유데미 인사이트

데이터 리터러시를 (Data literacy)를 알면, 업무를 바라보는 관점이 달라진다고?

데이터 리터러시는 데이터를 읽고 그 안에 숨겨진 의미를 파악하는 데이터 해독능력을 말합니다. 새로운 데이터가 매일같이 쏟아지는 상황, 그 의미를 빨리 파악하고 목적에 맞게 활용하는 능력이 중요하다는 사실은 알고 계실 것 같은데요. 

구체적으로 왜 중요하고 어떻게 활용해야 하는지 알고 계시나요? 데이터를 단순히 따분한 숫자의 나열이라고 생각하지는 않으셨나요? 데이터는 겉으로 보이는 숫자를 넘어서는 인사이트를 우리에게 선사하며 빙산의 일각을 넘어 바닷속까지 비춰주는 도구가 될 수 있습니다.  그 아래를 비춰보면 일의 효율을 확 높일 수도 있죠. 불필요한 야근 시간을 조금이라도 줄이고 ‘데린이(데이터 어린이)’에서 벗어나고 싶다면, 이 아티클을 주목해 주세요! ✨ 

데이터 활용, 기획 능력이 먼저다! Step by step

숫자로 늘어선 막연한 데이터들, 일단 그 숫자들을 건져서 담아보고 채에 거른 다음 남는 것으로 뭔가를 만들겠다고 생각할 수도 있습니다. 하지만 데이터 전문가들은 데이터 분석을 위해서 가장 중요한 것은 ‘사전 기획 능력’이라고 말합니다. 데이터를 어디에, 어떻게 활용할 것인지 먼저 시나리오를 명확하게 짜야 성과로 이어진다는 말입니다. 목적을 먼저 정하고 데이터 구하기! 

출처: <데이터 리터러시 데이터 리터러시와 데이터 기반 문제해결> 유데미 강의

먼저, 현재 해결하고 싶은 문제가 무엇인지에 집중합니다. 구글의 독감 예보 서비스로 예를 들어 보겠습니다. 구글은 먼저, ‘독감 발생 상황을 예측하는 시스템’을 만들기를 원했습니다. 여기서 다음과 같이 생각할 수 있습니다. 

🌡구글의 독감 예보 시스템 창조 기획 프로세스 살펴보기

1. 현재 나는 어떤 목적이 있는가?
→ 독감 발생 상황 예측 시스템 만들기

2. 문제 해결을 위한 가설 설정
→ 독감이 유행하기 전 검색어 수가 급증하기 때문에, 검색 빈도를 알아내 독감 발생 상황을 예측할 수 있을 것이다.

3. 문제 해결을 위해 어떤 데이터를 어떤 식으로 수집할 수 있는가?
→ 자사(구글)의 검색어 조회수 빅데이터를 활용한다.

구글은 독감 예보 서비스를 제공하기 위해 이같은 시나리오를 거쳤습니다. 구글은 이를 통해 미국 보건당국보다 1~2주 더 빠르게 실시간으로 서비스를 제공하는 데에 성공했고요. 빅데이터 분석을 통한 고객 확보가 필요한 마케터들이라면 더욱 더 데이터 기획력이 필요하겠죠? 데이터 리터러시는 🔼데이터 읽기/쓰기(데이터 수집·관리) 🔼이해(데이터 가공·분석) 🔼인사이트 도출/창조(시각화로 전달)로 구성해볼 수 있습니다. 위로 말씀드린 구글로 예를 들면, 🔼검색어 빈도수 수집 🔼1년 중 특정 시기에 독감 관련 검색어가 늘어난다는 팩트의 이해 🔼독감 예방 시스템 창조가 되겠죠.

데이터를 활용할 때 각 항목에서 꼭 알아야 할 것들을 아래 박스에서 체크해 보아요!

데이터 활용 프로세스 5단계

데이터 기획을 마쳤다면, 이제 본격적인 데이터 활용 프로세스를 밟아나갈 차례입니다. 일본의 유명 데이터 문제해결 트레이너인 카시와기 요시키는, 데이터 활용 프로세스로 다음과 같은 5단계를 제안했습니다. 참고해 보세요!

1. 문제/목적 정의
이전 단락의 ‘데이터 기획’ 단계에 해당합니다. 이 단계에서는 내가 무엇을 알고 싶은지 무엇을 해결하고자 하는지를 명확히 해야 합니다. 이 시점에서는 아직 문제의 원인과 해결 방안을 단정하면 안 됩니다. 욕심은 잠시 내려놓기!

