피 재승 
데이터 문해력을 의미하는 데이터 리터러시(Data Literacy)의 기초는 데이터를 보고 분석, 해석, 그리고 데이터에 질문을 할 수 있는 능력을 의미합니다. 올바른 문해력을 가졌을 때 데이터를 통해서 우리는 잠재 고객의 인사이트를 통한 액션, 시장의 트랜드 예측, 사회변화의 흐름을 볼 수 있게됩니다.
데이터 리터러시란?
데이터 리터러시란? 데이터를 읽고 이해하며, 문제를 바라보고 다양한 관점으로 분석하며 문제해결에 도달 할 수 있는 논리력을 말합니다.
점점 고도화 되어지는 기술 속에서 데이터를 이용해 한명의 직관으로 의사결정을 하지 않고 데이터 드리븐(Data-driven) 의사결정을하기 위해 데이터 리터러시 역량은 점점 더 중요해지고 있습니다. 데이터를 통해서 바르게 문제를 진단하고 트렌드와 유저와의 관계를 이해하며 문제 해결의 가설을 도출해 기업 혹은 사회 문제 해결을 위한 결론을 내리는데에 있어서 더 좋은 선택으로 실패확률을 줄이고, 성공확률을 높이는 액션의 근거를 바로 데이터 속에서 찾아내는 능력입니다.
데이터 리터러시가 중요한 이유 (필요성)
최근 수십년간 비즈니스와 사회에 거대한 혁신을 몰고 온 것은 데이터라고 해도 과언이 아닙니다. 데이터를 활용해서 기업들은 한 개인의 직관이 아닌 데이터드리븐 의사결정을 통해서 산업의 전략을 설정하고 성과를 향상시키며 경쟁사와의 경쟁에서 우월한 위치를 선점할 수 있는 경쟁력을 가질수도 있었습니다.
데이터 문해력을 의미하는 데이터 리터러시(Data Literacy)를 갖기위해서는 엄청난 전문성을 요구하지 않지만, 데이터 홍수의 시대와 무분별한 정보에 노출되어있는 의사결정자와 실무자들에게 점점 더 중요한 역량으로 여겨지고 있습니다.
검색광고를 진행하는 실무자의 입장에서는 전환수치와 검색광고의 인과관계를 찾기위해 데이터에 몰입하게 될 수 있으며, CRM 마케팅 실무자는 CRM 마케팅 액션과 전환 수치와의 인과관계를 찾기 위해 데이터와 숫자 혹은 시각화된 두개의 상승곡선 그래프에 몰입하게 될 수 있습니다. 데이터의 객관적인 분석력, 즉 데이터 리터러시의 역량을 갖지 못한다면 작은 숫자 혹은 대시보드의 그래프가 갖고있는 정확한 인과관계와 상관관계의 구분이 어려워지게 되어 올바른 문제를 볼 수 없거나 해결책을 기획 할 수 없게 됩니다.
데이터 에코시스템의 이해 (Data Ecosystem)
데이터 리터러시가 데이터를 읽고 그 안에 숨겨진 의미를 파악하는 데이터 해독 능력과 이를 전달하는 능력을 의미하고, 데이터를 읽는 방법 뿐 아니라 데이터 가공,분석,기획,시각화의 역량까지 포함한 포괄적인 의미를 갖고있습니다. 데이터의 에코시스템의 이해를 통해서 데이터 리터러시 역량을 위해서 어떻게 스킬들이 세분화되어있는지를 엿볼 수 있게됩니다.
데이터 에코시스템은 각 조직마다 고유한 에코시스템을 갖고있게됩니다. 하버드 비즈니스 스쿨에서는 각 8가지 액션이 가능한 단계로 에코시스템을 분류했고 그 8가지의 스텝을 이렇게 나누었습니다.
