Life/Books

[서평] 공식을 넘어서는 데이터 마인드셋 - 실무자를 위한 데이터 분석 실전 워크북(윤다영, 조선미 저 / 비제이퍼블릭)

Woomii 2023. 12. 25. 00:44
728x90
반응형

 

 

도서 정보

기본 정보

저자 윤다영, 조선미
출판사 비제이퍼블릭 
쪽수/판형 240쪽 / 148*210mm (A5) / 312g
독서기간 2023년 12월
매체 단행본

 
 

저자 소개

윤다영
서강대학교 커뮤니케이션학, 경영학을 최우등으로 졸업하고 현재 IT 업계에서 프로덕트 매니저로 일하고 있다. 결제와 물류 등 여러 도메인에서 고객을 감동시키는 서비스와 비즈니스 가치를 창출하기 위해 다양한 데이터를 다루고 있다. ‘데이터 마인드셋’이 있다면 누구나 데이터로 임팩트를 만들 수 있다고 생각한다. 2022년 TEDx 강연자로 <MZ세대가 행복하게 일하는 법, 몰입의 힘> 등에 대해 강연했다. 앞으로도 즐겁게 일하고, 폭넓게 배우며 삶을 경험하고 성장할 예정이다.

 
조선미
서강대학교 커뮤니케이션학과 소프트웨어학을 수석 졸업한 뒤, IT 서비스 기획자를 거쳐 데이터 사이언티스트가 되었다. 데이터를 깊이 있게 파고들어 인사이트를 찾는 과정이 즐거워서 업으로 삼고 있다. 서비스 사이드에 있던 경험을 양분 삼아 비즈니스 관점에서 데이터 활용 전략을 세우고 있다. 지식과 경험의 공유를 위해 다양한 개인과 기업을 대상으로 강사로도 활동하고 있다. 새롭고 도전적인 시도를 멈추지 않고 싶은 프로 열정러이다.

 

책 속 문장들

 

측정할 수 없다면 관리할 수도 없으며 개선할 수도 없다 - 피터 드러커

데이터 마인드셋 : 데이터 기반으로 올바른 비즈니스 문제를 정의하고, 데이터로 검출 가능한 제품을 기획하며, 측정과 회고를 통해 성장하는 종합적인 사고방식 - 본 도서 중

 

감상 및 주요 내용

이 책을 접한 계기

저는 이 책을 물론 인스타그램 서평단 이벤트 때문이었지만, 저 또한 데이터 분석 분야에 몸담고 있다 보니 항상 데이터 분석을 어떻게 하면 더 잘할 수 있을지 늘 고민하고 있는데요.

코드를 실행할 줄 아는 것과 분석을 잘하는 것은 전혀 다른 문제니 까요. 저도 늘 그런 생각을 가지고 있던 차에 그러던 중 본 도서의 소개글이 눈에 들어왔어요. 그렇기 때문에 서평단에도 신청하게 되었고, 좋은 기회가 되어 책을 접할 수 있게 되었습니다.

모든 직장인이 데이터 활용 능력을 필요로 하는 시대, 이를 알려준다는 책과 강의가 넘쳐납니다. 그런데 과연 몇 시간 동안 파이썬 코드 몇 줄을 실행해 본다고 해서 데이터 분석을 잘할 수 있게 되는 걸까요?
데이터를 잘 활용하기 위해 분석 프로그램이나 통계 지식을 익히는 것, 혹은 학위를 취득하는 것으로는 충분하지 않습니다. 다년간 데이터 기반으로 일하며 실무의 중심에 서 있는 프로덕트 매니저, 그리고 데이터 사이언티스트가 ‘이런 거 한 번에 정리된 책 하나 있으면 좋을 것 같은데.’라고 생각했던 것을 실전 노하우와 함께 엮었습니다. 이 책은 비전공자와 비전문가를 위해 데이터 분석의 6단계를 차근차근 안내하는 실용적인 분석 기본서입니다. 또한 언제든 꺼내어 찾아볼 수 있도록 비전공자를 위한 데이터 용어 백서와 SQL, 통계 기초 개념 별책부록을 구성하였습니다.

 

 

[Point 1] 핵심 지표 정하기 : 지표를 통해 무엇을 바꿀 수 있을까?