2. 지표 결정하기
목적과 문제에 대해 논리적인 결론을 낼 수 있는 지표를 설정합니다. 이 단계에서는 되도록 구체적이고 명확한 언어를 사용하도록 합니다. 특히 자주 버릇처럼 썼던 단어나 문장이 있다면 보다 구체적인 표현으로 고쳐줍니다.

3. 현재 상태 파악하고 평가하기
문제 상황을 나타낸 데이터를 그래프나 표 등으로 시각화하고 주요 지표를 실제로 구해보는 단계입니다. 비교를 통해 현재 상황에 대해 평가하고, 단순히 지표 해석 결과가 아닌 문제 상황에 대한 결론을 도출합니다. 

4. 원인 분석하기
문제/결과에 대한 원인을 분석하고 해결방안(목적)을 도출하기 위한 근거를 찾아냅니다. 원인 후보를 열거하고, 지표를 결정하고 원인을 다각도로 분석합니다. 여기서는 “Why”를 계속 파고들어야 합니다.

5. 해결 방안 모색하기
분석된 원인에 대한 논리적인 해결책을 제시하고 실행합니다. 원인 분석을 간과한 것은 아닌지 검증하기 위해 ‘이를 통해 어떤 것을 실현하거나 해결할 수 있나?’, ‘그 근거는 어디 있나?’ 라는 질문에 스스로 대답해보는 것이 좋아요.

성공적인 데이터 활용 기업 사례들

“데이터는 결론이나 답이 아닙니다. 데이터는 방향성을 제시하고, 그 방향에 대한 확신을 주는 근거일 뿐이죠” - 스타벅스 데이터 인텔리전스팀 장석현 팀장

스타벅스
스타벅스는 그 어떤 기업보다 빅데이터를 잘 활용하는 ‘데이터 잘알’ 기업으로 꼽힙니다. 지난 2014년 스타벅스코리아는 앱으로 주문 및 결제하면 매장에서 제품을 가져갈 수 있는 사이렌 오더 서비스를 내놨습니다(전 세계 스타벅스 매장 중, 스타벅스코리아에서 가장 먼저 론칭한 아이디어라고 하네요!). 이 앱을 통해 수집한 소비자들의 정보를 바탕으로 고객 개개인의 커피 취향, 해당 고객이 몇 시쯤 방문할지 예상 시간까지 알아내며 신메뉴를 추천해주는 등 개인화 서비스를 제공하고 있습니다. 이밖에도 매장을 내기 전 빅데이터를 기반으로 상권을 철저히 분석합니다. 150m 안 스타벅스 매장이 두세곳 있어도 건재한 이유죠.😎☕

서울시
서울시가 빅데이터를 적극 활용하는 분야는 대중교통입니다. 버스와 지하철의 막차가 끊긴 뒤 택시 승차 거부 문제가 고질적으로 발생하자, 서울시는 심야버스인 ‘올빼미버스’ 운영에 나섰습니다. 이 버스는 자정부터 오전 5시까지 운행되고 있는데요. 심야 시간대 특성상 수익이 낮자, 최소의 비용으로 서울 시내 전역을 돌아다닐 수 있는 버스 노선을 만들었습니다. 서울시에서는 사람들이 늦은 시간에 귀가할 때 사람들이 가족이나 지인에게 전화해 “이제 출발한다”고 말하는 습관이 있다는 것에 착안, 해당 시간대에 발생한 통신 데이터를 분석했죠. 이를 통해 가장 많은 통신 데이터가 기록된 지역을 선별, 올빼미버스 노선에 포함시켰다고 하네요.🚌💨

자라
의류 판매업에서 가장 큰 골칫덩이로 끌어안고 있는 것은 바로 ‘재고 처리’ 문제입니다. 하지만 자라는 TV 광고를 전혀 하지 않고, 1년에 세일을 딱 2번밖에 하지 않습니다. 그럼에도 자라는 재고 처리가 별 문제가 되지 않는 모습인데요. 자라 매장에서는 해당 매장에서 판매하는 의류의 RFID 태그 데이터를 매일 분석합니다. 이를 통해 그날 가장 많이 팔린 옷은 무엇인지, 반응이 나쁜 옷은 무엇인지 알 수 있습니다. 이를 본사 디자이너에게 전달하면 디자이너는 매출이 높은 디자인이나 원단 등을 참고해서 잘 팔릴 만한 상품을 만듭니다. 이렇게 완성한 제품은 시장에서도 인기가 높습니다. 👗👔

✨데이터 리터러시, 기본기부터 익히고 싶다면?