한빛출판네트워크

 

“엄청난 주장에는 엄청난 근거가 필요하다.” - 칼 세이건

데이터 드리븐 의사결정 방식은 비즈니스 커뮤니케이션에 가장 많이 활용된다. 특히 상사를 설득할 때 또는 타 부서와 협업할 때 단순히 구두로 하는 소통보다는 보고서를 통한 의사소통이 훨씬 효과적이다.

데이터 드리븐 보고는 비즈니스에서 데이터 드리븐 방식으로 의사결정하기 위해 보고하는 절차와 커뮤니케이션을 말한다.

✅ 데이터 드리븐 보고에 관한 오해들

‘데이터 드리븐 보고와 내 보고서의 차이점은 무엇일까?’

‘나도 지금까지 데이터를 활용해서 보고서를 작성해왔던 것 같은데, 그럼 나도 데이터 드리븐 보고를 하고 있던 건가?’

 

다음 중 데이터 드리븐 보고에 해당한다고 생각하는 항목에 체크해보자.

✔️ 숫자가 들어가면 모두 데이터 드리븐 보고다.

✔️ 나의 직관과 경험을 완전히 배제해야 데이터 드리븐 보고다.
✔️ 어렵고 화려한 분석 도구를 쓰면 데이터 드리븐 보고다.
✔️ 분석 기술을 통달하면 데이터 드리븐 보고다.

데이터를 기반으로 하는 보고에 필수적으로 들어가야 하는 항목을 살펴보자

 

[숫자] 숫자가 들어가면 모두 데이터 드리븐 보고다.

 

숫자가 들어가면 신뢰도는 높아질 수 있지만, 숫자가 있다고 해서 무조건 데이터 드리븐 보고인 것은 아니다. 숫자만 빼곡한 표가 과연 의사결정자에게 의미 있는 인사이트를 줄 수 있을까? 예일대 교수이자 데이터 시각화 전문가인 에드워드 터프티는 ‘다른 무엇보다도 데이터를 보여줘라’라고 말했다.

즉 데이터가 스스로 말하도록 하여 데이터에 대한 이해를 방해하거나 가릴 수 있는 요소를 최소화하라는 의미다. 이렇게 하면 의사결정자가 데이터를 분석하고, 결론을 도출하고, 정보에 입각한 의사결정을 내리는 데 더 유리하다.

 

[직관] 나의 직관과 경험을 완전히 배제해야 데이터 드리븐 보고다.

 

직관과 경험은 데이터 드리븐 과정의 각 단계를 대폭 줄일 수 있는 아주 효율적인 기술이다. 세계적인 전략 컨설팅 회사 BCG의 창립자 브루스 핸더슨은 ‘비즈니스의 최종 선택은 항상 직관적이다. 그렇지 않다면 모든 문제 해결은 수학자의 몫이 되었을 것이다’라고 말했다. 또 직관이 무의식적으로 작동하는 방식에 대한 게리 클레인의 연구는 의사결정에서 경험과 직관의 가치를 조명한다.

예를 들어 소방관은 과거의 경험을 바탕으로 신속하게 패턴을 파악하고 효과적인 화재 진압 솔루션을 찾는다. 직관은 ‘과거의 수많은 경험을 현재의 의사결정 및 행동에 연결하는 체계적 방법’으로 정의되며 효과적인 의사결정의 필수 요소다. 데이터 기반 보고는 의사결정에서 그 위치를 차지하지만 직관과 경험의 가치를 완전히 배제해서는 안 된다.

 

[분석] 도구 어렵고 화려한 분석 도구를 쓰면 데이터 드리븐 보고다.

 

복잡한 수학식을 사용하고 화려한 시각화가 가능한 분석 도구는 복잡한 문제를 화려하게 풀어내는 것처럼 보이는 것이 사실이다. 하지만 복잡한 분석과 모델은 설명이 어려울 뿐만 아니라 짧은 시간 내에 의사결정을 내려야 하는 의사결정자에게 추가 설명을 해야 한다.

즉 의사결정자가 한 번에 이해할 수 있는 분석 결과 보고가 가장 훌륭한 보고다. 이와 관련한 자세한 내용은 4장에서 다룬다.

 

[도메인 지식] 분석 기술을 통달하면 데이터 드리븐 보고다.

 

분석 기술이 아무리 뛰어나도 해석하는 데이터에 대한 전문 지식, 즉 도메인 지식이 없으면 분석 결과를 실용적으로 사용하기 힘들다.

예를 들어 토익 점수를 분석했는데, 고급 통계와 회귀분석을 사용한 분석 결과 ‘높은 토익 점수를 받으려면 Listening과 Reading 능력이 필요하다’는 결론을 냈다면 분석의 정확도는 당연히 높게 나오겠지만, 실무자 혹은 그 결과를 요청한 고객에게는 너무나 당연한 얘기이기 때문에 어떠한 인사이트도 제공할 수 없다.

