요즘 스타트업 그리고 최근까지 스타트업이었던 많은 회사들이 Data driven이라는 말을 홍보기사나 채용공고에 자주 담는 것을 느끼고 있습니다. 특히 이런 내용이 데이터분석가 채용공고가 아닌 PM, 기획자, 디자이너 공고에서도 볼 수 있다는 점에서 데이터의 중요성은 나날이 강조되는 것 같습니다.
그런데 Data driven으로 일한다는 게 한편으로는 굉장히 모호했습니다. Data로 비즈니스 가치를 만들어내는 방법은 다양한데 그 중 어떤 방식이 Data driven인지 헷갈렸고 Amplitude에서 제공한 아티클을 접했습니다. 이번 글은 해당 아티클을 요약 정리하면서 제 의견을 약간 첨언하였습니다.
데이터를 활용하는 3가지 방법
프로덕트를 위해 데이터 접근방식은 3가지가 있습니다. Data-driven, data-informed, data-inspired인데요 한글로 표현하면 좀 어색하지만 데이터 주도적인, 데이터로 정보를 얻는, 데이터로 영감을 받는 정도로 표현되겠네요. PM, 기획자, 디자이너와 협업할 때 지금 데이터를 어떻게 활용해야 하는 상황인지 파악하고 그에 맞게 일해야 협업이 잘 진행될 것 같습니다.
Data-driven
Data-driven이란 결정을 잘 내렸는지 판단해 줄 수 있는 정확한 데이터를 가지고 있음을 의미
Data-driven 접근방식은 데이터에 대한 가장 경직된 관점으로 다음과 같은 준비가 되어있어야 합니다.
- 실제로 데이터를 얻는 시점 이전에 측정 계획을 다 세운 상황
- 재현 가능할만큼 안정적임을 보증해주는 사전에 결정된 샘플 사이즈
- 통계적 방법론에 대한 이해가 있는 팀 구성원의 참여 필요
Data-driven 한계점
Data-driven 접근방식에 사용되는 데이터는 특정 문제에 대한 답만 주기 때문에 같은 데이터로 다른 인사이트를 이끌어내기는 어려움 (1차원적)
Data-informed
Data-informed란 팀이 KPI의 퍼포먼스나 이탈율, 유저의 사용경로 등에 대해 이해하고 있음을 의미
Data-informed 접근방식일 때 수치의 변화를 보고 왜 이런 일이 발생했을지 원인을 파악할 수 있어야 함
- 예) “카카오 주가가 떨어진 것은 정부의 플랫폼 규제 가능성 때문이다”
- 이것에 대해 데이터로 검증하기는 어렵지만 팀 참가자들이 상황에 대한 이해를 바탕으로 데이터의 변화를 해석할 수 있는 상황
Data-informed로 일해야 하는 상황
- 프로덕트의 변화나 최적화를 위해 전략을 구상할 때
- 백로그의 우선순위를 정할 때
Data-informed 한계점
Data-driven과 달리 무엇을 해야할지 명확히 알려주지 않음
구성원들이 왜 수치에 변화가 있었을지 각자 가설을 가지고 가설에 의한 해석에 기반해 다음 전략을 준비해야 함
Data-inspired
Data-inspired란 결과에 대한 요구사항이나 기대 없이 탐색적인 성격의 작업을 의미
이미 발생한 관측 데이터를 활용해 과거에 어떤 일이 있었고 같은 트렌드가 이어질 때 미래에 어떻게 될지 예상할 수 있음 (새로운 것에 적용 불가)
다양한 관련 없어 보이는 데이터 소스로부터 영감을 얻어 어려운 문제를 풀 수 있음
Data-inspired로 일해야 하는 상황
- 프로덕트의 새로운 방향성을 수립하는 전략 단계
- 디자인띵킹
Data-inspired 한계점
구체적이지 않고 가짜 상관관계가 많이 나타날 수 있음
Data-inspired 자체로 강한 결론을 내리기보다는 생각지 못했던 것을 생각하게 하는 방법으로 봐야 함
당신이 지금 일에 사용할 관점은?
우선 어느 한 접근방식만으로 일 할 수는 없고, 우열이 있지도 않습니다. 상황에 맞게 접근방식을 선택하고 그에 맞는 업무진행이 필요합니다.
Data-driven 이 포켓몬으로 선택하겠나?
계획과 맞춤형 실행을 준비하자
Data-informed 이 포켓몬으로 선택하겠나?
팀에 과거 실행 전략들과 평가 지표를 확실히 공유하여 최적화하자
Data-inspired 이 포켓몬으로 선택하겠나?
원하는 결과를 못 얻을 수도 있다는 걸 인정하자 (하지만 놀랄만한 뭔가를 발견할 수도 있다!)
후기
Data-driven이라는 표현을 쓰는 회사 중 많은 회사가 실험을 많이 하는 회사였다는 생각이 이 글을 읽고나서 들었습니다. 이 글의 Data-driven이라는 표현은 실험을 포함한 좀 더 포괄적인 의미로 이해해도 될 것 같습니다. 요즘 실험의 중요성에 대해 많이 생각하면서 실험은 무조건 최고다라는 생각을 했는데 Data-driven 접근방식의 한계점을 보면서 저런 어려움도 있겠구나라는 생각도 하게 됐습니다.
Data-informed는 대시보드를 쓰는 상황을 생각하면 좋을 것 같은데 팀 내 원활한 소통과 얼라인먼트를 위해 필수적인 것이 이런 업무가 아닌가 싶습니다.
한편으로는 Data-inspired가 많은 데이터 분석가가 분석가로 진로를 정하게 된 계기일 것 같은데 Data-driven과는 조금 다른 노선이라는 것도 재미있었습니다. 데이터분석가의 비즈니스 임팩트에 대해서도 이 관점에서 고민하게 되었습니다.
Amplitude를 사용하시는 분들은 각 방법마다 관련된 Amplitude의 툴도 추천해주니 원문을 보시는 것도 추천드립니다.