아티클 스터디 1주차(2)

 

1. 오늘의 아티클(주제) : 데이터 리터러시

데이터 리터러시(Data Literacy)를 올리는 방법 | 요즘IT (wishket.com)

데이터 리터러시(Data Literacy)를 올리는 방법 | 요즘IT

 

2. 아티클 정보 요약 : 데이터 활용력을 높이기 위해 한 가장 좋았던 방법

 

1) 화해팀의 문제 발견

 

• 해결하려는 문제나 실제 실행과는 전혀 관계없는 데이터를 요청한다는 점.

• 특히, 새로운 기능과 관련된 이벤트 성과를 측정하기 위해 많은 데이터를 보고자 하는 경우가 많음.

•  해결 방법 : 문제를 잘 정의하는 것부터 시작한다.

•  이러한 과정에서 데이터 리터러시의 개념을 배울 수 있다.

 

2) 데이터 리터러시

 

• 데이터 리터러시 : 데이터를 활용해 문제를 해결할 수 있는 능력

 

＊리터러시(Literacy) : 문자화된 기록물을 통해 지식과 정보를 획득하고 이해할 수 있는 능력을 말한다. 19세기까지만 해도 일반 대중이 아닌 특권 계층에서만 리터러시 능력을 취득할 수 있었다. 그러나 리터러시가 단지 언어를 읽고, 쓰는 피상적인 의미만을 내포하는 개념은 아니다. 리터러시는 일차적으로 시대적으로 혹은 그 사회 혹은 문화권에서 통용되는 커뮤니케이션 코드인 ‘언어’에 의해서 규정되어진다. 리터러시는 복잡한 사회적 환경과 상황 속에서 그 본질을 이해할 수 있는 복잡한 개념이다. 이제 리터러시는 단지 언어를 읽고 쓰는 능력에서 더 나아가 변화하는 사회에서의 적응 및 대처하는 능력으로 그 개념이 확대되기 시작했다. (구인환, 「Basic 고교생을 위한 국어 용어사전」, 2006)

 

＊정보 리터러시 : 정보의 필요성을 인식하고, 유용한 정보원을 탐색하고, 정보에 접근하고, 비판적으로 판단하며, 필요한 정보를 이용해 문제 해결을 수행할 수 있는 광범위한 능력을 의미한다. (전경란, 「미디어 리터러시의 이해」, 2015)

 

- 그럼 데이터를 잘 활용한다는 것은 무엇일까?

데이터를 활용해 문제를 잘 정의하고 해결할 수 있다는 말이다.

 

• 데이터를 잘 활용하도록 만드는 방법

1. 데이터 /실험 기반 사고방식이 자리 잡혀야 하고,

2. 분석 흐름대로 데이터를 탐색할 수 있는 환경이 필요하고,

3. 이 과정을 도와주는 데이터 분석가들이 필요하다.

 

3) 데이터/실험 기반 사고방식 만드는법 : 데이터팀 성공 후기

 

1. 모든 업무가 데이터와 실험 기반으로 이루어지도록 만들어야 했다.

2. [best] 실제 진행하는 업무부터 데이터 기반 사고방식으로 실행하도록 유도

3. [first] 먼저 자연스러운 과정이 되도록 하기 위해, 실험 프로세스를 도입했다.

 

4) 실험 프로세스

 

• 방법 : 업무를 진행할 때 문제 해결을 위해 실험을 하는 방식으로 진행되도록 하였다.

실험 진행 전에 다음 문항을 작성하도록 안내하며 자연스레 생각이 이어지도록 함.

 

작성한 문항	예상한 흐름
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
＊위의 내용 모두 노션에 등록해 구성원 누구라도 실험 내용과 과정, 결과를 확인할 수 있도록 가시화 했다.

 

- 처음 2~3개의 조직의 리더들부터 시작했고, 점자 모든 조직의 구성원까지 대상을 확대했다.

- 대부분의 업무를 점진적으로 실험과 데이터 기반 문제 해결 중심으로 치환하고자 노력함.

- 1년에 가까운 시간 동안 온보딩과 학습을 통해 실험 프로세스가 성공적으로 도입되었다.

 

＊ORK(Objective and Key Results) : 인텔에서 시작되어 구글을 거쳐 실리콘밸리 전체로 확대된 성과관리 기법으로, 조직적 차원에서 목표(objective)를 설정하고, 결과를 추적할 수 있도록 해주는 목표 설정 프레임워크이다. 특히 구글은 각자의 OKR을 사내에 공개해 누구나 서로의 OKR을 볼 수 있도록 했다. 서로의 OKR에 피드백을 주어 건강한 긴장감을 조성하기 위해서다. (지식엔진연구소, 「시사상식사전」, 박문각, 2019)

 

＊프레임 워크(Framework) : 소프트웨어의 구체적 기능들에 해당하는 부분의 설계와 구현을 재사용 가능하도록 협업화된 형태로 제공하는 소프트웨어 환경을 말한다.

 

＊align : 줄맞추다, 문자들의 위치 정렬, 위치 조정이라는 의미이다. (전산용어사전편찬위원회, 「컴퓨터인터넷IT용어대사전」, 일진사, 2011)

 

5) 데이터맵 (feat. 관계도)

 

• 그 다음으로, 분석 흐름대로 데이터를 탐색할 수 있는 환경을 조성해야 한다.

• 분석가 없이도 가장 중요한 지표에 집중할 수 있도록 전사에서 다루는 중요한 인풋 지표와 아웃풋 지표 간의 관계를 표현한 관계도를 제작·공유했다.

