[아티클 스터디] 그 데이터는 잘못 해석되었습니다
1. 아티클 요약 및 주요 내용
데이터가 있어 쉽게 결정을 내릴 것 같지만
현업에서는 데이터가 있어도 결절을 내리기 어려운 상황이 있다.
가장 경계해야하는 점은 데이터가 있음에도 이를 잘못 해석해 잘못된 결론으로 가는 상황이다.
-
데이터를 잘못 해석하게 되는 상황별 유형
- 생존자 편향의 오류 - 전체 대상을 기준으로 잡는 것이 중요
- 심슨의 역설 -
전체 지표와 그룹을 나눈 지표의 방향성이 다르게 나타나는 상황
전체 집단의 지표뿐만 아니라 집단을 나누어 지표를 확인하는 과정이 필요 - 상관관계를 통한 성급한 일반화
연관성을 찾고 연결하는 것에 강점이 있어, 비슷해 보이는 패턴이 있다면 쉽게 일반화 하는 경향이 있다.
하지만 상관성은 있으나 인과성이 없는 경우는 제3의 공통 원인이 존재할 가능성이 높다. - 목적에 맞지 않는 지표 선택
유저의 행동을 유도하는 버튼 CTA(Call To Action)
CTA 버튼을 개선할 지 목적을 명확히 해야 함
목적에 맞는 지표를 선택해야 제대로 된 의사결정을 할 수 있기 때문
-
위의 문제점을 예방하기 위해서 세이건 표준을 참고할 수 있다.
'특별한 주장에는 특별한 근거가 필요하다'는 세이건 표준처럼
자신의 주장을 할 때에는 주장을 뒷받침할 수 있는 적절한 근거가 있어야 한다는 걸 알 수 있었다.
2. 핵심 개념 및 용어 정리
- 생존자 편향의 오류 -전체 대상을 기준으로 잡는 것이 중요
- 심슨의 역설
전체 지표와 그룹을 나눈 지표의 방향성이 다르게 나타나는 상황
전체 집단의 지표뿐만 아니라 집단을 나누어 지표를 확인하는 과정이 필요 - 상관관계를 통한 성급한 일반화
연관성을 찾고 연결하는 것에 강점이 있어, 비슷해 보이는 패턴이 있다면 쉽게 일반화 하는 경향이 있다.
하지만 상관성은 있으나 인과성이 없는 경우는 제3의 공통 원인이 존재할 가능성이 높다. - 목적에 맞지 않는 지표 선택
유저의 행동을 유도하는 버튼 CTA(Call To Action)
CTA 버튼을 개선할 지 목적을 명확히 해야 함
목적에 맞는 지표를 선택해야 제대로 된 의사결정을 할 수 있기 때문
