📘아티클 스터디 4 - 데이터 리터러시(Data Literacy)를 올리는 방법

데이터 리터러시(Data Literacy)를 올리는 방법

링크: https://yozm.wishket.com/magazine/detail/1632/

1. 데이터 리터러시란?

✅ 데이터를 활용해 문제를 해결할 수 있는 능력

• 데이터를 잘 활용하려면? 1) 데이터 / 실험 기반 사고방식이 자리잡혀야 함. 2) 분석의 흐름대로 데이터를 탐색할 수 있는 환경이 필요. 3) 이 과정을 도와주는 분석가들이 필요.
  

2. 데이터 / 실험 기반 사고방식

실험 프로세스

데이터 / 실험 기반의 사고방식이 만들어지려면 모든 업무가 데이터와 실험 기반으로 이루어지도록 만드는 과정이 필요하다.

데이터 중심으로 문제를 더 잘 해결하기 위해서 다음과 같은 실험 프로세스를 따르는 것이 도움이 된다.

• 해결하려는 문제 → 문제 정의
• 관련 OKR → 전사 목표와 align 되어있는지
• 측정 지표 → 문제와 지표가 align 되어있는지, 측정 가능한 것인지
• 가설 검증 기준 → 성공 여부를 어떻게 판단할 것인지
• 검증 후 변화될 액션 → 의미 없는 액션을 하는 게 아닌지
• 결과 → 검증 기준으로 결과가 나왔는지
• 학습한 점 → 어떤 학습을 했고, 다음 실험에는 어떻게 반영될 것인지

3. 분석 흐름대로 데이터를 탐색할 수 있는 환경

데이터맵 - How 를 알려준다

☝🏻 운전자에게 대시보드가 지금 상황을 진단해주고 올바른 주행을 할 수 있게 도와주는 도구라면, 내비게이션은 목적지를 향하는 길을 알려준다. 내가 몰랐던 경로를 찾거나 빠르게 도착하는 방법을 찾기 위해서는 내비게이션이 꼭 필요한데, 그 역할을 하는 것이 바로 ‘데이터맵’ 이다.

데이터맵의 3가지 원칙

1. 데이터맵은 가장 중요한 지표와 이를 구성하거나 영향을 주는 지표들의 연결 관계를 표현한다.

   목적지에 이르는 길이 하나가 아니듯 비즈니스 목표에 이르는 경로도 다양하다. 경유지에 해당하는 중간 지표들도 많이 있다. 데이터맵은 그 모든 관계를 시각적으로 표현해야 함.

2. 팀 / 조직이 아니라 주제와 지표에 따라 분할하여 작성한다.

3. 데이터맵은 서로 연결하여 더 큰 지도가 된다.

   지금처럼 디지털 내비게이션이 없던 시절엔 여러 페이지를 넘어가며 길을 찾아야 했다. 비즈니스에서의 데이터맵도 각 맵을 연결하면 큰 지도를 완성할 수 있게 된다. 그러러면 첫 번째 원칙처럼 모든 길이 표시되어야 하고, 새로운 서비스나 지표가 생기면 영토를 확장하듯 지도를 업데이트 해야 함.

참고:

https://gitmind.com/kr/erd-examples.html,
https://blog.hwahae.co.kr/all/tech/tech-tech/5652

대시보드

☝🏻 대시보드란 하나 이상의 목표 달성에 필수적인 정보를 단일 화면에 통합, 배열하여 정보를 한눈에 모니터링할 수 있도록 시각적으로 표시하는 도구

• 대시보드 관계만 보면 분석가가 아닌 구성원들도 중요한 지표 변동과 원인을 파악하는 분석을 할 수 있게 된다.

Image by pikisuperstar on Freepik

대시보드의 3가지 원칙

1. 현상과 문제를 보여줄 수 있어야 한다.
2. 지표 혹은 차트만 보고도 현재 상태를 즉각적으로 판단할 수 있어야 한다.
3. 사용 목적별로 페이지가 구분되어야 한다.

이러한 원칙에 따라 새롭게 구성한 대시보드는 5가지 레벨로 나뉘는데, 그 중 KPI 와 밀절하게 관련된 3개의 대시보드를 소개하면:

• KPI 대시보드 각 비즈니스 영역의 OKR 과 밀접하게 연관된 TOP Line 지표를 보여주고, 전체를 조망하며 문제 구간을 파악할 수 있게 구성.
  
