절절함을 감춘 <데이터 읽기의 기술>

저자인 차현나 씨는 스타벅스코리아 1호 데이터 사이언티스트이자 소비자심리학 박사입니다. 이전에 보았던 세미나 발표가 흥미로워서 별 고민 없이 책을 구매했습니다.

데이터 읽기의 기술

얇은 두께라 비IT 현업 독자를 대상으로 가볍게 썼으려나 싶었는데, 읽다 보니 저자가 소리 높여 외치고 싶었던 이야기를 절제하여 풀어냈음을 느낄 수 있었습니다. 물론 제 느낌이 그렇다는 겁니다.

 

책 표지 날개에는 아래 글이 있습니다.

데이터 앞에서 해야 할 질문 10가지
1. 우리 회사가 돈을 버는 핵심 제품/서비스는 무엇인가?
2. 우리회사의 데이터 역량은 어느 정도인가?
3. 데이터의 필요성을 모두가 느끼고 있는가?
4. 데이터가 모든 것을 해결해줄까?
5. 듣도 보도 못한 것을 기대하는가?
6. 내가 이해하는 만큼만 인정하려 하는가?
7. 목적을 명확하게 세웠는가?
8. 매출 데이터만 중요할까?
9. 많기만 하면 빅데이터일까?
10. 시간 투자 없이 결과만 원하는가?

어디선가 들어 봤음직한 이야기입니다만 행여 오해 없길 바랍니다. 이 책은 단순한 잠언이 아니라, 현업이든 IT든 실무자에게 길잡이 역할을 하고자 노력한 흔적이 곳곳에 보입니다. 아쉽게도 현장 실무자는 가야 할 방향이 저기라는 걸 알면서도 물결에 휩쓸려 점점 멀어지기도 합니다. 저자가 실무자로서 뜻한 바를 이루지 못했던 격정을 토로하지는 않습니다. 오히려 겸허하게 경영진이나 관리자가 제시하는 방향이 현실적이라는 이야기도 놓치지 않습니다. 균형을 잘 잡았다고 봅니다. 하고 싶은 말이 더 많을 듯한데, 더 두꺼웠다가는 목표 독자가 보지 않을까 염려되어 분량을 잘 맞춘 게 아닐까 싶기도 합니다. 존경스럽습니다.

 

이 책은 엑셀을 조금이라도 만지거나 기획 업무를 하는 실무자라면 꼭 읽기를 추천합니다. 소기업보다는 중견기업 이상 정도로 데이터를 모을 여력이 없지 않은 조직에서 일할 때에 더 쓸모가 있습니다만, 소기업에 속했어도 선택과 집중을 분명히 하여 데이터로 가치를 끌어내는 데에는 도움을 주리라 기대합니다.

 

이미 데이터 분석 업무에 이골이 난 전문가라면 초심을 잊지 않는 데에 효용이 있겠고, 입문자라면 더 고민할 필요 없이 정독하고 책장에 꽂아둘 만합니다. 이제까지 칭찬일색이라 의아하게 여겨질 만하겠습니다. 최근까지 빅데이터니 인공지능이니 하는 프로젝트에 휩쓸려 살다가 잃었던 중심을 찾은 듯하여 이 책이 무척이나 반가웠습니다. 적당히 감안해 주시길 바랍니다.

목차

추천의 글
프롤로그 구슬을 꿰어 목걸이를 만드는 법

   - 매출 데이터를 다른 데이터와 연결할 수 있어야 한다.
2. 소비자의 마음은 영수증 한 장에 들어 있다

   - 데이터의 육하원칙

   - 인구통계학적인 특성이 아니라 고객 행동에 기반

   - 영수증의 고유번호가 다른 데이터(예: 고객번호)에 연결할 단서를 만들어야 한다.
3. 소비자의 마음은 날씨에 따라 달라진다

   - 날씨 데이터로 무엇을 알고 싶은지 목적을 정했는가?
4. 소비자의 마음은 가끔 거짓말을 한다

   - 기준을 만들기 위해서는 데이터는 많이 필요하다.