데이터 분석 프로젝트 & 분석 기반 의사 결정을 위해서는 핵심 지표를 정의하는 것이 중요한데요. 우리가 모든 일을 하기에 앞서 목표를 정하고, 목표를 달성하기 위한 계획들을 

 

 

 

그렇다면 수많은 지표들 중 어떤 지표를 먼저 보아야 할까요? 사공이 많으면 배가 산으로 간다는 말이 있듯이 이미 우리 주변에는 너무나도 많은 데이터들이 쌓여있고, 따라서 이를 통해 찾을 수 있는 지표들 또한 너무나 많은 것이 현실입니다. 이럴 때는 데이터나 지표 자체에 집중하는 것이 아니라 지표를 통해 '비즈니스에 어떻게 적용하고, 비즈니스를 어떻게 바꿀 수 있을까?' 라는 기본으로 돌아가서 이런 목표에 부합하지 않는 지표는 과감하게 버리는 것이 필요할 것 같습니다.

 

 

 

[Point 2] 데이터 분석 프레임 워크 6단계 : 준비하고, 고민하고 시작해도 늦지 않습니다

이 책에서는 실적 데이터 분석에 활용할 수 있는 6단계의 프레임워크를 제안하고 있는데요. 순서는 다음과 같습니다. 각각의 단계에서 유념해야 할 부분들은 도서를 참고하시면 더 좋을 것 같아요!

 

1. 분석 가능 사내 데이터 파악
2. 핵심 지표 정의
3. 적절한 분석 주기 정의
4. 비교 기준 정의
5. 데이터 추출
6. 데이터 분석 및 인사이트 활용

 

 

 

 

제가 본문을 읽으면서 느꼈던 점은 크게 2가지 인데요. 첫 번째는, 포인트 3에서 언급했던 기존의 CRISP-DM 방법론의 앞단이 비즈니스와/데이터 이해에서부터 시작하는 부분인데 여기서 말하는 1단계 데이터 파악과 2단계 핵심 지표 정의에 들어맞는 느낌이 들었습니다.

두 번째는, 전체 6가지 단계 중 사실 우리가 일반적으로 생각하는 프로그래밍 언어나, 데이터 분석 SW를 이용한 데이터 분석은 5단계 혹은 6단계로 전체에서 적은 부분만을 차지한다는 것입니다.

 

그렇기 떄문에 가장 중요한 부분은 데이터를 받자마자 무턱대고 모델링을 시작하기보다는 먼저 시스템에서 활용 가능한 데이터들을 꼼꼼히 살펴보고, 어떤 문제를 해결하고자 하는지, 결과는 어떻게 평가할 수 있을지 지표를 잘 세우고 난다면 사실 모델링을 수행하거나, 결론을 도출하는 부분은 다양한 도구나 심지어 최근 급속도로 발전한 생성형 AI를 이용한다면 빠른 속도로 수행할 수 있기 때문입니다.

 

 

[Point 3] 데이터 마인드셋 : 데이터 분석은 결론이 아니라 하나의 과정

이 책의 제목이기도 한 데이터 마인드셋은 '데이터 기반으로 올바른 비즈니스 문제를 정의하고, 데이터로 검출 가능한 제품을 기획하며, 측정과 회고를 통해 성장하는 종합적인 사고방식'을 의미하는데요.

 

데이터 분석 프로젝트에서 가장 중요한 것은 데이터 분석이 하나의 결론을 내기 위한 활동이 아니라 지속적인 개선을 반복하는 과정이라는 점을 잊지 말아야 한다는 것입니다. 
 

 

 

기존에 데이터 분석 방법론으로 너무나도 많이 언급되는 CRISP-DM 방법론 또한 순차적으로 진행되는 것이 아닌, 앞/뒷 단계를 넘나들고, 전체 사이클을 필요하다면 반복해서 실행하는 활동을 통해 분석을 수행하는 개념입니다. 결국은 본 도서에서 언급하는 데이터 마인드셋의 내용과도 일치하는 내용인 것이죠.

