터를 이해'하는 게 아니에요. 데이터를 이해함으로써 '사람의 행동을 이끌어내는 것'이죠 예를 들어 매출을 올리기 위한 분석의 목표는 '매출을 향상시키기 위해 영업부에서 해야 할 일을 도출' 하는 거지요.
아무리 고도의 계산을 하고 멋지게 데이터 시각화를 해도 다른 이가 감탄만 하고 끝나면 의미가 없어요. 우리는 데이터를 사용해서 사람들의 행동으르 이끌어내야 합니다. 데이터를 분석하는 과정은 너무 방대해서, 마치 아름답게 마무리한 보고서가 목표였다고 착각할 수 있어요. 그러나 '멋지다'와 같은 찬사로만 끝나면 소용없고, 그다지 화려하지 않더라도 사람의 마음을 움직여서 행동을 하게 하는 분석 결과야말로 성공적인 최종 목표라고 할 수 있습니다.
| 과제
▶ 분석 중인 데이터 항목을 네 개의 W로 나눠서 정리한다.
: What (대상), Where(장소), Who(사람), When(시간)
▶ 5W 1H와 기승전결을 조합하여 데이터 스토리텔링 샘플용 데이터를 만든다.
:누가(Who), 언제(When), 어디서(Where), 무엇을(What), 왜(Why), 어떻게(How)
▶ 타인에게 샘플용 데이터에 대한 피드백을 받는다.
'IT > Challenge' 카테고리의 다른 글
유데미 작심삼십일 챌린지 (1) | 2024.10.24 |
---|---|
WOOWACON 2024 입장권 추첨 결과 (0) | 2024.10.18 |
배민기획자의 일 _02 (7) | 2024.10.16 |
배민 기획자의 일 (24) | 2024.10.15 |
데이터 드리븐 분석 비법_02 (11) | 2024.10.14 |
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- 알고리즘
- 그로스 해킹
- 머신러닝
- PM
- 데이터분석가
- 데이터 리터러시
- 책 추천
- BA
- 데이터 분석 주니어
- 빅데이터
- 데이터 시각화
- 아하 모먼트
- 기획자
- A/B테스트
- 퍼포먼스 마케팅
- 프로젝트 매니저
- 데이터 분석
- 퍼포먼스 마케터
- 통계학
- 설레다
- 프로덕트 매니저
- BI
- 아무일 없는것처럼
- 데이터 분석가 주니어
- 북극성 지표
- 방법론
- 빅테크
- 프로덕트 분석가
- 데이터 분석가
- ADsP
- Total
- Today
- Yesterday