빅데이터 시대, 성과를 이끌어 내는 데이터 문해력

그래프와 도표만 바라보는 당신에게

카시와기 요시키 지음 | 강모희 옮김

프리렉 2022년 04월 20일 출간 종이책 : 2021년 03월 05일 출간

작품소개

책소개

"앞으로의 시대에 꼭 필요한 당신의 데이터 문해력"
왜 분석 방법이 아니라 활용 능력이 필요한가?

나완 상관없을 것 같았던 인공지능부터 시작해 데이터와 관련된 수많은 이야기가 주변에서 쏟아져 나옵니다. 모르면 뒤처지지 않을까? 하는 걱정부터 앞섭니다. 데이터 활용 능력은 지금보다 앞으로가 더 중요해질 것입니다.
통계나 분석학과 같은 학문부터 파이썬, R과 같은 프로그래밍까지, 이러한 지식이나 기술을 모른다면 정말 아무것도 할 수 없을까요? 이미 기계가 압도적으로 잘하는 일이 많은 세상입니다. 하지만, 기계가 할 수 있는 것과 할 수 없는 것이 있습니다.

오늘 처음 만난 상대에게 광범위하고 객관적인 주장을 합리적으로 전달할 수 있는 효과적인 도구가 바로 데이터입니다. 절대적인 정답이 존재하지 않을 때, 당신은 어떻게 자신이 생각하는 바를 상대에게 전달하고 이해시킬 수 있을까요? 데이터에서 찾아낸 인사이트를 자신의 결론으로 이끄는 이야기로 만드는 능력이 바로 데이터 문해력입니다.
목적과 문제를 올바른 데이터와 연결해서 가치 있는 결론을 낼 수 있도록 하는 사고방식과 기술을 안내합니다.

목차

들어가며
1장 앞으로 필요한 건 데이터 문해력: 분석보다 활용
_1.1 기계가 할 일과 사람이 할 일
__기계가 압도적으로 잘하는 일이 훨씬 많은 세상에서
__중요한 것은 앞으로 자신에게 필요한 기술이 무엇인지 아는 것
__가치 있는 결과를 도출하기 위해서
_1.2 통계를 배워도 왜 활용하지 못하나?
__가치 있는 기술이란
__반드시 습득해야 하는 기술이 무엇인지 다시 확인한다
_1.3 데이터를 먼저 보지 마라 - 데이터 안에 답은 없다
__‘데이터 활용을 못 하는’ 사람들의 공통적인 과제, 문제점
__미래에 정말 필요한 지식이란?
__이 책에서 전하고자 하는 메시지
2장 올바른 데이터로 올바른 문제를 풀고 있는가? ~목적 사고력: 목적에 맞게 문제와 데이터를 연결하기~
_2.1 데이터 활용에 실패하는 두 가지 이유!
_2.2 주요 원인 1: 풀고자 하는 문제가 명확하지 않다 (Are you solving the right problem?)
__가장 먼저 해야 하는 작업은 ‘목적과 문제에 대한 정의’
__포인트 1: 사용된 언어가 구체적이고 명확한가?
__포인트 2: ‘문제’, ‘원인’, ‘해결 방안’을 구분하고 있는가?
__‘문제 정의’에 대한 사례
_2.3 주요 원인 2: 정의한 문제와 사용하는 데이터가 일치하지 않는다 (Are you using the right data?)
__‘지표 불일치’ 문제: 와키마치 고등학교의 사례
__‘지표 불일치’ 문제: 요코하마 국립대학의 사례
_2.4 비즈니스 현장 사례 분석
__사외와 관계된 문제
__사내에 존재하는 문제
__지자체 및 행정과 관계된 문제
__더 나은 목적 · 문제를 정의하기
제3장 ‘이것이 문제다’ 데이터로 말하는 방법 ~현상 파악 및 평가력: 문제를 표현하는 힘~
_3.1 결과와 평가는 다르다
__가치있는 정보란 무엇인가?
__평가와 우선순위의 관계
_3.2 비교할 때는 관점이 중요하다
__결론이 데이터와 일치하는가?
__비교할 때 체크포인트
_3.3 비교의 기술
__평균을 사용한 흔한 분석 패턴
__추이와 변화를 본다
__편차를 고려한다
__평가 기준의 정리
_3.4 비교 사례 분석
__인구 문제를 다룬 경우
__고객 만족도를 다룬 경우
__노동 시간, 시간 외 근무 시간을 다룬 경우
__공영 시설 이용 현황을 다룬 경우
__비교 총정리
4장 결과가 나왔다고 끝난 것은 아니다 ~원인 파악력: 행동으로 이어지는 힘~
_4.1 최종 목표는 ‘행동과 판단’
__‘데이터 정리’로 끝내고 있지 않나요?
__해결 방안은 원인에 실행되어야 한다는 것을 알고 있나요?
_4.2 데이터에서 원인을 찾는 사고방식과 방법
__원인 후보를 이끌어 내는 방법과 지표를 특정하는 방식
__문제와 원인, 그 관련성 유무를 확인하는 방법
__산포도와 상관계수를 활용한 분석 사례
_4.3 알아두어야 할 주의 사항
__직접적인 관계인지, 간접적인 관계인지?
__원인은 한 가지가 아니라, 여럿이거나 복잡할 수도 있다
__선형이 아닌 관계성도 존재한다
__상관관계는 인과관계를 나타내는 것이 아니다
5장 기법에 집착하지 마라~전체 구성력: 스토리(논리)를 만드는 힘~
_5.1 자꾸만 늘어가는 ‘방법맨’이란
__문제 해결 프로세스 재확인
__문제 해결 프로세스에서 누구나 하는 실수
__결과와 유효성에 차이가 생기는 ‘원인’ 파악 유무
_5.2 방법맨이 돼버리는 구조 ~‘생각한다’의 두 가지 의미~
__프로세스를 잊어버리기 십상
__평가 기준이 애매하다?
__당신의 ‘생각한다’는 어느 쪽?
_5.3 ‘왜(원인)’ 그런지 끈질기게 생각하라
__‘원인’의 구조는 단순하게만 볼 수 없다
__얼마나 ‘왜?’를 반복하면 될까?
5.4 도전 문제!
6장 ‘결론은 이것이다’ 정보를 요약하라 ~정보 집약력: 정보를 수집하고 결론을 이끌어 내는 힘~
_6.1 결과와 결론은 다르다
__‘결과’와 ‘결론’의 차이: 목적을 이해하지 못하는 사례
_6.2 ‘결과’와 ‘결론’의 차이: 데이터를 너무 단순하게 이해한 사례
__그래프를 효과적으로 사용해 결론을 내린 사례
__그래프를 활용한 결론의 예
__그래프 그 자체로 결

