Article : 데이터 분석가가 되어보니 중요한 것들

https://yozm.wishket.com/magazine/detail/1863/

데이터 분석가가 되어보니 중요한 것들 | 요즘IT

 

<아티클 내용 요약>

데이터 분석가에 대한 정의

- 좋은 의사결정을 하도록 돕는 사람이다. 이를 더 길게 표현하면 '데이터 기반해 성공 확률이 높은 의사결정을 지속적으로 하도록 돕는 사람'이다. 

-데이터 분석가에게 중요한 점은 크게 세 가지다.

1. 데이터 기반
   데이터에 기반해 의견을 내는 것이다. 
   그러나 데이터가 중요하다고 강조해도 데이터가 잘 활용되지 않거나, 잘 쌓이지 않는 조직도 많다. 따라서 데이터 분석 작업 이전에 데이터가 잘 흐르는 조직을 만들어야 한다. 
   • 데이터가 흐르는 조직
     데이터 분석가가 조직에 기여할 수 있는 방법은 피라미드 형태로 표현할 수 있다. 피라미드인 이유는 아래 단계가 조직 내에서 충족되지 않으면 위 단계의 내용으로 기여할 수 없기 때문이다. 또한, 아래층일수록 달성했을 때 비즈니스 임팩트가 더 크다는 것을 내포하고 있다.  
     
     여기서 데이터가 흐르는 조직은 피라미드 맨 아래층인 1단계에 속한다. 실무자가 필요한 데이터가 있을 때 쉽게 데이터를 확인할 수 있고, 주요 지표가 어떻게 진행되는지 알고 있다면 데이터가 잘 흐른다고 볼 수 있다.  
     조직 내에서 데이터를 쉽게 확인하기 위해선 BI(Business lntelligence) 툴 도입, 대시보드 개발, SQL 교육, 사용하기 쉬운 데이터 마트 개발, PA(Product Analytics) 툴 활용, 알림봇 개발 등 다양한 방법이 있다. 
     • BI 툴 도입
       BI 툴을 도입하면 여러 대시보드를 만들 수 있다. 대시보드는 쉽게 말해 계기판이라고 볼 수 있으며, 만들 때 영역을 잘 구획해 연관된 정보를 모아두면 정보를 읽기 편하다. 
       
       초기에는 봐야 할 지표가 많지 않아, 여러 지표를 한 대시보드에 표현하는 것이 중요할 수 있다. 이후 지표가 많아지면 지표를 잘 찾을 수 있도록 설계하는 과정도 필요하다. 또한 전체 지표를 보여주고 끝내는 것이 아니라, 사용자를 분석할 수 있는 필터를 제공해야 한다. 측정 기준에 따라 별도 지표를 볼 수 있게 만들면 좋다.
       
       
     • SQL 교육과 데이터 마트
       다수의 기업에서 데이터가 흐르는 조직을 표방하기 위해, 비데이터 직군 구성원도 SQL을 사용할 수 있도록 교육하고 있다. 이는 단순 쿼리 요청을 줄여준다는 장점도 있지만, 직접 데이터가 어떤 형태로 존재하는지 파악할 수 있어 내용이 구체화되고 깊이 있는 분석을 할 수 있다. 
       
       그러나 데이터 교육이 마냥 쉽지는 않기 때문에 데이터가 어디에 있는지 미리 문서화하고, 여러 데이터를 모아 목적에 따라 가공한 데이터 마트를 만들어 원천 데이터가 아닌 데이터 마트를 사용하도록 유도해야 한다. 
       
       또한 데이터를 여러 사람이 이용하게 되면서 각자 지표 정의와 구현법이 다른 것도 문제가 된다. 이러한 문제를 해결하기 위해 최근에는 지표를 통합된 기준으로 관리하는 메트릭 스토어를 도입하는 회사도 늘어나고 있다.   
       
       
     • 주요 지표 인지하기
       주요 지표를 인지하는 것은 영업에 더 가깝다. 데이터가 잘 흐르지 않는 조직은 회사에 대해 구성원들이 잘 모르는 경우가 많다. 이럴 때 가볍게 상황을 요약하는 리포트 등을 꾸준히 공유하는 것도 도움이 된다. 
       1. 결과 지표 추이를 통해 예상되는 미래 상황과 목표를 고려했을 때 얼마나 잘하고 있는지 알려준다.
       2. 결과 지표에 선행하는 것으로 보이는 지표를 소개한다.
       3. 최근 액션에 대응하는 결과를 볼 수 있는 지표가 무엇인지, 현재 상황이 어떠한지 소개한다. 
2. 성공 확률이 높은 의사결정
   최근 데이터의 중요성이 강조되는 이유는 데이터에 기반한 의사결정이 성공 확률을 높이는 의사결정 방법이라는 것을 실리콘밸리를 포함한 여러 회사에서 증명했고, 국내에는 조금 늦게 전파되어 더욱 강조되는 것이다. 따라서 데이터 분석가는 조직이 성공 확률이 높은 의사결정을 하도록 기여해야 한다. 
   • 상황을 정확하게 해석하기
     데이터를 보면 곧 상황을 객관적으로 볼 수 있을 것 같지만 어떤 지표를 본다는 것은 코끼리 몸의 일부를 만지는 것에 불과하다. 특히 직무, 조직 내 위치, 성향 등에 따라 다른 지표를 보기도 하고, 같은 지표를 다르게 해석할 수 있다. 데이터 분석가는 여러 지표를 적절히 조합하고 분석해, 편향되지 않게 해석하고 상황을 진단하는 사람이어야 한다. 
     
