[팀아티클] 그 데이터는 잘못 해석되었습니다, 데이터 리터러시를 올리는 방법

[250218] 선정 아티클 : 그 데이터는 잘못 해석되었습니다

그 데이터는 잘못 해석되었습니다 | 요즘IT

개인 요약

• 생존자 편향의 오류: 데이터를 분석할 때 생존자만을 고려하면 잘못된 결론에 이를 수 있습니다. 예를 들어, 전투기의 총탄 자국이 많은 부분이 아닌 적은 부분을 보강해야 한다는 통계학자의 조언처럼, 이탈 고객이 아닌 전체 고객을 기준으로 분석해야 합니다.
• 심슨의 역설: 전체 지표와 그룹별 지표가 상반된 결론을 낼 수 있습니다. 예를 들어, A 서비스는 성별 만족도에서 높은 점수를 받았지만, 전체 만족도에서는 B 서비스보다 낮았습니다. 이는 각 그룹의 사용자 수 차이 때문입니다.
• 상관관계를 통한 성급한 일반화: 상관관계는 인과관계가 아니므로, 두 지표 간의 상관관계를 성급히 일반화하지 말아야 합니다. 예를 들어, 이벤트 페이지 조회수 증가가 매출 증가를 의미하는 것이 아니라, 매력적인 이벤트가 두 지표에 동시에 영향을 준 것입니다.
• 목적에 맞지 않는 지표 선택: 프로젝트의 목적에 따라 적절한 지표를 선택해야 합니다. 예를 들어, CTA 버튼 개선 프로젝트에서 유저 기준 전환율 대신 이벤트 기준 전환율을 사용하는 것이 목적에 더 부합할 수 있습니다.

[아티클 요약] 

• 데이터를 잘못 해석하는 다양한 상황과 이를 방지하는 방법에 대해 설명하며, 더 정확한 데이터 분석과 해석을 촉구. 칼 세이건의 세이건 표준을 참고하여 충분한 근거를 확보하는 것의 중요성도 강조

 

[250220] 선정 아티클 : 데이터 리터러시를 올리는 방법

데이터 리터러시(Data Literacy)를 올리는 방법 | 요즘IT

개인 요약

[주제]

• 구성원들이 데이터를 바라보는 올바른 관점을 만드는 게 가장 중요했고, 이 관점을 유지·강화하기 위한 환경이 필요

[아티클 요약]

• 데이터 리터러시: 데이터를 활용해 문제를 해결하는 능력을 강조합니다. 데이터를 잘 활용하려면 문제 정의, 솔루션, 측정 지표가 명확해야 합니다.
• 데이터/실험 기반 사고방식: 모든 업무가 데이터와 실험 기반으로 이루어지도록 실험 프로세스를 도입했습니다. 문제 정의, 관련 OKR, 측정 지표, 가설 검증 기준 등을 작성하여 문제 해결을 체계화합니다.
• 분석 환경 구축: 인풋 지표와 아웃풋 지표 간의 관계를 도식화한 데이터맵과, KPI 대시보드에서 중요한 지표 변동을 쉽게 파악할 수 있도록 설계한 분석 대시보드를 활용해 분석 환경을 구축했습니다.
• 분석가의 역할: 데이터 분석가는 단순한 데이터 추출과 분석을 넘어서 문제 정의, 원인 분석, 액션 아이템 도출까지 책임지며, 협업팀의 성공을 위해 활동합니다.
• 데이터 플랫폼: 데이터 레이크, 데이터 웨어하우스, 데이터 카탈로그를 구축해 분석가뿐만 아니라 구성원들도 빠르게 데이터를 분석할 수 있도록 지원합니다.
  • 많은 구성원이 빠르게 분석할 수 있으려면 데이터를 빠르게 준비해 사용할 수 있는 구조 필요
    • 모든 원천데이터가 적재되어있는 데이터 레이크
    • 신속하게 정확한 데이터를 추출할 수 있도록 구조화된 데이터 웨어하우스
    • 데이터 레이크/웨어하우스 내에 어떤 데이터가 있는지 쉽게 확인할 수 있도록 만들어주는 데이터 카탈로그

[인사이트]

• 데이터를 분석하는데에 따라 사용도가 달라질텐데 이렇게 분석하는 팀들이 잘 분석하는게 굉장히 중요하다는 생각이 들었고, 협업팀과의 의사소통도 중요하다는 것을 깨달았다.