 

CRISP-DM : 비즈니스의 이해를 바탕으로 데이터 분석 목적의 6단계로 진행되는 데이터마이닝 방법론

 

CRISP-DM 방법론 순서도

 

https://www.cisp.or.kr/archives/22437

 

데이터마이닝(Data Mining) 수행 방법론

1. 주요 데이터마이닝 방법론, CRISP-DM, SEMMA, KDD데이터에 숨은 가치를 찾기 위해 많은 조직에서 빅데이터 기술을 접목하고, 가치를 활용하려는 시도를 하고 있습니다.데이터마이닝방법론은 데이

www.cisp.or.kr

 

 

[Point 4] '좋은 데이터 분석'이라는 결과를 얻기 위한 '좋은 질문'

본 도서에서 언급하는 실패하는 프로젝트는 아래와 같은 원인을 가지고 있는데요.

  • 탁상공론식 분석 : 프로젝트 실무 배경에 대한 이해가 없는 경우
  • 목적 없이 막연한 분석 : 명확한 비즈니스 목적 없이 분석을 시작하는 경우
  • 비즈니스 임팩트를 만들지 못하는 분석 : 인사이트가 없어 현업에 적용이 어려운 경우

그렇다면 데이터 분석 프로젝트를 성공으로 이끌기 위해서는 어떻게 해야할까요? 앞에서 정리한 것과 같이 좋은 지표를 설정하는 것도 중요하지만, 좋은 질문을 던지는 것 또한 중요합니다. 최근 생성형 AI 열풍에서도 같은 내용을 질문하더라도 생성형 AI가 내놓는 답의 퀄리티나 내용이 천차만별이 되는 것처럼 데이터 분석 프로젝트 또한 좋은 질문을 던져야지만 실제 현장에 적용가능한 좋은 답변을 얻을 수 있다는. 것입니다.

 

점점 사회나 기술이 복잡해지고, 회사에서도 현업 전문가와, 데이터 분석가, 기획자 등과 같이 다양한 부서의 관계자들이 협업을 하기 때문에 비즈니스 맥락을 전혀 알지 못하는 분석가가 분석하게 되는 내용은 그 결과를 적용할 수 없을 만큼 도움이 되지 않을 수도 있다는 점이죠. 그러므로 이 책에서도 강조하는 부분은 현업 실무자와(아래 이미지 좌측 하단에 '협업 실무자'라는 문장은 오타인것 같기도 하더라고요?) 데이터 분석가 간 유기적인 소통과 협력이 중요하다는 것입니다.

 

저도 과거 프로젝트들을 돌아보고, 고민해 보았을 때 잘 되었던 과제와 힘들었던 과제의 특성을 생각해 보면 현업과 어떻게 협업하는지가 가장 KEY가 되었던 것 같습니다. 따라서 분석 과제를 수행하는 모든 구성원이 이런 부분을 유념하고, 실패하는 프로젝트와 같이 흘러가지 않도록 노력해야겠다는 생각이 들었습니다.

 

실패한 프로젝트의 원인 / 좋은 데이터 분석이란?

총평

추천/비추천 대상

  • 추천 대상
    • 데이터 분석 스킬 자체보다는 데이터 분석에 필요한 마인드를 기르고 싶은 모든 분들
    • 마케팅 분야나 개인 고객을 대상으로 하는 B2C 비즈니스에서 업무를 수행하는 분들 중 데이터를 활용해 업무를 개선하고 싶은 모든 분들께 추천합니다!
    • 데이터 분석고 문제 해결을 위한 논리적 사고의 틀을 확립해나가고 싶으신 분들
  • 비추천 대상
    • 데이터 분석을 위한 수학적 지식이나, 컴퓨터/프로그래밍 지식을 기대하고 보신다면 책에서도 언급하고 있지만 그러한 통계 지식이나 하드스킬보다는 소프트스킬에 중점을 둔 책이다 보니 아쉬우실 수도 : 하지만, 하드 스킬 적인 부분은 시중에 이미 대부분의 책들과 유튜브 영상 등이 있고, 기술이나 도구적인 부분은 요즘 널리 쓰이는 챗GPT를 통해 더 많은 것들을 얻어가실 수 있으실 거예요!
    • 해결하고자 하는 문제에 대한 깊은 고민 없이 데이터 분석이라는 도구가 도깨비방망이처럼 뚝-딱 하고 엄청난 성과와 인사이트를 가져다줄 것이라고 생각하시는 분들!

