Part 1 눈 가리고 아웅하지 말기

Chapter 1 우리는 모두 거짓말쟁이

Chapter 2 다양한 지표

Chapter 3 어떤 일을 할 것인가

Chapter 4 데이터 주도적 접근법과 데이터를 참고하는 접근법

---

용어 정리

---

이 책의 1부에서는 사업이 성공하려면, 왜 데이터가 필요한지 알아본다.

• 정성적 데이터 vs 정량적 데이터
• 허상 지표
• 상관관계
• 코호트
• 시장세분화
• 선행 지표
  지나친 데이터 주도적인 접근법의 위험성

Chapter 1 우리는 모두 거짓말쟁이

창업자들은 거짓말을 많이 함.
제대로 된 결적적 증거도 없이 어떤것이 진실이라고 사람들을 설득해야 함.
작은 거짓말이 모여서 현실왜곡장을 만드는데, 만일 자신의 거짓말이 만들어낸 거품을 스스로 믿기 시작하면 큰일남.

어느 정도는 스스로를 속일 필요도 있지만, 사업을 위험에 빠뜨리지 않기 위해 데이터가 필요함.
거짓말에 대응하려면 분석이 필요.
직감이 나쁜 것은 아님. but, 직감을 테스트할 필요는 있음(직감이 실험이면 데이터는 증거).

린 스타트업 운동

린 스타트업은
새로운 것을 창조하는 일을 좀 더 엄밀히 수행할 수 있는 체계를 제공.

린 스타트업 모델을 따르면 지적인 정직함을 추구하게 된다.

린 스타트업 운동이 각광받는 이유는 최근 제품의 첫 버젼을 만드는 것의 비용이 점점 저렴해지고 있기 때문.

현재 아이디어로 밀고갈지, 아님 빨리 뒤집을지 여부를 빨리 결정하고.
이런 과정을 빨리 반복할 수 있음.
=> 바로 여기에서 "분석"이 중요한 역할을 한다!

린 모델을 통해 창업가는 제품을 개발 &
시장 진출 전략을 세우고.
고객의 니즈를 파악하는 시스템 구축할 수 있음.

현실왜곡장에 구멍 내기

현실왜곡장???

현실왜곡장이 중요하지 않다는 말이 아님.
현실왜곡장에 구멍을 몇 개 내어ㅓ, 탈선을 미리 예상하고 너무 늦기 전에 피하려는 것.

에어비엔비 사진 서비스_ 성장 속의 성장

에어비엔비의 사진 서비스의 가설

"전문적인 사진을 제공하는 숙소는 더 많은 예약을 받을 것"이고 "숙소 주인들은 전문적인 사진 촬영 서비스를 신청할 것"

-> 창업자들은 직감적으로 해당 생각을 함.
-> 그런데 바로 당장 해당 아이디어를 구현하는 것이 아닌 빠르게 테스해보기 위해 컨시어지 최소 존속 제품(MVP)를 만듬.
-> MVP에 대한 첫 테스트에서 전문사진이 평균보다 2배 높은 예약율이 검증됨.
-> 이로서 창업자들의 첫번째 가설이 입증됨.
-> 그 후 매번 에어비엔비는 결과를 측정하고 프로세스를 수정.

컨시어지 최소 존속 제품(MVP).
시작에 약속한 가치를 제공하는 최소한의 제품.
-> 해당 정의에 제품이 실제로 존재해야 한다는 말은 없음.
컨시어지 접근법을 사용하여 처음 몇몇 고객을 대상으로 사용자들의 관심과 니즈를 테스트 & 확인해볼 수 있다.
=> 사람들이 정말로 이용하는 것이 무엇인지 알아내고, 프로그램을 개발/직원 채용 전에 프로세스를 정리할 수 있음.

Chapter 2 다양한 지표

분석의 본질 : 매우 중요한 지표를 추적하는 것.
지표가 중요한 이유 : 사업 모델과 관련이 있기 때문.

좋은 지표의 특징

1. 좋은 지표는 상대적이다
	어떤 지표를 놓고 시대별, 사용자 그룹별, 경쟁자 별로 비교할 수 있으면 상황을 이해하는데 도움이 됨
2. 좋은 지표는 이해하기 쉽다
	지표를 기억하고, 지표에 대해 대화를 나눌 수 없다면 데이터를 기반으로 현실을 변화시키기 쉽지 않다
3. 좋은 지표는 비율로 표현됨
	- 비율은 행동에 반영하기 쉬움 : 목적지에 도착하기 위해 속도를 더 내야할지 느리게 가야할지 알 수 있음
	- 비율은 비교의 속성이 있음 : 긴 기간에 걸쳐 특정 기간의 지표를 비교해보면, 어떤 현상이 일시적인지 아니면 장기적인지 알 수 있음
	- 비율은 다소 대조적인 요소들이나 내재된 갈등이 있는 요소들을 비교하기 쉬움 : 

