데이터 리터러시(Data Literacy)를 올리는 방법

1. 오늘의 아티클

데이터 리터러시(Data Literacy)를 올리는 방법 ┃화해 블로그

https://blog.hwahae.co.kr/all/tech/tech-tech/9757

화해팀이 조직 내 데이터 활용력을 높이기 위해 시도했던 방법 중 가장 좋았던 사례를 소개한다.

2. 정보 요약

1) 데이터 리터러시란? 

데이터 리터러시는 데이터를 활용해 문제를 해결할 수 있는 능력이다. 이는 데이터를 활용해 문제를 잘 정의하는 능력과 결부돼 있다. 데이터를 잘 활용하는 조직이 되려면 ① 데이터/실험 기반 사고 방식이 자리 잡혀야 하고 ② 분석 흐름대로 데이터를 탐색할 수 있는 환경이 필요하고 ③ 이 과정을 도와주는 데이터 분석가와 플랫폼이 필요하다.

 

2) 데이터/실험 기반 사고 방식

- 실험 프로세스/실험 보드

조직 내 데이터/실험 기반 사고 방식 구축을 위해 모든 업무가 데이터와 실험 기반으로 이루어지도록 '실험 프로세스'를 도입했다. 각 구성원이 업무 시 문제 해결을 위한 실험을 시도하고, 실행 전 하기 내용을 작성하도록 안내했다.

• 해결하려는 문제 ➡️ 문제 정의
• 관련 OKR ➡️ 전사 목표와 align 되어있는지
• 측정 지표 ➡️ 문제와 지표가 align 되어있는지, 측정 가능한 것인지
• 가설 검증 기준 ➡️ 성공 여부를 어떻게 판단할 것인지
• 검증 후 변화될 액션 ➡️ 의미없는 액션을 하는게 아닌지
• 결과 ➡️ 검증 기준으로 결과가 나왔는지
• 학습한 점 ➡️ 어떤 학습을 했고, 다음 실험에는 어떻게 반영될 것인지

1년 가량의 온보딩과 학습을 통해 실험 프로세스가 성공적으로 도입되었다. 약 1년 6개월 동안 230개 실험이 완료되었고, 이로써 많은 구성원들이 [문제 정의 - 솔루션 - 측정 지표] 업무 프로세스에 익숙해졌다. 

 

3) 분석 흐름대로 데이터를 탐색할 수 있는 환경

- 데이터맵
각 구성원이 분석가 없이도 가장 중요한 지표에 집중해 문제를 잘 정의할 수 있도록 데이터 관계도를 제작·공유했다. 전사에서 다루는 중요한 인풋 지표와 아웃풋 지표 간의 관계를 도식화한 것이다. 관계도를 통해 각 구성원이 각자 해결해야 하는 문제가 어떤 지표와 연관되어있는지 빠르게 파악할 수 있도록 했다.

 

주요 지표에 집중해서 문제를 정의하고 해결할 수 있도록 인풋 지표는 ① 측정 가능하고 ② 직접 통제 가능해야 한다는 2가지 원칙도 설정했다.

- 대시보드
지표 간 관계의 이해를 넘어, 분석 흐름에 따라 지표의 현재 수준을 확인할 수 있도록 대시보드를 설계했다. 대시보드에서 최상위 문제를 발견하면, 각 지표와 관련된 하위 지표들이 구성된 분석 대시보드에서 문제의 원인을 짐작할 수 있다. 대시보드만 보면 지표의 변동과 원인 파악이 쉽고 빠르게 가능해진다.

4) 데이터 분석가와 플랫폼 
 - 데이터 분석가
데이터 분석가의 역할은 단순 데이터를 추출하고 분석 내용을 리포팅하는 것에 그치지 않는다. 문제를 정의하고 원인을 분석한 뒤, 액션 아이템까지 도출해 리포트를 제공받은 협업팀이 실행에 옮기도록 만들어야 한다. 이를 위해 채용 단계에서 구체적인 JD를 공지해 분석가 역할을 명확히 인지하도록 했다. 

 

Job Description

• 제품/비즈니스 성장을 위한 지표 설계 및 대시보드를 개발합니다.
• 제품/비즈니스 문제 해결을 위한 실험을 설계합니다.
• 핵심 지표 모니터링 및 지표 변동의 root cause를 분석합니다.
• 데이터 분석 결과를 바탕으로 실질적인 액션 아이템을 제안합니다.
• 데이터 기반 사고와 실험 활성화를 위한 전사적인 코칭 및 컨설팅 역할을 수행합니다.

또한 매 분기마다 우리가 기대하는 모습을 가장 중요한 OKR로 설정해 모든 분석가의 업무 방향성을 일치시켰다.

* KR(Key Result) : 분석가의 산출물로 협업팀/밴드 과제지표 및 전사지표의 성장 또는 중요 의사결정 견인(1인당 월 2회 달성)

- 데이터 플랫폼
많은 구성원들이 빠르게 데이터를 준비해 사용할 수 있는 구조도 필요하다. 그 중 가장 핵심은 아래 세 가지다.

• 모든 원천 데이터가 적재되어있는 데이터 레이크
• 신속하게 정확한 데이터를 추출해낼 수 있도록 구조화된 데이터 웨어하우스
• 데이터 레이크/웨어하우스 내에 어떤 데이터가 있는지 쉽게 확인할 수 있도록 만들어주는 데이터 카탈로그

데이터 웨어하우스와 카탈로그는 분석가들이 실질적인 분석 업무를 빠르게 수행할 수 있도록 도와준다. 데이터 웨어하우스를 통해 분석가의 업무 효율은 비약적으로 상승했고, 본질적인 분석 업무에 더 많은 시간을 할애할 수 있게 되었다. SQL을 알고 있는 구성원이라면 분석가 도움 없이도 쉽게 데이터 추출이 가능해졌다. 분석 파트에서 조직이 성장한 점을 리뷰할 때마다 데이터 웨어하우스 구축은 가장 손꼽히는 변화이자, 업무에 가장 큰 도움을 준 요소라고 회자된다. 

 

3. 인사이트

- 데이터 분석가에게 분석 업무 외에도 조직 내 데이터 리터러시를 높이는 사내 교육 업무가 주어질 수 있다. 

- 전사의 데이터 리터러시 향상은 궁극적으로 분석가 개인이 분석 업무에 집중할 수 있는 환경을 마련해줄 것이다. 

- 데이터맵(관계도)를 통해 불필요한 지표는 걷어내고 중요한 지표와 분석에 집중할 수 있다.