데이터 인재
숫자를 읽는 사람은 늘었는데
결정이 빨라지지 않았다면, 부족한 것은 분석이 아니라 질문입니다.
좋은 질문을 만드는 훈련을 6개월간 실제 과제로 진행합니다.
데이터는 충분한데 답이 안 나오는 이유
데이터가 없어서 막히는 조직은 이제 드뭅니다. 오히려 데이터는 넘치는데 그 숫자가 궁금한 것을 해소해 주지 않는다는 쪽이 훨씬 흔합니다.
이탈률이 올라간 것은 대시보드가 알려 줍니다. 그런데 왜 떠났는지는 알려 주지 않습니다. 숫자를 보면 가설을 여러 개 세울 수는 있지만, 그중 무엇이 맞는지 숫자 자체가 답해 주지는 않습니다. 결국 회의에서 각자의 경험에 기댄 추측이 오가고, 가장 목소리가 큰 해석이 채택됩니다.
여기에 도구를 하나 더 붙여도 상황은 잘 바뀌지 않습니다. 분석 도구가 정교해질수록 답은 더 정교해지지만, 질문이 어긋나 있으면 정교하게 어긋난 답이 나올 뿐입니다.
데이터가 없어서 막힌 게 아니었습니다.
유저 데이터는 굉장히 많았습니다.
숫자가 가설은 만들어 줬지만 답을 내주지는 않았습니다.
워룸 참가자 · 마케팅 팀장
순서를 바꾸면 데이터가 답하기 시작합니다
대부분의 조직은 데이터를 먼저 보고 원인을 추론합니다. 이 순서에서는 이미 알고 있는 것들 안에서만 가설이 나옵니다. 데이터에 기록되지 않은 이유는 애초에 후보에 오르지 못합니다.
순서를 뒤집으면 달라집니다. 고객을 직접 관찰하고 인터뷰해 맥락을 먼저 확보하고, 거기서 나온 가설을 내부 데이터로 검증합니다. 정성 데이터는 표본이 적어 결론을 내릴 수 없지만, 정량 데이터에 던질 질문을 만들어 줍니다. 그 질문에 답하는 것은 다시 빅데이터의 몫입니다.
이 순환이 한 번 돌면 조직의 분석 역량이 같은 자원으로 훨씬 좋은 결과를 냅니다. 분석가가 바뀐 것이 아니라 요청서에 적히는 질문이 바뀌었기 때문입니다.
정성 데이터가 정량 데이터를 대신하지는 않습니다.
대신 정량 데이터에 던질 좋은 질문을 만들어 줍니다.
워룸 참가자 · 데이터 분석가
할인 쿠폰을 준비하다 VIP 경험 설계로 바뀐 과제
한 참여 기업은 재이용률과 구독 전환이 정체된 문제를 들고 왔습니다. 내부 데이터만 보면 답은 늘 같았습니다. 이탈 구간에 할인 쿠폰을 붙이는 방식입니다.
팀이 다섯 달 동안 서른일곱 명의 고객을 직접 만났습니다. 한 사람당 한 시간이 넘는 대화가 쌓여 700페이지 분량의 기록이 됐습니다. 거기서 반복해서 나온 말은 가격이 아니었습니다. 오래 많이 썼는데 충분히 인정받고 있다는 느낌이 없다는 것이었습니다.
팀은 이 말을 가설로 세우고 다시 데이터로 돌아갔습니다. 이용 기간과 빈도와 이용 행태를 다시 들여다보며 VIP 고객을 정의했고, 할인 대신 그들만을 위한 경험을 설계해 파일럿까지 실행했습니다. 고객센터로 감사 메시지가 들어왔고, 해당 고객군의 리텐션은 이후에도 유지되고 있습니다.
같은 데이터였습니다. 달라진 것은 그 데이터에 던진 질문이었습니다.
정성과 정량을 한 프로그램에서 함께 다룹니다
따로 배우면 따로 놉니다. 같은 과제 위에서 번갈아 써 봐야 순서가 몸에 붙습니다.
현장에서 맥락을 확보합니다
참여자가 직접 고객을 인터뷰하고 관찰합니다. 처음에는 벅찬 작업이지만, 고객이 하는 한마디에서 가설을 뽑아내는 감각은 이 반복에서만 생깁니다. 분석 프레임워크는 THICK(Tolerance, Hidden Desire, Informants, Context, Kindred Spirit)을 씁니다.
가설이 현상인지 데이터로 확인합니다
현장에서 나온 가설을 내부 데이터로 검증합니다. 소수의 인상적인 목소리를 전체의 흐름으로 착각하지 않도록 막는 단계이며, 빅데이터와 AI 전문가가 이 과정을 함께 봅니다.
AI에게 무엇을 시킬지 판단합니다
자료 정리, 인터뷰 기록 요약, 가설 확장은 AI가 빠르게 처리합니다. 사람은 무엇을 문제로 정의하고 어떤 신호를 더 봐야 하는지 판단하는 자리에 남습니다. 이 분업을 실제 과제에서 익힙니다.
검증된 가설을 파일럿으로 옮깁니다
분석에서 끝나지 않도록 파일럿 방식과 성공 지표를 함께 설계합니다. 실행 결과가 나와야 다음 과제에서도 같은 순서가 반복됩니다.
데이터 인재 육성 자주 묻는 질문
데이터 리터러시 교육과 무엇이 다른가요?
리터러시 교육은 대체로 지표를 읽고 도구를 다루는 법을 다룹니다. 필요한 단계지만, 그것만으로는 무엇을 물을지 정하지 못합니다. 저희는 고객을 직접 관찰해 가설을 만든 다음 그 가설을 내부 데이터로 검증하는 순서를 6개월 동안 실제 과제 위에서 반복합니다.
데이터 분석 도구를 다루지 못해도 참여할 수 있나요?
가능합니다. 오히려 마케팅, 기획, 운영처럼 데이터를 요청하는 쪽과 분석하는 쪽이 한 팀에 있을 때 효과가 큽니다. 도구를 다루는 역량은 사내 데이터 조직이나 AI가 이미 갖고 있는 경우가 많고, 실제로 부족한 것은 무엇을 분석해 달라고 요청할지 정하는 능력입니다.
사내에 데이터 조직이 이미 있습니다. 그래도 필요한가요?
데이터 조직이 있는데도 의사결정이 느리다면, 분석 역량이 아니라 질문의 품질이 병목일 가능성이 큽니다. 분석 요청서에 적힌 질문이 모호하면 아무리 좋은 분석가도 애매한 답을 냅니다. 이 프로그램은 요청하는 쪽의 질문을 다듬는 훈련에 가깝습니다.
정성 데이터는 표본이 적은데 신뢰할 수 있나요?
정성 데이터로 결론을 내리지 않습니다. 현장에서 얻은 통찰은 가설의 자리에 두고, 그 가설이 소수의 목소리인지 전체 현상인지는 반드시 내부 데이터로 확인합니다. 정성은 좋은 질문을 만들고, 정량은 그 질문에 답합니다.
누가 가르치나요?
메인 코치는 예일대 문화인류학 박사이자 맥킨지, CJ, 구글, 블리자드, 필립모리스, 넷플릭스를 거친 백영재 박사이고, 서브 코치는 빅데이터와 AI 전문가인 노성산 컬츠업 대표입니다. 정성과 정량을 각각 담당해 한 프로그램 안에서 함께 다룹니다.
지금 가장 답답한 지표 하나를
알려 주십시오
그 지표를 과제로 삼으면 6개월 동안 어떤 과정을 거치게 되는지
구체적으로 회신드리겠습니다.