     하지만 데이터 분석가조차 잘못 판단할 수 있다. 그럴 때는 상황에 대한 해석을 업데이트하고, 왜 이렇게 해석했는지 이유를 알리는 것이 중요하다.     
     
     또한 상황을 잘 해석하기 위해 도메인 지식을 지속적으로 기르는 것도 중요하다. 도메인 지식이 필요한 이유는 생각의 프레임워크를 사실에 가깝게 구성하기 위함이다. 생각의 프레임워크는 작업 시간을 줄여주고, 커뮤니케이션이 명확하게 하며 제대로 된 해석이 이뤄질 수 있게 도와준다. 도메인 지식은 책이나 강의를 통해 배워야 하는 지식도 있겠지만, 대부분 회사에서 무엇을 했고 결과가 어땠는지에 대한 정보를 잘 축적하고, 그것을 합리적인 형태로 구조화하는 것으로도 많은 도움이 된다. 
     
     
   • 목표 설정과 성과 측정 
     목표 설정 - 실행 - 측정 - 축적으로 이어지는 체계적인 조직 운영을 통해, 전략적으로 성광 확률을 높이는 것이 데이터 기반 의사결정이 추구하는 것이다. 
     • 목표설정하기
       목표는 크게 세 가지의 조합이 있다. 
       
       1. 구조화된 로직에 과거 데이터를 활용한 예상치
       2. 새로운 액션에 대한 확신 수준, 시장이나 경쟁사 상황, 불확실성을 반영한 기대치
       3. 의지치
       
       이 3가지의 합이 목표치가 되는 것이 아니라, 예상치에 구조화된 로직이 있을 때 그 로직을 구성하는 수치를 기대치와 의지치를 이용해 변경한 값이 목표치다.  
       
       
     •  성과 측정하기 
       성과는 조직에서 의도적으로 만든 변화로 인해 결과가 어떻게 바뀌었는가를 생각해 볼 수 있다. 
       성과 측정은 도메인과 회사, 어떤 유형의 변화를 주는가에 따라 다양한 접근이 가능하다. 각 상황에 맞는 적절한 성과 측정 방법을 설계해야 하며, 특히 각 방법론의 장점과 한계 등을 인지하고 있어야 좋은 성과 측정 방법을 제안할 수 있다. 
3. 지속성
   때로는 데이터 분석을 통한 결과가 최선이 아닐 수도 있지만, 데이터에 기반해 더 좋은 의사결정을 한다는 전략에 맞춰 체계적으로 의사결정을 축적하다 보면 결과적으로는 가장 높은 성공 확률을 갖출 수 있다. 
   
   이러한 지속성을 위해 데이터 분석가는 비즈니스 사이클에 맞게 분석해야 한다. 첫째로 분석 주제가 현재 회사가 집중하는 것과 다르면 안 된다는 것 둘째로 분석 주제의 결과물이 비즈니스 사이클에서 필요한 적절한 것이어야 한다는 것
   
   비즈니스 사이클은 크게 3단계다. 
   
   1. 기획 발굴, 아이디어 수집, 정책 설계 등을 하는 플래닝
   2. 플래닝의 결과 실행 및 배포
   3. 성과 측정 및 후속 분석
   
   각 단계에서 데이터 분석가는 아래와 같은 일을 할 수 있다. 
   
   1. 기회 발굴을 위한 탐색적 분석과 데이터 및 성과 측정 방법 설계
   2. 데이터 확인 및 대시보드 관리
   3. 성과 측정 및 추가 데이터 분석을 통해 인사이트를 뽑고 다시 플래닝에 반영할 것이 있는지 확인

데이터 분석가가 본 데이터 분석가는?

- 조직의 전반적인 의사결정 퀄리티를 높이는 사람이다. 좋은 의사결정들이 쌓여 조직의 성공 확률이 높아진다는 점에서, 데이터 분석가는 성공 확률을 높이는 직군이기도 하다. 회사에 따라 다를 수 있지만, 조직이 좋은 의사결정을 내리기 위한 일이라는 것은 변함이 없다고 본다.  

 

<알게 된 개념>

- 데이터 분석가라는 업무를 이론이 아닌 실전에 대입해서 이해하기 좋았다. 막연하게 어떤 일을 하는 사람이다가 아닌 어떤 일에 어떻게 사용되는 사람이다가 명확해서 좋았다. 

- 데이터 분석가가 되면 업무에 대해 파악하기 위해서 회사의 도메인 지식을 알아보는 것이 많은 도움이 된다는 것을 알 수 있었다.