 

마치며

사실 이 책에서 엄청난 데이터 분석의 비기나 비법을 단시간에 얻어가실수는 없을 것입니다. 세상 모든 책들이 다 그렇겠지요. 하지만, 제가 이 책을 통해 얻어간 부분들은 바로 어렴풋이만 생각하고 있던 개념이나 명제들을 명쾌하게 짚고 넘어가고 있다는 점입니다.

물론 저자들께서 몸담고 계신 산업 분야가 제조업이나 IT 분야가 아니기 때문에 책에서 언급되는 사레나 지표들이 마케팅, 앱 서비스 쪽에 치우친 부분들이 아쉽기는 하지만, 사실 이 책에서 제시하는 프레임워크를 각 회사로 돌아가서 잘 적용하신다면 우리 모두가 데이터 마인드셋을 가진 인재로 성장할 수 있을 것이라고 생각합니다!

 
  

목차

이 책의 목차는 다음과 같은데요, 특히 인상 깊었던 부분은 3장 '핵심 지표'를 다루는 부분에서 실제 프로젝트에서 사용할 수 있는 정말 수많은 지표들을 상당한 지면을 할애해 설명하고 있기 때문에 쓱 읽어보시고, 해당하는 업무를 수핼할 때마다 펼쳐보시면 좋을 것 같다는 생각이 들었습니다. 저도 알지 못했던 지표나 방법론들이 너무 많아서 앞으로도 틈틈히 참고하기 좋겠습니다.

 

더보기
Chapter 1. 누구나 데이터를 분석하는 시대
1.1 데이터 분석가의 미래
1.2 우리 회사에는 어떤 데이터 분석이 필요할까?
1.3 데이터 분석을 활용하는 실무 사례
1.4 데이터 직군의 분류
1.5 비(非)데이터 직군의 데이터 분석
1.6 모두에게 데이터가 필요한 이유

Chapter 2. 공식이 아닌 관점을 탑재하라
2.1 데이터 분석에 통계 지식도, 하드 스킬도 중요하지 않은 이유
2.2 데이터 분석의 시작
2.3 데이터 분석으로 해결하고 싶은 비즈니스 문제 정의하기
2.4 데이터 마인드셋으로 가는 길

Chapter 3. 핵심 지표에 주목하라
3.1 내 손으로 괴물을 만들어버렸다!
3.2 좋은 지표란?
3.3 데이터 핵심 용어 백서 개념 백과사전
3.4 행동으로 이어질 수 없는 데이터는 쓰레기다
3.5 ‘수많은 지표’의 역설

Chapter 4. 실전 데이터 분석 6단계
4.1 획득 가능한 데이터 확인하기
4.2 가장 중요한 지표 정의하기: 북극성 지표, OMTM
4.3 진짜 지표를 찾아라
4.4 가장 적절한 데이터 주기 정의하기
4.5 비교 기준 정의하기
4.6 데이터 추출하기: 왜 SQL을 알아야 할까?
4.7 데이터를 분석하는 여러 프레임워크
4.8 회고하며 개선하기
4.9 데이터는 정직해야 한다
4.10 이제 성장이 시작된다

Chapter 5. 데이터 직군과 협업하는 방법
5.1 대표적인 3가지 데이터 직군: 데이터 분석가, 사이언티스트, 엔지니어
5.2 데이터 조직이 협업하는 방식
5.3 내가 요청한 업무는 어디로 갈까?
5.4 데이터 팀과 효율적으로 일하는 방법
5.5 데이터 직군과 점점 더 많이, 자주 일하게 될 미래

별책부록
1. 비전공자를 위한 SQL 기초
2. 비전공자를 위한 통계 기초

맺음말

 
 

참고

공식을 넘어서는 데이터 마인드셋 - 예스 24 (yes24.com)
공식을 넘어서는 데이터 마인드셋 | 윤다영 - 교보문고 (kyobobook.co.kr)
알라딘: 공식을 넘어서는 데이터 마인드셋 (aladin.co.kr)

본 리뷰는 출판사(비제이퍼블릭)로부터 서평단 체험에 선정되어 도서를 제공받아 작성된 리뷰입니다

 
 
 

반응형