[아티클스터디] 데이터 리터리시& 잘못된 데이터 해석

✷ Article

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

데이터 리터러시(Data Literacy)를 올리는 방법 | 요즘IT

https://yozm.wishket.com/magazine/detail/1816/

그 데이터는 잘못 해석되었습니다 | 요즘IT

 

✷ 요약 - 데이터 리터리시

[주제]

단순히 데이터를 보여주는 것만으로 문제 해결력이 좋아지지는 않는다!

주제 데이터를 활용해 문제를 잘 해결하려면

목차

• 데이터 리터러시 : 데이터를 활용해 문제를 해결하는 능력
• 데이터/실험 기반 사고방식
• 분석 흐름대로 데이터를 탐색할 수 있는 환경
• 데이터 분석가가 효율적으로 일을 하기 위해

[아티클요약]

1. 데이터 리터러시 : 데이터를 활용해 문제를 해결하는 능력

• 데이터를 잘 활용 하는 것 : 문제를 잘 정의하고 해결할 수 있다는 것
• 데이터를 잘 활용하도록 만드는 방법

1. 데이터/실험 기반 사고방식 재고
2. 분석 흐름대로 데이터를 탐색할 있는 환경 要
3. 위 과정을 도와주는 분석가 要

2. 데이터/실험 기반 사고방식 만들기

• 실제 진행하는 업무들부터 데이터 기반 사고방식으로 실행하도록 유도하여 모든 업무가 데이터/실험 기반으로 이루어지도록 구성
• 실험 프로세스 도입 : 모든 조직의 실험 횟수를 높여 성과 달성 가능성 높이기 위해, 데이터 중심으로 문제를 더 잘 해결하도록 만들기 위해
•  
• 문제 정의-솔루선-측정지표

  내용	기대효과(생각)
  해결하려는 문제	문제 정의
  관련 OKR❓	전사 목표와 방향성이 일치하는지(align)
  측정 지표	문제와 지표가 일치하는지, 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

❓OKR (Objectives and Key Results) : 목표 설정 및 관리 방법론

Objectives (목표): 달성하고자 하는 구체적이고 영감을 주는 목표 Key Results (핵심 결과): 목표 달성을 측정할 수 있는 구체적인 결과나 지표
OKR은 팀이나 개인이 목표에 집중하고, 성과를 측정하며, 정기적으로 업데이트하는 방식으로 운영. 이를 통해 조직 전체의 목표와 개인의 목표를 align(조정)할 수 있음.

3. 분석 흐름대로 데이터를 탐색할 수 있는 환경 구성

• 데이터맵 제작 구성원이 분석가 없이 스스로 가장 중요한 지표에 집중할 수 있도록 구성 지표 도식화(input:측정 가능하고 직접적으로 컨트롤 가능 할 것)
• 대시보드 분석 흐름을 따라가면서 지표를 탐색할 수 있도록 설계 분석가가 아닌 구성원들도 쉽게 중요한 지표 변동과 원인을 파악하고 분석할 수 있도록 구축

4. 데이터 분석가가 효율적으로 일을 하기 위해

• 데이터 추출, 분석내용 리포팅을 넘어 구성원이 [ 문제 정의, 원인 분석, 액션 아이템 도출, 협업팀의 실행 ] 의 프로세스를 잘 수행할 수 있도록 지원
  • 구체적인 Job Description을 통한 명확한 분석가의 역할 구분
  • 모든 분석가의 업무 방향성 일치 : 분기별 기대 성적(모습)을 가장 중요한 OKR로 설정
• 데이터 플랫폼화
  • 분석가들의 실질적인 분석 업무 효율을 높이는 역할
  • SQL을 알고 있는 구성원이 필요한 데이터를 쉽게 찾을 수 있도록 지원
  
  

  데이터 레이크	원천(원시)데이터 적재 창고
  데이터 웨어하우스	신속 정확하게 데이터를 추출 할 수 있도록 구조화
  데이터 카탈로그	데이터 레이크/웨어하우스 내 데이터를 쉽게 확인 할 수 있도록 구성

