비즈니스 성장을 가속화할 수 있는 유용한 정보를 받아보세요.
데이터가 당신을 스마트하게 만들고 있을까?
그야말로 데이터의 홍수입니다. 그런데 데이터 덕분에 더 스마트해지셨나요? 회사는 생산성이나 수익성이 좋아졌나요? 업무 효율은 어떤가요?
대량의 데이터를 수집하고 이용할 수 있으면 더 빠르고 현명하게 의사결정을 하고 궁극적으로 비즈니스 실적도 개선할 수 있다고들 합니다. 하지만 현실은 조금 다릅니다. 여기서는 세 가지 데이터 금언의 오류를 밝혀 보고자 합니다.
오해 #1: 데이터를 해독하려면 전문 학위가 필요하다
진실: 데이터 공학이나 분석 학위 없이도 데이터 세트 내 데이터 포인트를 분석할 줄 아는 사람은 많습니다.
예: 작가들이 데이터를 뒤져 그럴듯한 비주얼을 만들어내는 데이터 스토리텔링. 코로나 19 감염률 및 백신 접종률 시각 자료나 전국 선거 결과 분석 자료를 만드는 주류 언론사가 좋은 예입니다.
Harvard Business Analytics Program은 홈페이지에서 비즈니스 분석에 필요한 기본 소프트 스킬로 커뮤니케이션 능력과 호기심, 문제 해결 능력, 비판적 사고, 시각화 능력을 꼽았습니다. 이 스킬들은 분명히 교육으로 기를 수 있는 것이지만 사람의 경쟁력을 좌우하는 보이지 않는 특징이기도 합니다.
Etsy의 퍼포먼스 마케팅 부사장 Mike Jacobs는 말했습니다. “저는 교육에는 찬성하지만, 제가 아는 사람 중에는 분석을 정식으로 공부하지 않았는데도 감각을 가지고 있는 사람들이 있습니다. 곡선이나 표만 보면 바로 이해해 버리는 사람들이죠.”
“대량의 데이터를 수집하고 이용할 수 있으면 더 빠르고 현명하게 의사결정을 하고 궁극적으로 비즈니스 실적도 개선할 수 있다고들 합니다. 하지만 현실은 조금 다릅니다”
Tableau의 마케팅 담당 부사장 Jackie Yeaney는 이렇게 말했습니다. “통계 전문가와 데이터 전문가가 있으면 [데이터를] 수집하고 정리할 때 좋지만, 정말 중요한 존재는 그것을 종합적으로 파악해서 결론을 도출할 줄 아는 전문가입니다. SQL이 뭔지는 몰라도 데이터만 보면 그 관계성을 바로 파악해 버리는 능력자들이죠.”
또한 “데이터 스킬은 없어도 됩니다. 하지만 데이터 문해력은 필요합니다.” 그러면서, 이해관계자라면 보고 있는 데이터를 이해할 수 있어야 하고 또한 어떤 것을 써야 하고 어떤 것은 쓰면 안 되는지 알아야 한다고도 했습니다.
데이터 분석과 관리 교육 프로그램을 공급하는 Corndel은 2020년 10월 보고서에서 데이터 공학이란 기본적으로 “사람을 좇는 것”이고 기술적 스킬과 함께 소프트 스킬을 기르는 것이 중요하다고 강조했습니다. Corndel는 “소프트 스킬 교육이 중요합니다. 기술적으로 아무리 뛰어날지라도 기술을 잘 모르는 사람들이 이해할 수 없다면 의미가 없기 때문"이라고 말합니다.
오해 #2: 데이터에서 드러난 결론에 이의를 제기해서는 안 된다.
진실: 최선의 결정은 대부분 판단과 분석, 분석력, 반대 의견을 균형 있게 고려했을 때 나옵니다.
데이터 전문가는 판단력을 배제한 채 데이터만을 맹신하고 결정을 내리지 않습니다. 사실, 자신의 추정에 부합하는 데이터를 몇 가지 찾아내는 건 누구나 할 수 있습니다.