• 분석 대시보드 분석의 주제 영역에 따라 문제 상황과 원인, 해결의 실마리를 찾을 수 있는 내용을 담은 대시보드.
  
• 모니터링 대시보드 분석이나 요약된 것이 아니라 실제 값을 보면서 행동할 방향을 계획해야 하는 경우 유용.
  

4. 이 과정을 도와주는 분석가

데이터 분석가 (Data Scientist)

분석가의 역할이 ‘단순히 데이터를 추출하고, 분석 내용을 리포팅 하는 것에만 그쳐서는 안 됨. 문제를 정의하고 원인을 분석한 뒤에는 액션 아이템까지 도출해 리포트를 제공받은 협업팀이 실행에 옮기도록 만들어야 한다.

화해 JD 예시: https://www.birdview.kr/career?JobFamily=Data

데이터 플랫폼

분석가뿐만 아니라 많은 구성원이 빠르게 분석할 수 있으려면 데이터를 빠르게 준비해 사용할 수 있는 구조가 필요

• 모든 원천 데이터가 적재되어있는 데이터 레이크
• 신속 정확한 데이터를 추출할 수 있도록 구조화된 데이터 웨어하우스
• 데이터 레이크 / 웨어하우스 내에 어떤 데이터가 있는지 쉽게 확인할 수 있도록 만들어주는 데이터 카탈로그

5. 실무 적용 사례 예시

실험 프로세스의 예시

목표: 온라인 쇼핑몰의 사용자 전환율을 향상시키기 위해 새로운 제품 추천 알고리즘을 테스트하고 개선하기.

1. 해결하려는 문제 → 문제 정의:
   • 현재 온라인 쇼핑몰의 사용자 전환율이 낮아 매출이 정체되고 있다.
   • 목표: 새로운 제품 추천 알고리즘을 도입하여 사용자 전환율을 2% 이상 향상시키는 것.
2. 관련 OKR → 전사 목표와 align 되어있는지:
   • 전사 목표: 연간 매출 20% 증가
   • 이 실험은 사용자 전환율을 향상시켜 매출 증가를 목표로 하고 있으므로 전사 목표와 일치한다.
3. 측정 지표 → 문제와 지표가 align 되어있는지, 측정 가능한 것인지:
   • 주요 지표: 사용자 전환율 (구매 완료 사용자 수 / 전체 방문자 수)
   • 보조 지표: 평균 주문 금액, 재방문율
   • 이 지표들은 문제와 직접적으로 연관되어 있으며, 모두 측정 가능한 지표이다.
4. 가설 검증 기준 → 성공 여부를 어떻게 판단할 것인지:
   • 가설: 새로운 제품 추천 알고리즘을 도입하면 사용자 전환율이 2% 이상 향상될 것이다.
   • 검증 기준: 실험 기간 동안 사용자 전환율이 기존 대비 2% 이상 증가하면 성공으로 판단한다.
5. 검증 후 변화될 액션 → 의미 없는 액션을 하는 게 아닌지:
   • 성공 시: 새로운 알고리즘을 전사적으로 도입하고, 지속적인 모니터링을 통해 추가 개선점을 도출한다.
   • 실패 시: 알고리즘의 문제점을 분석하고, 추가 데이터를 기반으로 새로운 가설을 수립하여 재실험을 진행한다.
6. 결과 → 검증 기준으로 결과가 나왔는지:
   • 실험 결과: 실험 기간 동안 사용자 전환율이 기존 대비 2.5% 증가하였다.
   • 검증 기준을 충족하여 실험이 성공적으로 판단되었다.
7. 학습한 점 → 어떤 학습을 했고, 다음 실험에는 어떻게 반영될 것인지:
   • 학습한 점: 새로운 제품 추천 알고리즘이 사용자 전환율 향상에 긍정적인 영향을 미쳤다.
   • 다음 실험: 사용자 세그먼트별로 더 세밀하게 알고리즘을 조정하여, 특정 사용자 그룹에 맞춘 맞춤형 추천을 테스트해 볼 계획이다.

데이터맵의 3가지 원칙 예시

1. 데이터맵은 가장 중요한 지표와 이를 구성하거나 영향을 주는 지표들의 연결 관계를 표현한다.