[인사이트]

‘화해’ 데이터 팀의 이야기를 통해 해당 회사 및 많은 기업에서 데이터를 기반으로 한 문제해결을 시도하고, 지원하고 있다는 것을 알게 되었다. 데이터 분석가는 수많은 팀들과 협업을 하기 때문에 그들의 실적/생산성/결과를 개선하기 위해서 어떤 프로세스를 거쳐 효율적으로 문제를 해결하고 수행할 수 있는지에 대해서도 알 수 있었다.

조직 내에서 데이터 분석가=일의 효율성 증가 역할이 이라는 생각이 들어 더욱 매력적으로 느껴지는 아티클이었다.

 

---

✷ 요약 - 잘못된 데이터 해석

[주제]

주제 데이터를 잘 못 해석하는 이유와 우리가 가져야 할 자세

목차

• 데이터를 잘 못 해석하는 상황별 유형
• 우리가 가져야 할 자세

[아티클요약]

데이터를 기반으로 한 의사결정을 내릴 때에 가장 경계해야 할 점은 데이터가 있어도 이를 잘 못 해석하여 잘못된 결론으로 가는 것이다.

데이터를 잘 못 해석 하는 상황별 유형

1. 생존자 편향의 오류(feat.2차세계대전)
잘못된 지표 설정으로 잘못된 해석을 낳는 유형
예) 전체 전투기가 아닌 귀환 전투기를 대상으로 총탄 자국을 확인하다 보니 발생한 인지적 오류
→ 인지적 오류가 없는 정확한 기준으로 해석해야 올바른 지표에 따른 해석이 가능함

 

2. 심슨의 역설
전체 지표와 그룹을 나눈 지표의 방향성이 다르게 나타나는 상황
→ 전체 집단의 지표 뿐만 아니라, 집단을 나누어 지표를 확인하는 과정 要
(너무 세분화 하는 것은 복잡도를 높여 해석하기가 어려워지므로 특성별 기준을 정하고, 그 기준으로 지표를 살피는 것이 효과적)

 

3. 상관관계를 통한 성급한 일반화
비슷해 보이는 패턴을 쉽게 일반화 하려는 경향의 오류
→ 상관성은 있으나 인과성이 없는 경우는 제3의 공통원인이 존재할 가능성이 높음. 사용자의 행동과 심리를 인지적으로 구조화하고 두 지표에 동시에 영향을 주는 공통원인이 있는지 살펴볼 것 새로운 구조로 지표간의 관계를 파악하는 과정을 거칠

 

4. 목적에 맞지 않는 지표 선택
비슷하지만 전혀 다른 지표가 되는 경우
→ 어떤 관점에서 지표를 개선할지 목적을 명확히 할 것

데이터를 잘 못 분석하지 않기 위해 우리가 가져야 할 자세

세이건 표준 : “특별한 주장에는 특별한 근거가 필요하다” 데이터는 발생하는 일을 자료로 남긴 것이기 때문에 분석의 결과가 일반 상식에서 크게 벗어나는 경우가 많지 않지만 가공하는 기준과 방법에 따라, 해석하는 사람에 따라 다르게 해석될 수 있음

→ 데이터를 그대로 믿기 전에 충분한 근거가 있는지 신중하게 접근해야 함

 

[인사이트]

올바른 의사결정을 하기 위해서는 데이터 분석에서 단순한 상관관계에 의존하지 않고 더 깊이 있는 분석이 필요하다는 것을 느낄 수 있었다. 프로젝트의 목적에 따라 적절한 지표를 설정하고 분석하는 것이 중요하다는 생각이 들었다.

+ 숫자는 거짓말을 하지 않지만, 숫자를 보는 대상인 사람은 거짓말을 하기에 숫자가 잘 못 해석 될 가능성이 존재한다.