Jacobs에 따르면 “데이터는 중요하지만 힘든 결정을 하지 않으려고 데이터를 이용할 때도 많습니다. 데이터가 자기실현적일 때도 있기 때문에 때로는 데이터를 기각해도 무방합니다. 하던 대로 하고 이 한 지점까지 최적화를 계속하면 됩니다.”
“통계 전문가와 데이터 전문가가 있으면 [데이터를] 수집하고 정리할 때 좋지만, 정말 중요한 존재는 그것을 종합적으로 파악해서 결론을 도출할 줄 아는 전문가입니다.”
예컨대 목표 집단(audience)이 항상 특정 계층이었다면 전환율이나 머천다이징 관련 데이터에서는 그 계층을 계속 타겟팅하고 그 외는 배제해도 좋다는 결과만 나오게 됩니다.
Jacobs는 “리더라면 불확실한 영역에 들어가기를 마다해서는 안 됩니다. 언제 데이터에서 벗어나야 하는지 아는 것도 큰 능력이고 그렇게 하는 것도 용기 있는 결정”이라고 말합니다.
요는, 아무리 좋은 데이터라도 사람이 상관관계를 찾아내고 질문을 하지 않으면 좋은 결론을 이끌어 낼 수 없다는 것입니다. 아이디어와 지식, 이론, 의견이 중요합니다. 원시 데이터에는 없는 요소입니다.
오해 #3: 데이터가 많으면 더 좋은 결정을 내릴 수 있다.
진실: 그 어느 때보다도 데이터를 많이 모으고 있지만 그렇다고 결정이 반드시 더 좋아지는 것은 아닙니다.
Jacobs는 “데이터는 많이 모을수록 좋다고 생각하지만, 종국에 옥석을 가르는 것은 데이터로 무엇을 하느냐입니다. 데이터의 질도 중요하지만, 이용의 질과 인사이트의 질, 조직의 질, 데이터 읽기 또한 중요하다”고 말합니다.
더 중요한 것은 측정하려고 하는 것을 찾아내 그 데이터의 분석을 우선하는 것입니다. 예컨대 Jacobs에 따르면, 비가 올 것임을 알려주는 중요한 인사이트를 발견했더라도 그 얄팍한 인사이트로 인해 더 좋은 결정이 내려지는 것은 아닙니다. 원시 데이터를 들여다보는 것과 다르지 않습니다.
“아무리 좋은 데이터라도 사람이 상관관계를 찾아내고 질문을 하지 않으면 좋은 결론을 이끌어 낼 수 없습니다. 아이디어와 지식, 이론, 의견이 중요합니다. 원시 데이터에는 없는 요소입니다.”
Jacobs에 따르면 “진짜 인사이트는 우산을 펴면 비를 12% 덜 맞는다는 것”입니다.
기업의 데이터 중심 의사결정을 지원하는 Data Science Foundation에서는 데이터가 너무 많으면 선택의 역설에 빠진다며 이렇게 지적했습니다. “선택지가 너무 많으면 선택이 어려워지거나 선택을 아예 하지 못합니다.”
DSF가 발표한 온라인 글에는 이런 대목이 나옵니다. “선택할 데이터 세트가 많고 측정 기준이 되는 지표가 많으면 데이터 분석가들이 통계의 바다에 빠지기 십상입니다. 그러면 비효율적인 시간 낭비, 부정확한 예측, 고용주 수익성 감소 등 여러 가지 문제가 나타납니다.”
실제로, 데이터 세트가 크면 데이터가 뒤죽박죽입니다. 분석가들이 데이터 세트의 변수를 정리해 관리 가능하고 의미 있는 정보로 만들어야 합니다.
“보여줘야 하는 것에 우선순위를 부여하면 좋습니다. 실적 보고서를 있는 그대로 다 CEO에게 보여준다면 내가 실제로 한 일은 뭘까요? 그냥 전달한 것 밖에는 없죠. ‘그래서 뭐?’, ‘이게 왜 중요한데?’ 이런 소리나 들을 겁니다.”
관련 제품
Sales
영업 지원
스마트하고, 빠르게 영업
Starter
소규모 기업을 위한 CRM