[Data for PM] 02. 데이터를 활용하는 데이터 리터러시 - #2

 

2-3. 데이터와 관련된 여러 생각들

 

1. 데이터에 답이 있다?

 

데이터 안에는 답이 없다. 답은 스스로 찾아내야 하는 것이다. 

데이터를 보는 사람이 어떻게 해석하느냐에 따라 답이 달라질 수 있다. 

결국 데이터는 의사결정의 불확실성을 줄이기 위해 활용하는 것이다. (Risk Management)

 

 

2. 데이터에 기반한 의사결정은 항상 좋은 선택이다?

 

데이터에 기반한 의사결정은 Local Optima(그 당시에 최적)이고 Global Optimum(진리의 최적점)은 아니다.

실험을 어느 시기에 수행하느냐에 따라 그 결과가 달라질 수 있다. (시즈널리티)

데이터의 특정 결과가 시간의 흐름에 따라 계속되면 그건 Global Optimum으로 볼 수 있겠지만, 그것은 쉽지 않은 일이다.

 

 

3. 정답은 하나다?

 

문제를 푼다는 것이 존재하는 하나의 정답을 찾는다는 건 아니다. 주어진 리소스 하에서 제일 적합한 답을 찾기 위한 논리적 사고 방식인 것이다. 때로는 하나의 방법만 택하지 않고, 여러 가지 방법을 병렬로 시도해볼 수도 있다.

 

 

4. 데이터 분석은 데이터 분석팀에서 해야한다?

 

데이터팀에서 데이터 방법론에 대해서 더 익숙할 수는 있다.

하지만, 제품이나 기능에 대한 내용은 데이터 분석팀보다 PM, PO, 디자이너가 더 잘 알 수 있다.

결국, 데이터 관련된 내용일지라도 데이터 분석팀에서 모든 대응을 하는 것이 아니라, 데이터 기반으로 협업하는 것이 중요하다.

 

 

5. 내 데이터, 가설이 틀릴 수 있다?

 

데이터를 잘 다루기 위해서는 내 가설이 틀릴 수 있다는 가능성을 항상 염두에 두어야 한다. 이런 생각을 하지 않으면 편향을 가지는 분석, 결과를 내놓을 수 있다.

내가 생각한 것이 맞냐 틀리냐의 문제가 아닌, 제품을 더 많이 사용하게 만드는 등의 성공 혹은 목표달성에 집중해야 한다.

---

 

2-4. 데이터 리터러시란? : 결국 목적 중심으로 사고해야 합니다

데이터를 올바르게 활용하는 자세는 "문제를 정의하고, 그 문제를 해결하기 위한 Action Items을 도출하는 것"이다.

단순히 그래프가 나타내는 값 또는 쿼리를 통해 추출된 값 자체에 초점을 맞추는 것이 아니라, 특정 데이터를 보고 어떤 문제를 도출해내고 그 문제를 해결하기 위해 어떤 Action Items을 도출하는지가 훨씬 중요하다.

 

Uber를 예로 들면, 승객과 드라이버의 수요공급 불균형이 있을 경우

불균형의 문제가 무엇인지 (승객의 수가 변동하는 경우 VS 드라이버의 수가 변동하는 경우)

그 문제를 해결하기 위해 어떤 Action을 해야할지

(수요가 적으면 쿠폰을 뿌려 더 많은 이용을 유도하거나, 수요가 많으면 해당 수요를 감당할 수 있는 더 많은 공급을 준비한다.

반대로 공급이 적으면 공급 자체를 늘릴 수 있도록 하고, 공급이 너무 많으면 공급이 적은 지역이나 시간대에 이동할 수 있도록 제안하는 방법을 취할 수 있다)