출판사 서평

데이터 문해력(literacy)_데이터를 읽고 해석해서 활용하는 능력
분석보단 활용, 결과가 아닌 결론을,
데이터의 가치와 쓸모를 넓히는 아주 쉬운 활용 안내서

“데이터를 활용해 성과를 내고 싶다고 생각해서, 인터넷이나 주변에서 손에 잡히는 데이터를 긁어모아 그래프나 표 등으로 가공한 다음, ‘이걸로 대체 뭘 설명할 수 있을까’를 고민하기 마련이다. 그리고 한참 있다 정신 차려 보면 몇 개의 곡선 그래프나 막대 그래프, 평균치 표 등만 나열되어 있다.”
“도대체 이것으로 무슨 말을 해야 할까?”
“더 좋은 방법이 없을까……?
16P

데이터가 여러분에게 직접적인 답을 주는 경우는 없습니다. 설령 아무리 고난도의 통계와 분석 방법을 구사하더라도 말입니다. 대신, ‘당신이 무엇을 알고 싶은지, 이를 알게 되면 무엇을 하고 싶은지, 이를 위해서는 어떤 데이터(지표)가 필요한지'를 구체적으로 생각하는 것이 무엇보다도 중요합니다.
26P

이러한 생각 없이 우연히 눈에 띈 데이터를 모아 그래프로 그려 봤자, 의미 있는 결론이 나오길 기대할 수 없습니다. 거기서 알게 되는 사항은 어쩌다 나온 사소한 발견일 뿐입니다. 그 안에는 어떠한 논리성도 객관성도 없다는 것을 이전에도 설명한 바 있습니다.
42P

‘데이터를 활용했지만, 정보가 효과적으로 도출되지 않는다’, ‘데이터 분석을 능숙하게 할 수가 없다’라는 고민도 그 원인은 분석 방법이나 통계에 있는 것이 아니라 대체로 앞선 예와 같이 불충분하고 부적절하게 문제를 정의했기 때문에 발생합니다.
한편, 이는 비단 데이터 활용이나 분석에 국한된 이야기가 아닙니다. 일반적인 문제 해결이나 논리적 사고와 같이 데이터가 사용되지 않을 때에도 본질적으로 같습니다. 문제를 설정할 때, 다음과 같은 질문을 항상 자신에게 되물었으면 합니다. 나는 문제를 명확하게 정의해 풀고 있는가?
55P

데이터를 활용해서 결과물을 만들 때, 자기 생각과 주관을 전하면 안 됩니다. 더욱 엄밀하고 객관적으로, 논리적인 주장을 전달해서 상대방이 이해할 수 있도록 해야 합니다. 아무리 데이터 활용에 초보자일지라도 이 점은 절대 잊지 말아야 합니다.
88