• 주요 지표: 매출 (Revenue)
• 연관 지표: 사용자 전환율 (Conversion Rate), 평균 주문 금액 (Average Order Value), 재방문율 (Return Rate)

데이터맵에서는 이 지표들 간의 연결 관계를 시각적으로 표현합니다.

• 매출은 사용자 전환율, 평균 주문 금액, 그리고 재방문율에 영향을 받습니다.
• 사용자 전환율은 방문자 수 (Number of Visitors)와 구매 완료 수 (Number of Purchases)에 영향을 받습니다.
• 평균 주문 금액은 각 주문의 금액에 영향을 받습니다.
• 재방문율은 첫 방문 후 다시 방문한 사용자 수에 영향을 받습니다.

2. 팀 / 조직이 아니라 주제와 지표에 따라 분할하여 작성한다.

• 주제 1: 사용자 전환율 향상
  • 측정 지표: 사용자 전환율, 방문자 수, 구매 완료 수
• 주제 2: 평균 주문 금액 증가
  • 측정 지표: 평균 주문 금액, 각 주문의 금액
• 주제 3: 재방문율 향상
  • 측정 지표: 재방문율, 첫 방문 후 다시 방문한 사용자 수

이렇게 주제와 지표별로 분할하여 데이터맵을 작성합니다. 팀이나 조직 단위가 아닌, 비즈니스 목표와 관련된 주제별로 데이터를 정리하는 것입니다.

3. 데이터맵은 서로 연결하여 더 큰 지도가 된다.

• 매출 (Revenue) 데이터맵
  • 연결된 데이터맵: 사용자 전환율 데이터맵, 평균 주문 금액 데이터맵, 재방문율 데이터맵

각 주제별 데이터맵을 연결하여 전체 매출에 영향을 미치는 지표들을 한 눈에 볼 수 있도록 합니다.

• 매출 데이터맵에서는 사용자 전환율, 평균 주문 금액, 재방문율 데이터맵이 각각 어떻게 연결되는지 시각적으로 표현합니다.
• 예를 들어, 사용자 전환율 데이터맵을 보면, 방문자 수와 구매 완료 수가 사용자 전환율에 영향을 미치는 것을 확인할 수 있습니다. 이는 다시 매출 데이터맵과 연결됩니다.

6. 핵심 개념 및 용어 정리

1. 데이터 리터러시

   • 데이터를 활용해 문제를 해결할 수 있는 능력

2. 전사 목표

   • 회사나 조직 전체가 달성해야 할 최상위 목표

3. OKR(Objectives and Key Results)

   • 목표를 정의하고 결과를 추적하는 데 널리 사용되는 관리 전략

4. 데이터맵

   • 내가 몰랐던 경로를 찾거나 빠르게 도착하는 방법을 찾기 위해서는 내비게이션이 꼭 필요한데, 그 역할을 하는 것이 바로 ‘데이터맵’

5. 대시보드

   • 하나 이상의 목표 달성에 필수적인 정보를 단일 화면에 통합, 배열하여 정보를 한눈에 모니터링할 수 있도록 시각적으로 표시하는 도구

6. KPI

   • 기업이 목표를 달성하기 위해 핵심적으로 관리해야 하는 요소들에 대한 성과지표 (PI, Performance Indicator) 중 핵심(Key)적이고 결정적인 지표

7. 데이터 레이크

   • 구조화되거나 반구조화되거나 구조화되지 않은 대량의 데이터를 저장, 처리, 보호하기 위한 중앙 집중식 저장소

8. 데이터 웨어하우스

   • 사용자의 의사결정에 도움을 주기 위해 다양한 시스템에서 데이터를 추출, 변환, 요약하여 능동적으로 사용자한테 제공할 수 있는 데이터베이스의 집합체

9. 데이터 카탈로그

   • 기업 내 모든 데이터 자산의 메타데이터를 수집하여 통합 관리함으로써 데이터 분석가, 데이터 사이언티스트, 개발자 등 다양한 사용자들이 데이터를 더욱 효과적으로 활용할 수 있도록 지원하는 서비스

   구조화데이터, 반구조화데이터, 비구조화데이터 참고 링크: https://velog.io/@xcellentbird/Structured-vs-Unstructured-Data