데이터의 중요성에 대한 인식은 이미 오래 전부터 있어왔고 전문가, 비전문가를 떠나 비즈니스 산업 전반에 걸쳐 데이터 가치에 대해서는 누구나 공감하고 있습니다. 넘치는 데이터들을 어떻게 분석해서 활용하느냐가 경쟁력이 되는 데이터 분석! 데이터 분석 전문가 “이토 고이치로”가 말하는 데이터 분석의 성공 요건을 알아보겠습니다.
1. 고품질 데이터를 활용할 것
당연한 얘기겠지만 근간이 되는 데이터가 고품질의 제대로 된 데이터여야하겠죠.
2. 잘 정의된 질문을 던질 것
성공적인 데이터 분석은 “잘 정의된 질문”에서 출발하여야 합니다. 데이터 분석의 작업은 누구나 알고 있는 결론에서부터 또 다른 결론을 도출하는 과정인 추론에 있습니다. 무작위로 축적된 방대한 양의 로우 데이터를 그저 눈에 보이는 결과로만 결론 낸다면, 데이터 분석의 의미가 있을까요?
3. 데이터 전문가의 적절한 기술적 도움을 받을 것
데이터 분석 주체가 비전문가라면 데이터 분석 전문가와 협력관계를 구축하는 것이 굉장히 큰 도움이 될 것입니다. 단순히 데이터 분석만 할 줄 아는 전문가는 현장의 목소리를 듣지 못하거나 실질적인 문제를 체감하지 못하고, 데이터분석에 익숙하지 않은 비전문가는 수많은 숫자를 놓고 어디에서부터 손대야 할지 모르게 될테죠. 이럴때 전문가와 비전문가의 협업은 유의미한 인사이트를 도출하는 데 아주 효과적으로 작용할 수 있습니다.
데이터 분석을 할 때 특히 유념해야 하는 점은 데이터에서 상관관계를 넘어 인과관계를 도출할 수 있어야 한다는 점입니다. 앞서 말했듯이 데이터 분석의 근본 목적은 또 다른 결론을 도출하는 추론 과정입니다. 이때 데이터에서 나타나는 단순한 상관관계를 인과관계로 확대해석할 수 있는 소지가 있습니다.
예를 들어 광고와 판매량은 긍정적인 상관관계가 있지만 인과관계는 없다라고 가정한다면, 실제 광고에 돈을 썼을 때 판매량이 늘긴 했지만 광고에 돈을 쓰면 반드시 매출이 늘어난다는 것은 아니라는 뜻입니다. 만약 이 관계를 잘못 분석했다면 과도한 혹은 부적절한 광고비 집행이 일어날 수 있으니 단순 상관관계를 인과관계로 확대 해석하는 것은 데이터를 분석해야 함에 있어 유의해야 할 부분입니다.
때문에 다양한 데이터 분석 방법이 있지만 데이터 전문가가 아니라면 평소 데이터를 눈여겨보고, 그게 단순 상관관계인지 아니면 인과관계가 있는지 생각해 보는 직관적 사고법 훈련이 필요합니다.
우리가 가장 쉽게 접할 수 있는 데이터는 PC 모바일 등의 로그분석 데이터(GA 등) 혹은 공공기관에서 제공되는 공공데이터 등이 있을 텐데요. 평소 이러한 데이터들을 눈 여겨 보고 어떤 인사이트를 도출할 수 있을지 데이터 분석 방법에 대한 훈련을 해보세요. 향후 데이터를 바탕으로 사용자들의 행동 패턴을 예상하고 편리하게 사용할 수 있도록 새로운 서비스나 UI/UX를 구현해 내야하는 우리에게 큰 힘이 될 것이라 생각됩니다.
PG PD PB 이지은 팀리더
삼성전자 뉴스룸 이토 고이치로 인터뷰 일부 인용