 

[1] 중요한 지표에 집중하도록 인풋 지표 설정에 중요한 두 가지 원칙을 설정했다.

1. 측정 가능하고,

2. 직접적으로 control이 가능해야 한다.

 

[2] 관계도 : 각 지표 간의 관계를 쉽게 이해할 수 있게 만들어 본인이 해결해야 하는 문제가 어떤 지표와 연관되어있는지 빠르게 파악 가능하도록 함.

 

[사진 참고] 대시보드

 

6) 대시보드

 

• 다음은, 흐름에 따라 지표의 현재 수준을 확인할 수 있는 환경이 필요했다. 확인은 대시보드를 통해서 하는데, 분석 흐름을 따라가면서 지표들을 탐색할 수 있도록 설계했다.

• KPI 대시보드에서 최상위 문제를 발견하면, 각 지표와 관련된 하위 지표들이 구성된 분석 대시보드에서 원인을 짐작할 수 있었다.

• 이제 대시보드 관계만 보면 분석가가 아닌 구성원 누구나 중요한 지표 변동과 원인을 파악하는 분석 정도는 스스로, 그리고 빠르게 할 수 있게 된다.

 

＊KPI(Key Performance Indicator) : 핵심성과지표, 조직이 달성하려는 성과목표가 얼마나 실현되었는지 파악하기 위하여 설정하는 핵심적 지표들을 가리킨다. 즉, 조직의 성과를 측정하기 위한 주요 기준들을 말한다. 일반적으로 기업에서 경영성과를 관리하기 위한 수단으로 많이 사용되며, 부서 및 구성원들의 실적을 평가하는 기준으로 활용되기도 한다. (두산백과)

 

[링고 참고] 데이터 자율주행을 위한 두 가지 도구, 대시보드와 데이터 맵

 

7) 위의 과정을 도와주는 역할 : 데이터 분석가(Data scientist) > 데이터 과학자? 채용

 

[1] 데이터 분석가는 문제를 정의하고 원인을 분석한 뒤에는 액션 아이템까지 도출해 리포트를 제공받은 협업팀이 실행에 옮기도록 만들어야 한다. 이를 위해 구체적인 JD를 공지했다.

 

8) Job Description

 

1.제품/비즈니스 성장을 위한 지표 설계 및 대시보드를 개발한다.

2. 제품/비즈니스 문제 해결을 위한 실험을 설계한다.

3. 핵심 지표 모니터링 지표 변동의 root cause(근본 원인)를 분석한다.

4. 데이터 분석 결과를 바탕으로 실질적인 액션 아이템을 제안한다.

5. 데이터 기반 사고와 실험 활성화를 위한 전사적인 코칭 및 컨설팅 역할을 수행한다.

 

[2] 분기마다 기대하는 모습을 가장 중요한 OKR로 설정해 모든 분석가의 업무 방향성을 일치시켰다.

 

- KR : 분석가의 산출물로 협업팀/밴드 과제지표 및 전사지표의 성장 또는 중요 의사결정 견인(1인당 월 2회 달성)

 

＊root cause : 근본 원인

＊KRA(Key Result Area) : 핵심 결과 영역, 업무의 성과가 영향을 발휘하는 영역을 말한다. (국제연어대학원대학교 신어사전)

 

9) 데이터 플랫폼

 

마지막으로, 분석가뿐만 아니라 많은 구성원이 빠르게 분석할 수 있으려면 데이터를 빠르게 준비해 사용할 수 있는 구조가 필요하다.

 

핵심 요소	설명
데이터 레이크	• 모든 원천데이터가 적재 되어 있음.
데이터 웨어하우스	• 신속하게 정확한 데이터를 추출할 수 있도록 구조화 됨.
데이터 카탈로그	• 위의 두 가지 내에 어떤 데이터가 있는지 쉽게 확인할 수 있도록 만들어 줌.

 

• 데이터 웨어아우스 & 카탈로그 : 분석기들이 실질적인 분석 업무를 빠르게 수행할 수 있도록 도와준다. 분석가가 아니더라도 SQL 사전 지식이 있는 구성원이라면 본인이 필요한 데이터를 기본 함수 정도만 작성해 쉽게 얻을 수 있다.

 

• 데이터 웨어하우스 : 를 통해 분석가의 업무 효율은 비약적으로 상승했다. 분석파트에서 조직이 성장한 점을 리뷰할 때마다 데이터 웨어하우스 구축이 가장 높은 평가를 받았다. 이런 과정을 통해 KR의 달성 속도를 가속화할 수 있었다.

 

[사진 참고] 화해팀의 데이터 웨어하우스

 

10) 정리

 

1. 문제 해결력을 높이기 위해선 구성원들이 데이터를 바라보는 올바른 관점을 만드는 게 가장 중요했다, 이 관점을 유지·강화하기 위한 환경을 조성했다.

2. 경영진들의 강한 지지가 중요한 역할을 했으며, 구성원 모두의 적극적인 참여를 통해 화해팀은 데이터를 활용해 문제를 해결하는데 매우 익숙한 조직으로 변화해왔다.

3. 앞으로도 조직 전체의 데이터 리터러시를 높이고 이를 통해 성과들이 만들어지도록, 더 좋은 환경과 구조를 만들어 나갈 예정이다.

 

3. 인사이트

 

데이터팀이 말하는 데이터 분석가는 단순히 데이터를 추출하고 분석해 정보를 제공하는 데 그치는 것이 아니라 구성원 모두가 데이터를 잘 활용하는 환경을 조성하도록 만들어 주는 업무도 담당하고 있다고 말한다.