   - 액티브 데이터(센서, 로그) + 패시브 데이터(설문)
5. 어떤 장소에 있는지에 따라 소비자의 마음이 달라진다

   - 소비자의 맥락효과: 소비자는 많은 경우 맥락에 맞춰 소비한다. 어떤 맥락에 놓여 있는지에 따라 자린고비가 되기도 하고, 씀씀이가 커질 수도 있다. (관광지, 휴가지, 마트 위치: 직장 부근/대형몰. 날씨 등)
6. 소비자의 마음은 시간에 따라 바뀐다

   - 일자, 일시 데이터는 유형을 통일해 두어야 편하다.
7. 소비자의 마음은 성별이나 나이로 구분할 수 없다

   - 제품을 구매할 사람의 성별, 연령대보다는 제품의 이용상황을 구체화하는 게 좋다.
8. 소비자의 마음은 요소를 나누어보면 알 수 있다

   - 제품 속성, 디자인, 분류체계 → 잘 분류해 두면 더 많은 분석이 가능해진다.
9. 소비자의 마음은 반응 속도를 보면 알 수 있다

   - UX가 어떤지 살펴야 한다.
10. 소비자의 마음은 모바일이 알고 있다

   - 피플 카운팅 이슈

   - 로그 데이터처럼 행동 데이터가 모이는 시대

   - 데이터의 중요성은 기업마다 다르다.

   - 커피 회사에서는 무엇보다 커피가 우선이다.

   - 웹/앱에 반영하는 조직 vs. 제품에 반영하는 조직
2. 우리 회사의 데이터 역량은 어느 정도인가

   - 인력, 시스템, 데이터
3. 데이터의 필요성을 모두가 느끼고 있는가

   - 내가 모르는 것은 중요하지 않다고 생각하는 사람들이 있다.
4. 데이터가 모든 것을 해결해줄까

   - 통상적 한 그룹에 30명이면 통계적인 유의성이 나온다고 한다.
5. 듣도 보도 못한 것을 기대하는가

   - 데이터 분석은 단계적으로 나아간다.

   - "요즘 테이크아웃 많은 거 몰라?" 실제 테이크아웃 비율은? 지난 10년 간 추이는? 매장 의자는 얼마나 갖춰야 할까?

   - "겨울철에 빵 많이 팔리는 거 누가 몰라?" 몇 %나 더? 어떤 빵이 어느 시간대에?

   - 긴 안목을 가진 사람은 첫 프로젝트 때에 축적할 데이터의 가치를 발견한다. (대개 첫 프로젝트 때에는 데이터 확보하기에 급급)

   - 의사결정자의 안목이 데이터의 방향을 만든다.
6. 내가 이해하는 만큼만 인정하려 하는가

   - 데이터는 철저히 설정한 목표 아래서만 가치를 가진다.
7. 목적을 명확하게 세웠는가

   - 목적→프로젝트→주제→연구문제→인사이트→모델링→전처리→데이터
8. 매출 데이터만 중요할까

   - 매출 하락뿐만 아니라 상승의 이유를 분명히 알고 있어야 한다.

   - 매출지표의 한계를 인정하라. 그냥 둘러보고 나가는 수고를 하는 고객이 얼마나 될까? 경쟁업체가 생겼는가? 근방 유동인구 변화는 어떠한가?
9. 많기만 하면 빅데이터일까

   - 다른 데이터와 연결하기에 빅데이터이다.
10. 시간 투자 없이 결과만 원하는가

   - 분석에는 기본적인 숙성시간이 필요하다.

   - 임원들이 원하는 키워드

   - Bottomb-up 방식 분석은 평소에 역량을 키우기 위해 필수이다.

   - 분석 소요시간, 가능성을 빠르가 파악하고 미리 보고한다.
2. 프로젝트를 하는 중에 해야 할 질문들

   - Who→고객 정의, When→시계열변화/프로모션 시점, What→제품 카테고리(인덱스)/제품 개발 인사이트, Where→점포개발/외부 GIS 데이터/날씨 데이터, How→新방법론, 프로모션, Why→소비자 마음의 원리

   - 현장에 답이 있다. 파편을 모아 스토리를 만들어라. (Data literacy: 데이터 스토리를 만드는 과정), 데이터 분석은 있을 만한 질문들을 촘촘하게 메우는 과정이다. 상사가 질문할 수 있는 자료는 미리 만들어 보자.
3. 보고서를 만들거나 보고할 때 고려해야 할 것들

   - %보다 복잡한 모델을 이해하는 직장인은 거의 없다.

   - 액션 플랜, 실행전략은 비용 감안, 잘 사는 사람 vs. 아직 안 산 사람, 보고서에는 '데이터의 목적' 설명

   - 데이터에게 목적을 부여해 주자. 데이터가 회사를 위해 일할 수 있도록.

에필로그 사람을 위해 데이터가 일하도록 하라