데이터 에코시스템 8단계
- Generation – 생성
- Collection – 수집
- Processing – 처리
- Storage – 보관
- Management – 관리
- Anaysis – 분석
- Visualization – 시각화
- Intepretation – 해석
데이터의 에코시스템이 저렇게 원형을 이루는 이유는 프로젝트를 통해 시작되는 데이터 생성이 과정을 거쳐 해석되어지고 마지막 스텝은 해석은 결과적으로 또 다른 프로젝트의 시작으로 이어지기 때문입니다. 새로운 목표와 새로운 배움을 통해서 즉, 데이터 드리븐 의사결정을 통해서 새롭게 일이 진행되어지는 무한 반복되는 사이클을 그리게됩니다.
데이터 리터러시 역량을 늘리는 법
(How to Improve Data Literacy Skills)
당장 한 개인의 논리력과 문해력이 단시간안에 비약적으로 상승할 수는 없는것 처럼 데이터 리터러시 역량이 한순간 완벽히 갖춰질 수 없지만, 평상시 혹은 업무를 대할 때 몇가지 자세와 태도를 통해서 데이터 리터러시 역량을 점차 늘려갈 수 있습니다.
1. 반대 관점으로 바라보기
반대의 관점을 갖는다는 것은 우리의 시각, 박혀있는 편견을 넘어 생각을 확장시켜줍니다. 또한 동료의 의견 가치있음을 보여줄 수 있습니다. 분석의 역량을 발전시키는 연습으로 가장 유용한 방법은 내가 내린 분석 데이터와 해석에 갖히지 않고 반대 관점으로 바라볼 수 있는 능력을 갖추는 것입니다. 하나의 데이터에 대한 다양한 해석은 또한 상관관계와 인과관계의 차이를 명확히 구분할 수 있도록 도와주기도합니다.
나의 가설에 의문을 갖고 동료와 다른 사람들에게 의견을 구해 다른 관점에서 볼 수 있는 능력을 키우는 것은 편협적인 분석에서 벗어날 수 있도록 역량을 발전시켜줍니다.
2. 게임하기 (두뇌를 자극하기)
일상속에서 데이터 리터러시의 역량을 기르기 위해서는 게임을 하거나, 퍼즐을 맞추거나, 시각화 된 관계를 여러 시각에서 다루는 스토리를 조합하거나 하는 게임을 하며 역량을 키울 수 있게됩니다. 알고있는 데이터를 조합하여 결론에 이르게하는 능력을 키울 수 있게되고 갖고 있는 데이터를 분석 할 수 있는 능력도 동시에 키울 수 있습니다. 뇌를 자극하는 퍼즐, 미스터리 소설, 스도쿠와 같이 분석의 마인드셋을 갖출 수 있게됩니다.
3. 데이터에 질문하는 자세
데이터에서 조금 더 많은 인사이트를 얻어내기 위해서는 질문하는 능력을 갖춰야합니다. 이런 질문들은 가진 문제 해결을 위해서 새로운 역량을 공부할 수 있도록 동기부여를 해줄 뿐만 아니라 최고의 해결책을 도출해내기 위한 과정이 되어줍니다. 데이터 질문의 예시들은 아래와 같습니다.
- 나는 데이터를 통해 어떤 것을 이해하고 싶은가?
- 의사결정을 위해 나는 어떤 것을 알아야 하는가?
- 이 데이터가 어떤 스토리를 이야기하고 있는가?
- 데이터와 기업간 어떤 관계와 의미들이 있는가?
- 현재 데이터 트렌드는 미래에 어떤 의미를 갖는가?
- 등등
이렇게 데이터에 대한 끝없이 질문하는 자세는 다양한 시각에서 문제를 정의하고 답을 정의하며 데이터가 가진 스토리를 읽어내는 데이터 리터러시 능력을 발전시킬 수 있습니다.
*이 글은 Harvard Business School 의 A Beginner’s Guide to Data & Analytics 문서를 참고하여 작성자의 의견을 덧붙여 작성되었습니다.
함께 읽으면 좋은 글
데이터 드리븐 마케팅의 정의와 데이터 드리븐 마케팅의 4가지 유형