Daily plan

🌞오전

- SQLD 2과목 이론 공부
- SQLD 1회차 문제 풀이

🔥 오후

- 14시 선택학습반 
- SQLD 2회차 문제풀이

🌝 저녁

- TIL 제출, 퇴실 확인!!

---

Product Data Science 2회차

프로덕트 센스

: 사용자의 니즈를 이해하고 비즈니스 목표 달성을 위한 제품 전략 수립 능력

• 사용자 중심 접근
  • 사용자 행동 패턴 분석, 불편이나 니즈 파악 -> 사용자 경험 최적화, 제품 개선
• 데이터 기반 의사결정
  • 데이터 기반 우선순위 설정 -> 실질적인 제품 개선 방향 제안
• 비즈니스 임팩트 창출
  • 제품 개선이 회사의 핵심 목표와 어떻게 연결되는지 이해하고 이를 강화하는 전략 제안

기회 규모 추정 3단계 Framework

1단계: 동기 이해

• 고객과 회사가 이 기능을 통해 얻을 수 있는 이점은?
• 고객의 입장에서 이 기능이 얼마나 가치 있는지 파악

2단계: 기회 규모 추정

• 이 기능이 주요 지표에 얼마나 큰 변화를 가져올지 추정
• 정량적인 데이터를 기반으로 구체적인 영향을 계산하고 이를 통해 기대 가능한 기회 규모 산출

3단계: 비용과 리스크 평가

• 이 기능을 개발하는데 필요한 리소스와 발생할 수 있는 잠재적 리스크 평가
• 다른 기능이나 프로젝트와 비교하여 이 기능의 우선순위 결정

ex) 사용자가 정기 결제를 예약할 수 있는 새로운 기능을 고려중인데, 프로덕트 팀의 데이터분석가로서 이 기능을 구축할 가치가 있는지 제품 팀에 어떻게 알릴 수 있을지 설명해주세요

동기 이해

고객 관점

• 월세나 공과금 납부, 가족 또는 지인 송금, 자산 관리 등 고객에게 더 큰 편리함 제공 가능
  회사 관점
• 고객 유지율(Retention)과 거래 규모(Transaction Volume) 모두 증가시킬 가능성이 큼
  • 정기 결제 설정 후 타 플랫폼으로 이동할 가능성 감소 -> 기존 설정 취소 후 새 플랫폼에서 동일한 작업을 반복해야 하는 전환 비용이 증가하기 때문
  • 플랫폼 내에서 이루어지는 결제 건수가 자연스럽게 증가

기회 규모 추정

Bottom-up Estimation(하향식 추정)

• 1단계: 기존 데이터 분석 - 규모 추정
  • 정기 결제 특징 정의
    • (A)동일 수취인에게, (B)일정 주기로, (C)일정하거나 비슷한 수준의 금액을 반복적 이체
  • 데이터 레이블링
    • A,B,C 조건 충족 여부에 따라 거래를 분류
    • High/ Medium/ Low Likelihood (높은/중간/낮은 가능성)
  • 결과 집계
    • SQL or Python으로 각 그룹의 거래 수와 거래 금액 집계
    • 하한값: High likelihood 그룹의 거래 총액
    • 상한값: Low, Medium, High Likelihood 그룹의 거래 총액 합산
• 2단계: 기능 도입 후 기대 효과 추정
  • 유사한 과거 기능 도입 사례 분석
  • 관련 서비스 내 유사 사례 분석
  • 경쟁사 및 시장 분석
  • 민감도 분석
    • 정확한 예측은 어려우므로 가정을 변경하여 최악과 최상의 시나리오를 모두 포함한 범위를 제시하는 것이 좋음

비용과 리스크 평가

최종 도입 여부 결정 시

• 기회 규모
• 개발 및 디자인 비용
• 리스크

위 세가지 요소를 종합적으로 고려해야 함

이 기능이 엔지니어링, 디자인, 제품 리소스를 사용하는 데 있어 최선의 선택인가?

---

분신술!