1. 아티클 선정
: 데이터 리터러시(Data Literacy)를 올리는 방법
2. 아티클 요약 및 주요 내용
-
요약
데이터를 보고 결론을 도출해낼 수 있는 능력. 즉 데이터를 활용해 문제를 해결할 수 있는 능력을 "데이터 리터러시(Data literacy)"라고 한다. 과거에는 빠른 데이터 제시가 답이라 생각했지만, 문제상황과는 전혀 관련 없는 데이터까지 불러와 대량의 데이터를 훑어봐야 한다는 단점이 존재했다.데이터를 잘 활용하기 위해서는 다음과 같은 것들이 필요하다.
1) 데이터/실험 기반 사고방식
* 실험 프로세스/실험보드
- 실험 프로세스 도입
- 현업에서 데이터 기반 사고방식 실행 유도 -> 실험과 데이터 중심의 문제 해결 유도 .
==> [문제정의-솔루션-측정지표] 생성에 익숙해지는 효과.2) 분석 흐름에 맞는 데이터 탐색 환경
* 데이터맵
- 문제 정의 시 분석가와의 논의가 없어도 중요한 인풋/아웃풋 지표 간의 관계를 표현한 관계도 제작 및 공유.
- 인풋 지표 설정 기준 조건을 세움; 측정가능할 것, 직접적인 컨트롤 가능할 것.
- 관계도는 각 지표 간의 관계를 이해할 수 게 제작 .
==> 문제와 연결된 지표에 대한 빠른 파악 유도.* 대시보드
- 지표의 현재 수준을 확인할 수있는 환경 조성.
- 분석 흐름을 따라가며 지표 탐색이 가능하도록 설계.
==> 분석가가 아니어도 지표 변동과 원인 파악 분석 가능.3) 분석가
* 데이터 분석가(Data Scientist)
- 문제 정의와 원인 분석 후에는 액션 아이템까지 도출하여 협업팀에게 리포트를 제공할 수 있도록 역량있는 분석가가 필요.
- 구체적인 Job description(JD) 제시 및 OKR로 분기별 기대효과를 제시.
==> 모든 분석가의 업무 방향성 일치 효과.* 데이터 플랫폼
- 데이터를 빠르게 준비해 사용할 수 있는 구조.
1. 데이터 레이크: 원천데이터 적재.
2. 데이터 웨어하우스: 데이터 추출 목적의 구조화된 플랫폼.
3. 데이터 카탈로그: 데이터 레이크/웨어하우스 내 데이터 확인 가능.
==> 조직 성장 및 변화와 업무에 가장 큰 기여.
주요 포인트
데이터 리터러시는 데이터/실험 기반 사고, 적합한 탐색 환경, 전문 분석가와 효율적 플랫폼으로 문제 해결을 돕는 역량이다.
3. 핵심 개념 및 용어 정리
- 핵심 개념
- 데이터 리터러시(Data Literacy): 데이터를 활용해 문제를 정의하고 해결할 수 있는 능력.
- 필요 요소:- 실험 기반 사고방식: 문제 정의, 솔루션, 측정 지표 설계.
- 탐색 환경: 데이터맵과 대시보드를 통해 지표 간 관계와 변화 탐색.
- 전문가와 플랫폼: 역량 있는 분석가와 데이터 준비 구조(데이터 레이크, 웨어하우스, 카탈로그).
- 용어 정리
1. OKR(Objectives and Key Results): 목표와 핵심 결과를 뜻하며, 조직이나 개인이 성과를 명확히 설정하고 측정하는 데 사용되는 목표 설정 및 관리 프레임워크. 무엇을 이루고자 하는지, 목표를 달성했는지 어떻게 측정할 것인지를 정의.
