멘토링
일 잘하는 사람들의 생각법
Q. 일 잘하는 사람들은 어떻게 생각하고 정리할까?
Q. 생각정리에 스킬이 필요할까?
생각정리가 잘 되는 사람
- 업무속도가 빠름
- 커뮤니케이션이 원활함
- 나만의 생각정리도구가 있음
- 생각이 많아도 스트레스가 적음
생각정리 스킬
- 생각정리: 문제 시각화
- 생각표현: 생각을 구조화, 해결책 만들기
- 생각설계: 생각정리 도구 활용하기
-
머리속 생각 시각화하기
생각정리를 못하는 이유는 눈에 보이지 않기 때문
눈에 보이는 것은 정리하기가 쉽다머리가 아닌 손으로 !
손을 자주 사용하면 전두엽의 활성화
-
생각정리도구 활용하기
마인드맵
-
생각정리 방법
3-1. 우뇌로 발산하고 좌뇌로 수렴하기
머리속 생각을 일단 끄집어 냄
쓰레기통도 필요(버릴 건 버리자)
많은 생각을 발산한 후에 정보를 수렴3-2. 나열하고 분류하고 배열하기
생각 끄집어냄, 정리하기, 우선순위 정하기3-3. 질문으로 생각을 확장하고 정리하기
생각은 답이 아닌 질문을 통해 이루어짐생각을 열어주는 것은 답이 아닌 질문!
데이터 분석가는 툴을 잘 쓰는게 아니고
데이터를 보고 이런 생각이 들고, 이런 인사이트를 얻을 수 있어를 도출할 수 있어야 함
데이터 분석 기초
#1 고객 데이터 분석
1. 고객 데이터 분석, 왜 해야할까?
회사에서 볼 수 있는 데이터
- 서비스 데이터
- 사용자 행동 데이터 ex) 회원가입을 늘리는 게 목표라면 회원가입 로그 데이터 별도로 저장
2. 사용자 행동데이터 분석 기초
사용자 행동 분석을 통한 서비스 개선 프로세스 - 고객이 서비스를 잘 사용하고 있나?
- 고객 대면 관찰
- 고객 인터뷰
- 사용자 행동 데이터 분석
-> 사용자 행동 데이터는 런칭 이후가 시작점
사용자 행동 데이터 분석시 주의사항 - 사람들은 내가 원하는 대로 움직이지 않는다
-
데이터가 기록되는 방식을 정확하게 이해해야 함
ex) signup 데이터: 회원가입을 시작한 사용자 수 or 회원가입 완료 수 -
잘못 기록될 가능성이 있음
플랫폼마다 데이터 쌓이는 조건이 다를 수 있음 -
데이터 조회시에도 주의 필요
결제는 하루에 한사람이 100번하기 어려움 (서비스 데이터)
클릭은 100번, 1000번도 가능 (사용자 행동 데이터)
회사 밖에서 수집할 수 있는 데이터
- 관찰법
- 인터넷 검색
- 서베이
린 모델(워터풀이 아닌 핵심만, 애자일하게) , 고객으로부터 배운다
- 기획자는 아무리 노력해도 고객이 될 수 없음, 가설 검증을 통해 이해는 할 수 있음
왜 가설검증 해야하는가?
이렇겠지 (X)
이렇게 데이터가 말했고 내가 얻은 인사이트가 이래 (O)
-> 수많은 가설 검증을 통해 목표에 가까워지기
모든 문제와 아이디어는 고객 검증 전까지는 가설일 뿐!
신입 뽑을 때 주로 보는 것
데이터에 대해 얼마나 관심을 갖고 어떤 활동을 했는가
어떤 산업에 어떤 데이터
데이터를 직접 수집해보는 경험, 고통을 했는지 -> 포기하지 않고 결과물을 내봤는지
프로젝트를 해봤습니다 -> 아주 성공적이었습니다 (아무도 안 믿음)
진짜 어려웠는데 이렇게 해결해봤습니다 라고 해야함 (계속 개선해봤다)
가설 세우고 검증하고
가설 세우고 검증하고
의 반복
서비스를 개선할 수 있는 검증할 만한 가설 선택하기
#2 데이터와 데이터분석가
1. 데이터란?
데이터(=단순사실) -> 의미 -> 정보
IT회사의 데이터 분석 프로세스
-
데이터 생성
사용자 행동 데이터가 쌓임 -
데이터 수집
서버(클라우드)에 저장 -
데이터 가공 후 저장
-
데이터 시각화
-
데이터 분석
데이터 분석가가 활동하는 범위: 시각화, 분석(인사이트 도출)에 활용
2. 데이터를 다루는 사람들
프로덕트 직군: 제품 만들어냄 (기획, 개발) -> 설득, 결과로 만들어냄
데이터 직군: 데이터를 살펴보며 인사이트 도출 -> 데이터에서 의미 발견
시각화를 하려는데
서비스에 대한 이해가 없고
데이터만 잘 보고 데이터 분석만 잘하는 건 취업을 잘할 수 없음
그래서 지금은 프로덕트 직군에 대한 이해를 알기 위한 과정임
#3 데이터베이스 기초
데이터를 다룬다는 것 = 데이터의 정보화 (의미를 만드는)
-
데이터 VS 정보 VS 데이터베이스
-
파일 시스템
종속성: 일관성 유지가 어려움
중복성: 저장 공간 낭비 -
DBMS
데이터 중복성, 종속성을 관리해줌
다량의 데이터를 다루기 위함
-
3단계 데이터베이스 구조
개발자들은 내부, 개념 스키마까지
데이터분석가들은 외부 스키마 -
데이터 모델링
-
업무 데이터를 이해한다는 것
업무 데이터를 이해한다는 것 = 기업의 비즈니스를 데이터 측면에서 끝까지 조명해보는 것
업무를 이해한다는 것과 업무 데이터를 이해한다는 것
툴을 잘 쓴다 (X)
이런 데이터를 보고 이런 인사이트를 도출할 수 있는 (O)
결과물로 뭐가 나오나?
해당 과정은 결과물을 제시하지 않음
-> 문제를 해결할 수 있는 방법을 배우는 게 중요
현업에선 학교 과제물처럼 이런 결과면 A, B 이렇게 나누지 않음
가설수립 먼저 (시간 단축을 위함) -> 우리 가설에 필요한 데이터는 이거야
데이터 찾는 건 끝도 없음
적절한 데이터를 찾는 과정?
적절하지 않은 데이터를 적절하게 변환하는 과정을 경험해보는 게 핵심
분석 과정에 80%를 차지하는
데이터 수집 + 가공 잘하는 팁?
노가다가 답이다
데이터 포폴은 논문에 가까운 형태로 나옴
이래서 프로덕트 직군과 데이터 직군은 좀 다른것임
느낀점
주제 재밌는 걸로 정하면 데이터가 없어서 주제 변경해야 했던.. (교수님: 데이터 분석은 요리랑 똑같다. 요리하려는데 재료가 없으면 못하는 거다)
일단 빨리 결과물 내야 하니까 데이터 포털에서 주워 온 데이터로 했던 프로젝트들이 생각나면서.. (맨날 자치구별 어쩌구저쩌구)
멘토님이 말씀해 주신 '노가다가 답이다' 저한테 정말 필요했던 듯합니다 역시 이번 기회에 크롤링 해서 데이터 수집해 보고 싶단 생각이 강해짐
인사이트 제시하는 게 끼워 맞춘 말장난 같아 보일 때가 있어서 항상 어려웠는데 이번 기회에 코딩에 매몰되지 않고 나의 툴인 뇌를 잘 사용해 보고 싶음