4. 좋은 지표는 행동 방식을 바꾼다
	- "회계' 지표들은 정확한 예측에 도움이 되어야 함. 현재의 사업 모델이 이상적인 사업 모델과 얼마나 근접한지, 실제 결과가 사업 계획에 수렴하고 있는지 알려줌
	- '실험' 관련 지표들은 제폼, 가격, 시장 최적화에 도움이 됨

좋은 지표는 긍정적인 효과를 내지만, 항상 그런 것만은 아님 (ex 자동차 판매원 사례 -> 잘못된 지표)

또 지표에 대해 주목할 점은 "쌍으로" 지표를 측정한다는 것

올바른 지표를 선택하기 위해 염두해둬야 하는 다섯가지

1. 정성적 지표와 정량적 지표
	정성적 지표 : 관찰이나 경험에 바탕을 두어 실상을 볼 수 있으나 비구조적 & 종합하기 어려움
	정량적 지표 : 숫자와 통계의 형태 but 정황 정보가 부족

2. 허상 지표와 실질 지표
	허상 지표 : 행동을 바꿀 수는 없음
	실질 지표 : 행동 방침을 선택할때 도움을 줌 

3. 탐색 지표와 보고 지표
	탐색 지표 : 추론에 기반, 아직 알려지지 않은 내용를 찾는데 목적
	보고 지표 : 정상적이고 일상적인 경영 상황을 알리는데 목적

4. 선행 지표와 후행 지표
	선행 지표 : 미래를 예측하는데 도움. 조치를 취할 수 있기 때문에 후행 지표보다 더 유용
	후행 지표 : 과거를 설명

5. 상관 지표와 인과 지표
	두 지표 값이 함께 움직이면, 두 지표 사이에는 상관관계가 있다
	한 지표가 다른 지표를 변하게 하면, 두 지표 사이에는 인과관계가 있다

핵심 성과 지표(Key Preformace Indicators, KPI).
사업을 이끄는 특정 지표.
ex) 외식 사업 : '하루에 몇 인분의 식사를 팔았는지'.

1. 정성적 지표와 정량적 지표

정량적 지표는 이해하기 쉬움.
하지만 정량적 데이터만으로 사업을 할 수는 없음

정성적 데이터는 체계적이지 않고 주관적이고 부정확함
정성적 데이터는 정량화 되기 힘듬

• 정량적 데이터: '무엇'과 '얼마나 많이'
• 정성적 데이터: '왜'에 대한 답 제공

쓸모있는 정성적 데이터를 얻으려면 준비가 필요.
고객의 대답을 유도하거나 왜곡하지 않으면서 구체적인 질문 필요

2. 허상 지표와 실질 지표

data-driven(데이터 주도적)으로 일하고 있는가?
데이터 보다 '주도적'에 포커스를 줘야 함.
실행에 옮길 수 없는 데이터는 허상 지표임.

어떤 지표를 볼때마다 스스로에게 "이 정보로 내가 무엇을 할 수 있을까?"를 물어봐야 함.

조직의 행동을 변화시킬 디표를 골라낼 수 없다면 데이터 주도적으로 일한다고 할 수 없음.

주의할 허상 지표 8가지.

• 히트 수
• 페이지 뷰
• 방문 수
• 수수 방문자 수
• 팔로어/친구/좋아요 수
• 사이트에 머무른 시간/페이지 수
• 수집된 이메일 주소
• 다운로드 횟수.
  48페이지에 정리되어 있음

3. 탐색 지표와 보고 지표

"내가 안다는 것을 아는 것이 있다. 또 내가 모른다는 것을 아는 것이 있다.
그런데 내가 안다는 것을 모르는 것도 있고, 내가 모른다는 것도 아는 것이 있다"

알고있나?	무엇을?	특징
안다	'안다는 것' 을 아는 것	사실. 틀릴 수 있기 때문에 데이터와 비교하며 확인해야 함
안다	'모른다는 것' 을 아는 것	보고를 통해 답할 수 있는 것. 기준을 정하고 자동화해야 함
모른다	'안다는 것' 을 모르는 것	직관. 정량화 해야 하고, 유효성과 효율성을 향상시킬 방법을 알아야 함
모른다	'모른다는 것' 을 모르는 것	탐색. 경쟁우위와 흥미로운 깨달음이 여기에 해당

