3일차 아티클 스터디: 데이터 리터러시를 올리는 방법

데이터 리터러시란?

데이터를 활용해 문제를 해결할 수 있는 능력

데이터 활용 역량은 어떤 데이터를 보고 어떤 의사결정을 내리는지에 잘 드러남

과거에는 데이터를 빠르게 보여주기만 하면 잘 활용될 수 있을 것이라고 생각했지만 문제나 실행과는 전혀 관계 없는 데이터를 요청한다는 점이 문제였음

ex. 새로운 기능과 이벤트 성과를 측정하기 위해 너무 많은 데이터를 보고자 하는 경우

 

데이터를 잘 활용한다 = 데이터를 활용해 문제를 잘 정의하고 해결할 수 있다

1) 데이터/실험 기반 사고방식

2) 분석의 흐름대로 데이터를 탐색할 수 있는 환경

3) 이 과정을 도와주는 분석가

필요

 

데이터/실험 기반 사고방식

실험 프로세스/실험 보드

해결하려는 문제 = 문제 정의

관련 OKR = 전사 목표와 align 되어있는지

측정 지표 = 문제와 지표가 align 되어있는지, 측정 가능한 것인지

가설 검증 기준 = 성공 여부를 어떻게 판단할 것인지

검증 후 변화될 액션 = 의미 없는 액션을 하는 게 아닌지

결과 = 검증 기준으로 결과가 나왔는지

학습한 점 = 어떤 학습을 했고, 다음 실험에는 어떻게 반영될 것인지

 

분석 흐름대로 데이터를 탐색할 수 있는 환경

데이터맵

전사에서 다루는 중요한 인풋 지표와 아웃풋 지표 간의 관계를 표현한 관계도
인풋 지표 설정의 원칙 1) 측정 가능 2)직접적으로 control 가능

대시보드

분석 흐름을 따라가면서 지표들을 탐색할 수 있도록 설계

KPI 대시보드에서 최상위 문제를 발견하면 각 지표와 관련된 하위 지표들이 구성된 분석 대시보드에서 원인 짐작 가능

 

이 과정을 도와주는 분석가

데이터 분석가

문제 정의&원인 분석 후 액션 아이템을 도출해 리포트를 제공받은 협업팀이 실행에 옮기도록 만들어야함

데이터 플랫폼

데이터를 빠르게 준비해 사용할 수 있는 구조 필요

1) 모든 원천데이터가 적재되어 있는 데이터 레이크

2) 신속하게 정확한 데이터를 추출할 수 있도록 구조화된 데이터 웨어하우스

3) 데이터 레이크/웨어하우스 내에 어떤 데이터가 있는지 쉽게 확인할 수 있도록 만들어주는 데이터 카탈로그

 

인사이트

평소에 데이터 리터러시 능력이 없이 너무 많은 데이터를 보려고 했던 것 같다. 해결하려는 문제와 솔루션을 바탕으로 측정할 지표를 정해야 한다는 점을 깨달았다. 

 

데이터 리터러시(Data Literacy)를 올리는 방법 | 요즘IT