 

숫자, 직관, 분석 도구, 도메인 지식은 데이터 드리븐 보고의 필요조건이다. 여러분은 이미 네 가지 요소 중 하나를 활용하거나 네 가지 요소를 모두 적절하게 활용하여 데이터 드리븐 보고를 하고 있을 수도 있다. 보고는 논리적인 근거로 상대방을 설득하는 일련의 과정이다.

 

그리고 데이터 드리븐 보고는 문제 해결을 위해 통계나 수학 등의 숫자를 활용해 적절한 분석 전략을 수립하고 의사결정자와 커뮤니케이션하는 것이다. 또 관련 분야의 도메인 지식, 수치 분석(수학+통계), 분석 도구, 커뮤니케이션(스토리텔링)이 어우러진 하나의 예술 작품이라 할 수 있다.

 

 

 

✅ 데이터 드리븐 보고의 여섯 가지 유형

 

데이터 드리븐 보고를 위한 필수 역량은 수학, 통계, 코딩이 아니라 데이터로 생각하는 습관과 내가 가진 데이터로 주어진 문제를 분석 및 시각화하는 방법을 아는 것이다. 이 역량을 데이터 문해력data literacy이라고 부른다. 데이터 문해력 수준에 따라 같은 데이터로 뽑아낼 수 있는 인사이트가 달라진다.

데이터 드리븐 보고의 형식은 복잡도가 간단한 순서부터 크게 여섯 가지(기초 통계, 시각화, 가설검정, 회귀분석, 예측분류, 토픽 모델링)로 나뉜다. 여섯 가지 항목을 단계적으로 적용할 필요 없이 내가 보유한 데이터와 해결해야 할 질문에 따라 적절하게 선택하는 것을 추천한다.

 

1) 기초 통계

기초 통계는 데이터를 분석하기 위해 평균, 중앙값, 최빈값 등을 사용하여 데이터를 해석하는 방식이다. 데이터를 요약, 설명하고 패턴과 관계를 식별하는 데 자주 사용된다. 기업은 기초 통계를 사용하여 연령, 성별, 소득과 같은 고객 인구 통계를 분석하여 제품 또는 서비스의 목표 시장을 식별할 수 있다.

 

 

 

2) 시각화

시각화는 데이터를 그래프, 차트, 인포그래픽과 같이 시각적으로 표현하는 과정이다. 의사결정자가 대량의 데이터를 빠르게 이해하고 해석하여 보다 효과적으로 데이터 기반 의사결정을 내릴 수 있도록 도와준다. 예를 들어 기업 내 직원들의 연도별 인력구조 분석을 통해 과거, 현재, 미래를 비교하여 세대별, 성별로 분석한 결과를 제시하고 이를 토대로 추후 인력 채용과 인재 육성의 방향성을 제안할 수 있다.

 

 

 

3) 가설검정

두 개 이상의 그룹 간에 유의미한 차이가 있는지 확인할 때 주로 사용한다. 이 형식은 기업이 마케팅 캠페인, 제품 출시 또는 고객 만족도 조사의 효과를 평가하는 데 필수다. 예를 들어 가설검정으로 서로 다른 플랫폼(유튜브, 인스타그램, 페이스북)별 평균 고객 확보에 차이가 있는지를 확인하고 효과적인 플랫폼을 식별할 수 있다.

 

 

 

4) 선형회귀분석

회귀분석은 변수 간의 상관관계를 넘어, 구체적으로 변수들이 어떤 영향을 주는지 정량화할 때 사용한다. 특히 과거 성과를 기반으로 결과를 예측하는 데 필수적이다. 예를 들어 재무 부서는 과거 데이터를 기반으로 다음 분기의 매출을 예측하기 위해 선형회귀분석을 사용할 수 있다.

 

 

 

5) 분류예측

분류예측은 예측하고자 하는 변수가 수치형이 아니라 범주형(Yes/No, 합격/불합격 등)일 때 사용한다. 예를 들어 신용카드 회사는 분류예측을 활용하여 사기 거래를 식별한다거나 인사 부서에서는 퇴사율을 예측하는 것도 분류예측에 해당된다.

 

 

 

6) 토픽 모델링

 

토픽 모델링은 텍스트와 같은 대규모 비정형 데이터셋을 분석하거나 고객 피드백 또는 소셜 미디어 게시물의 패턴과 추세를 식별하는 데 사용된다. 예를 들어 매일 발행되는 뉴스 기사를 수집하여 특정 회사의 이슈나 키워드를 파악하기 위해 토픽 모델링을 사용하기도 한다.

 

 

 

 

---

 

이 글은 『데이터 드리븐 리포트』에서 일부를 발췌하여 정리하였습니다.

『데이터 드리븐 리포트』는 문제 해결을 위한 올바른 문제 정의부터 데이터 수집, 정제, 분석 그리고 스토리텔링, 시각화까지의 과정을 통해 데이터로 이해관계자를 설득하는 데이터 드리븐(Data-Driven) 보고 능력을 키우는 방법을 상세하게 제시합니다. 국가 공인 데이터분석전문가(ADP)이자 HR 데이터 과학자인 저자의 경험을 바탕으로 다양한 비즈니스 사례를 통해 상황별 가장 적합한 분석 기법을 어떻게 선택하는지 익힐 수 있습니다.