Article Study : 데이터 리터러시(Data Literacy)를 올리는 방법

https://yozm.wishket.com/magazine/detail/1632/

데이터 리터러시(Data Literacy)를 올리는 방법 | 요즘IT

 

<아티클 내용 요약>

데이터 리터러시란

- '데이터를 활용해 문제를 해결할 수 있는 능력'

- 데이터를 활용해 문제를 잘 정의하고 해결하는 것을 말한다. 

- 데이터를 잘 활용하기 위해 필요한 세 가지

1. 데이터/실험 기반 사고방식이 자리 잡혀야 한다.
   • 데이터/실험 기반 사고방식을 위해 실험 프로세스를 도입한다.
   • 실험 프로세스란?
     • 해결하려는 문제
     • 관련 OKR
     • 측정 지표
     • 가설 검증 기준
     • 검증 후 변화될 액션 
     • 결과
     • 학습한 점
   • 실험 프로세스를 통해 생각할 수 있는 내용
     • 해결하려는 문제 = 문제 정의
     • 관련 OKR = 전사 목표와 align 되어 있는가
     • 측정 지표 = 문제와 지표가 align 되어 있는가, 측정 가능한가
     • 가설 검증 기준 = 성공 여부 판단 기준
     • 검증 후 변화될 액션 = 의미 없는 액션인지 판단 
     • 결과 = 검증 기준으로 결과가 나왔는가
     • 학습한 점 = 어떤 학습을 했는가, 다음 실험에는 어떻게 반영될 것인가 
2. 분석 흐름대로 데이터를 탐색할 수 있는 환경이 필요하다.
   • 데이터맵 : 인풋 지표(인풋 지표 설정 시 측정이 가능하고, 직접적으로 control이 가능해야 한다는 원칙을 정함)와 아웃풋 지표를 통해 관계를 표현한 관계도를 제작 및 공유해 구성원들이 지표 간 관계를 쉽게 이해할 수 있고 본인이 해결해야 하는 문제가 어떤 지표와 연관되어 있는지 파악이 가능하다. 또한, 더 중요한 지표에 집중해서 문제를 해결할 수 있다.
   • 대시보드 : 대시보드를 통해 지표의 현재 수준을 확인하고, 탐색할 수 있다. 문제 발생 시에도 각 지표와 관련된 하위 지표들이 구성된 분석 대시보드에서 원인을 짐작할 수 있다.  
3. 과정을 도와주는 분석가가 필요하다. 
   • 데이터 분석가 : 데이터를 추출하고, 분석 내용을 리포팅 외에 문제 정의 및 원인 분석 후 액션 아이템까지 도출해 리포트를 받은 협업팀이 실행에 옮길 수 있는 역할을 할 수 있는 분석가
   • 데이터 플랫폼 : 많은 구성원이 빠르게 분석할 수 있게 데이터를 빠르게 준비해 사용할 수 있는 구조로 아래와 같다.  
     • 데이터 레이크 : 모든 원천 데이터 적재
     • 데이터 웨어하우스 : 신속하게 정확한 데이터를 추출할 수 있도록 구조화
     • 데이터 카탈로그 : 데이터 레이크/데이터 웨어하우스 내 어떤 데이터가 있는지 쉽게 확인이 가능    

 

<알게 된 개념>

1. 데이터 리터러시에 대해 알 수 있었다.
2. 데이터 분석가의 역할을 더 구체적으로 알 수 있었다.
3. 데이터 분석의 자료를 통해 발생할 수 있는 결과에 대해 알 수 있었다.