당연한 말이지만, 결론을 심정적으로 정해놓고 데이터로 평가하려다 보면, 그 결론과 다른 결과가 나올 경우 결론 자체를 바꿔야 할 수도 있습니다. 만일 데이터를 결론에 억지로 짜 맞추게 되면 본말전도이기 때문에 더더욱 주의가 필요합니다.
89P

만일 여러분이 직접 지금까지 배운 내용을 실행에 옮기려고 할 때 어렵다 느껴지고 막혔다면, 다음과 같이 ‘단순하게’ 생각해보는 것이 어떨까요? 제가 항상 강의할 때 전하는 말입니다.
“당신이 현재 직면하고 있는 문제나 그 배경에 대해 전혀 모르는 제3자가 바로 앞에 있다고 상상하세요. 그 사람에게 당신이 다루는 문제를 데이터로 설명하려면 무슨 데이터를 어떻게 보여주면 좋을까요?”
129P

무엇이 원인인지 깊게 따져보는 것이 아니라 ‘아무것도 안 하는 것보다는 낫다’라는 식으로 아이디어를 제안하는 경우가 많습니다. 한정된 자원과 시간 속에서 ‘아무것도 안 하는 것보다 낫다’는 수준으로 대책을 세운다면, 사실 안 하는 것이 더 낫습니다. 효과적일 것이라 예상되는 방법을 객관적으로 검토해보고, 이에 집중해서 비용 대비 효과를 극대화하는 것이 가장 중요합니다.
138P

여기서 말하는 논리적 사고란, 개별 데이터와 분석에 대한 것이 아니라, 전체적인 스토리를 탄탄히 구성하고 결론의 설득력을 높이기 위한 사고력과 구성력을 말합니다. 이를 제대로 갖추지 않으면 아무리 고품질의 데이터를 대량으로 수집하고 완벽한 방법론으로 분석했다 해도, 상대방을 설득하기는 어려울 것입니다. 설득이 어려운 이유는 전체적으로 흐름과 논리성에 맞지 않기 때문입니다.
169P

만약, 맞든 안 맞든 상관없으니 참신한 아이디어만 내면 된다는 생각이라면, 애당초 데이터는 필요 없습니다.
필자는 이런 상황의 작업자를 ‘방법맨’이라고 부르고 있습니다. 세상 이곳저곳에는 '방법맨'투성이란 이야기를 하면 많은 분이 공감하십니다.
174P

결과와 결론에 이르는 과정은 본질적으로 같습니다. 결론이란 결과를 기반으로 도출하는 것이기 때문입니다. 하지만 표현 방식은 다릅니다. 그리고 그 작은 차이가 상대방에게 전달되는 방식이나 이해도에 큰 영향을 미칩니다. 이 차이를 이해하는 것 또한 데이터 문해력에 있어서 중요한 요소입니다.
195P

그 밖에도 인간이 정보를 수집할 때 일어날 수 있는 위험으로 ‘인지 편향’이라 불리는 몇 가지 선입견을 들 수 있습니다. 인간은 누구나 100% 객관적이고 합리적인 판단이 불가능하며, 여러 가지 편향적인 경향이 존재합니다.
의도와는 관계없이, 자신에게 더 유리한 정보에

작가정보

저자(글) 카시와기 요시키

저자 : 카시와기 요시키
Yoshiki Kashiwagi
게이오대학 이공학부 졸업 후, 히타치에서 해외 세일즈 엔지니어로 재직.
미국에서 MBA를 취득하고 닛산에서 해외 마케팅&영업부, 조직개발부, 비즈니스 개혁 매니저 등을 역임, 글로벌 조직에서 수많은 경영 과제를 해결하고 사내 개혁 프로젝트의 파일럿을 담당.
2014년에 데이터 분석 및 합리적 사고(로지컬 싱킹) 기반의 문제 해결 트레이너로서 독립했으며 풍부한 실무 경험과 실적에 기반한 실천적인 교육과 컨설팅이 가능한 유일한 강사로서 활동하고 있다.
일본 정부의 RESAS 전문 위원도 겸하고 있으며 농구부 코치이기도 한 두 아이의 아버지.

역자 : 강모희
연세대학교 신문방송학과 졸업 후, 일본 와세다 대학 국제정보통신연구과 공학석사 학위 취득.
삼성전자, LG유플러스 등, IT 기업에서의 근무를 거쳐, (주)아이티앤베이직을 공동 창업하고 일본 법인 IT&BASIC Japan의 대표로 재직 중.
KOTRA 글로벌 지역전문가로서도 활동하며, 정보통신산업진흥원, 한국무역협회 등에서 일본 사업 노하우에 대한 강연을 진행하는 등, 일본 비즈니스 전문가로 다방면에 걸쳐 활약 중이다.

번역 강모희