• 분석을 통해 사실과 가정을 확인하고 사업 계획이 정확한지 확인할 수 있음
• 분석을 통해 직관을 테읏트하고 가설을 증거로 바꿀 수 있다
• 분석을 통해 필요한 데이터를 구할 수 있다
• 분석을 통해 사업 기회를 찾을 수 있다

Ex) '서클오브프렌즈' -> '서클오브맘즈'

4. 선행 지표와 후행 지표

선행 지표 : 미래를 에측하는데 사용
후행 지표 : 문제가 있다는 것을 알려줌. Ex) 이탈률

스타트업 초기에는 데이터가 충분하지 않음
-> 후행지표를 먼저 측정

또 회사 내에서 어떤 부서의 후행지표가 어떤 부서의 선행지표가 될 수 있음

지표는 앞으로 일어날일을 보여주므로 개선 주기를 단축시키고 시간과 비용을 감소시킴

5. 상관 지표와 인과 지표

Ex) 스노타이어 사용량과 교통사고의 상관관계

보통 인과 관계는 여러요소가 복합적으로 적용해서 발생함

사업에서 인과관계를 입증하려면,
상관 관계를 찾고, 변수를 통제하면서
차이를 측정하는 실험을 해야 함

충분히 큰 사용자 샘플이 있으면, 모든 변수를 통제 하지 않고도 신뢰할 만한 테스트 실시할 수 있음

고객 세분화, 코호트, A/B 테스트, 다변량 분석

• 고객 세분화
  다양한 기술적 정보와 인구통계학적 정보에 따라 세부화한 다음 한 고객군을 다른 고객군과 비교
• 코호트 분석
  시간을 두고 비슷한 그룹을 비교하는 것 Ex) 제품을 만들고 테스트하는 과정을 계속 반복
  page. 60 ~ 61 좋은 내용이나 생략
  종단적 연구라고 함(∵ 고객 그룹의 수명 주기에 따라 데이터를 수집하기 때문)
• 횡단적 연구
  테스트 대상인 그룹들에게 동시레 서로 다른 경험을 하게 하는 조사
  - A/B 테스트
  한가지 문제 : 트래픽이 적으면, 트래픽 보다 테스트 할 것이 많을 수있음.
  => 해결법 : 다변량 분석!
  - 다변량 테스트
  많은 요소 중 어떤 것이 핵심 지표의 개선과 강한 상관관계가 있는지 알아보기 위해 결과에 대해 통계적 분석을 실시
  

Chapter 3 어떤 일을 할 것인가

무엇인가 만들고 싶다는 생각 === '청사진' && 분석을 통해 테스트 할 대성

린 캔버스

실행에 옮길 수 있는 한 페이지 짜리 사업 계획
한 장의 종이 위에 아홉 칸의 상자로 구성

//자세한 설명은 page. 69

1. 문제, 기존 대안
2. 고객군, 얼리어답터
3. 고유의 가치 제안, 상위개념
4. 솔류션
5. 채널
6. 수익원
7. 비용 구조
8. 핵심 지표
9. 경쟁 우위

무슨 일을 해야 하는가?

"버드 캐럴"이 만든 다이어그램

• 잘할 수 있는 일
• 하고 싶은 일
• 돈을 벌 수 있는 일

위 세 원의 교집합이 우리가 추구해야할 방향

Chapter 4 데이터 주도적 접근법과 데이터를 참고하는 접근법

린 스타트업을 비판하는 내용

너무 데이터 주도적이다...!
데이터의 노예가 아니라 데이터를 도구로 사용해야 한다..!

사업 전체를 보지 보지 않고 어느 한 부분만 최적화 하느데 데이터를 이용하는 건 위험함.
Ex) 옴니추어의 여자 사진 사례

Ex) 바퀴 3개로 안정적인 탈 것 만들기

• 세발자전거를 만드는 것 : '최적의 구조'
• 바퀴를 4개 사용하는 것 : '데이터 주도적인 최적화'

[데이터 과학자처럼 생각하기]
//자세한 설명은 page. 76

1. 데이터에 결점이 없다고 가정하는 것
2. 표준화하지 않는 것
3. 열외의 사용자들을 배제하는 것
4. 열외의 사용자들을 포함시키는 것
5. 계절적 변동을 무시하는 것
6. 성장을 평가할 때 전체 규모를 무시하는 것
7. 지나치게 많아 의미를 잃은 데이터
8. 거짓 경보를 울리는 지표
9. 직접 수집한 데이터만 인정하는 배타적 태도
10. 잡음에 초점을 두는 것

린 스타트업의 높은 비전

학습에 초점을 두고
폭넓은 사고와 탐색, 실험을 장려
상황을 진정으로 이해하고 새로운 가능성에 대해 열린 자세를 가지는 것