데이터안에 답이 있다?
데이터 안에 답이 있다고 종종 말하지만, 실제로는 데이터 속에서 답을 찾아내어야 한다. 단순한 그래프나 차트는 자체적으로 말을 하지 않으며, 직접적인 답을 주는 경우는 드물다. 데이터의 해석은 보는 사람에 따라 다를 수 있으며, 어떻게 해석하느냐에 따라 그 답도 달라진다. 데이터는 의사결정을 돕기 위한 도구일 뿐, 절대적인 진리를 제공하는 것은 아니다. '리스크 관리(Risk Management)'의 관점에서 볼 때, 데이터는 선택의 '불확실성'을 줄이기 위해 활용된다. 즉, 데이터는 가능성을 탐색하고 위험을 관리하는 데에 유용하지만, 모든 답을 제공하는 것은 아니다.
데이터에 기반한 의사 결정은 항상 좋은 선택이다
데이터 기반한 의사결정을 Local Optima(그 당시의 최적)이고 Global Optimum(진리의 최적점)은 아님
데이터로 도출되는 정답은 하나다?
데이터로 도출되는 정답이 하나라고 생각하기 쉽지만, 실제로는 제일 적합한 해답을 찾기 위한 논리적인 사고 방식이다. 문제 해결 방식에는 다양한 접근이 가능하며, 여러 관점을 고려하여 결정을 내리는 것이 중요하다. 때로는 단 하나의 방법에 집중하기보다는 병렬적으로 여러 가지 방법을 시도할 수도 있다. 이는 데이터를 통해 다양한 가능성을 탐색하고, 여러 해결책 중 최적의 방안을 선택하는 과정을 의미한다
데이터 분석은 데이터팀이 해야지?
일반적으로 데이터 분석은 데이터팀이 담당해야 한다고 생각하기 쉽지만, 이는 전체적인 관점에서 보면 다소 한정적인 생각이다. 분명히 데이터팀은 데이터 분석 방법론에 대해 더 익숙하다. 그러나 제품이나 기능에 대한 깊은 이해는 데이터 분석가보다는 제품 관리자(PM)나 디자이너가 더 잘 할 수 있다. 따라서, 데이터 기반으로 협업하는 것이 중요하며, 데이터팀만의 역할이 아니라 다양한 부서가 함께 참여해야 한다. 지표 설정에 있어서도, '이건 데이터 분석가의 역할이 아니야?'라고 생각하기보다는 PM이 먼저 자신의 관점에서 지표를 생각하고, 그 의도를 공유하여 서로 피드백을 주고받으며 더 나은 방향으로 나아가는 것이 바람직하다. 따라서, 모든 직무에서 데이터를 활용할 수 있는 능력을 갖추어야 한다
“Data Driven” does not men Data Person does everything, Everyone uses data
내 데이터, 가설이 틀릴 수 있다.
자신의 데이터나 가설이 틀릴 수 있다는 가능성을 항상 염두에 두어야 한다. 이는 분석 과정에서 열린 마음으로 다양한 가능성을 흡수하고, 여러 시각에서 접근하는 데 필수적이다. 중요한 것은 '나'의 생각이나 가설에 집중하는 것이 아니라, 제품을 더 많이 사용하게 만드는 것과 같은 성공적인 결과를 이루는 데 집중해야 한다. 이 과정에서 자신의 데이터나 가설이 틀렸다는 것을 인정하는 것은 부끄러운 일이 아니라, 오히려 더 나은 결론에 도달하기 위한 중요한 단계라고 볼 수 있다
[인프런]PM을 위한 데이터 리터러시(프로덕트 데이터 분석) 강의 참고
Share article
