데이터 리터러시

 

 

데이터 리터러시 (Data Literacy)

데이터 문해력 = 데이터를 ①읽고 ②이해하고 ③비판적으로 분석한 후  ④분석한 결과를 의사소통에 활용할 수 있는 능력

 

 

✅ 데이터를 '이해한다'?

데이터의 원천, 데이터 수집에 대한 이해

데이터의 다양한 활용법과 핵심 지표에 대한 이해

 

⛔ 여기서 잠깐 - 데이터 분석에 대한 대표적인 착각
"분석 방법론, 스킬이 부족해서 원하는 결과가 안 나오는 것 같아."
"데이터를 잘 가공했으니 유용한 정보를 얻을 수 있을 거야."

 

 

✅ 데이터 해석 오류 사례

사례 1️⃣ 심슨의 역설 (Simpson's Paradox)

'부분'에 성립한 대소 관계가 '전체'에 대해서 성립하지 않는 모순적인 경우

심슨의 역설 - 위키백과, 우리 모두의 백과사전

데이터의 세부 그룹별로 일정한 추세나 경향성이 나타나지만, 전체적으로 보면 그 추세가 사라지거나 반대 방향의 경향성을 나타내는 현상

 

 

사례 2️⃣ 시각화로 인한 왜곡

자료의 표현 방법에 따라서 해석의 오류가 생기는 경우

ⓒqz.com/122921/the-chart-tim-cook-doesnt-want-you-to-see

데이터 시각화 101: ③데이터 속 거짓말 발견하기 | 요즘IT

 

 

사례 3️⃣ 샘플링 편향 (Sampling Bias)

전체를 대표하지 못하는 편향된 샘플(모수) 선정으로 인해 오류가 생기는 경우

샘플링 편향이라는 문제

 

 

사례 4️⃣ 상관관계, 인과관계

• 상관관계: 각 변수들이 얼마나 상호의존적인지 파악
  (한 변수가 증가 → 다른 변수가 증/감 → 그 추이는?)
• 인과관계: 한 요인으로 인한 다른 요인의 수치가 변하는지 파악
  (원인 → 결과)

기획자가 알아야 할 데이터의 상관관계와 인과관계 | 요즘IT

 

 

✅ 데이터 분석 접근법

문제 및 가설 정의	➡️	데이터 분석	➡️	결과 해석 및 액션 도출
생각		작업		생각

 

 

 

---

 

 

문제 정의

분석하려는 특정 상황이나 현상에 대한 명확하고 구체적인 진술

프로젝트의 목표를 설정하고 분석 방향을 설정

 

 

✅ 문제 정의의 핵심

• So What?: 그래서 결국 어떻다는 것인지?
  나타난 현상을 바탕으로 과제에 비추어 말할 수 있는 내용의 핵심을 추출
• Why So?: 왜 그렇게 말할 수 있는지?
  So What한 요소의 타당성을 증명, 검증하는 작업

 

 

✅ 문제 정의 방법론: MECE

Mutually Exclusive, Collectively Exhaustive

문제를 상호 배타적(배제적)이면서 전체적으로 포괄적인 구성요소로 나누는 것

MECE - 위키백과, 우리 모두의 백과사전

 

 

✅ 문제 정의 방법론: Logic Tree

MECE 기반, 복잡한 문제를 더 작고 관리하기 쉬운 하위 문제로 분해하는 데 사용

계층적 접근(상위 문제 → 하위 문제), 도표 형식을 취함

ⓒbethestrategicpm.com/logic-tree-diagrams/

 

 

✅ Logic Tree Cheat Sheet

 

 

---

 

 

데이터의 유형

 

✅ 정량적 데이터 vs 정성적 데이터

	정량적 데이터	정성적 데이터
설명	비수치적인 정보 경험, 관점, 태도와 같은 주관적 요소를 포함	수치적으로 표현되는 정보 양적인 측정과 분석을 통해 얻을 수 있음
유형	정형 데이터 반정형 데이터	비정형 데이터
특징/ 관점	여러 요소의 결합으로 의미 부여 주로 객관적 내용	객체 하나가 함축된 의미 내포 주로 주관적 내용
구성/ 형태	수치 / 기호 데이터베이스 스프레드 시트	문자 / 언어 웹 로그 텍스트 파일
위치	DBMS, 로컬 시스템 등 내부	웹사이트, 모바일 플랫폼 등 외부
분석	통계 분석 시 용이	통계 분석 시 어려움

 

 

✅ 정량적 데이터의 활용

객관적이고 측정가능한 '지표'를 만들기에 적합

ex. 일일 활성 사용자수(DAU, Daily Active User), 재방문 비율(Retention), 추천 지수(NPS, Net Promoter Score)

 

✅ 통계적 분석 적용

분포, 평균, 중앙값 등의 통계적 결과를 이용

→ 데이터의 경향성 파악 가능

 

 

---

 

 

지표 설정

지표 = 목표, 성과를 측정하기 위한 구체적이고 측정 가능한 기준

 

✅ 주요 지표

주요 지표 1️⃣ Active User (활성 유저)

• 어디까지 경험한 유저가 우리의 활성유저일까?
• 일반유저와 활성유저를 나누는 기준은?
• 유저는 어디서 우리 서비스의 효용성을 느낄까?
• 우리가 핸들링할 수 있는 유저의 사이즈는 얼마나 될까?

 

주요 지표 2️⃣ Retention Ratio (재방문율)

• 서비스를 사용한 사람이 다시 서비스를 사용하는 비율 
• 한 번 획득한 유저가 우리 서비스를 다시 사용하는가?
• 리텐션이 높은 서비스는 획득비용에 투자한 비용을 빠르게 회수할 수 있음
• 서비스 사용 주기에 따라 리텐션 조회 기간을 늘려야 하며, 따라서 사후 분석 시에 용이

⛔ Retention 측정 방법

 

1️⃣ N-Day Retention

최초 사용일로부터 N일 후에 재방문한 Active User의 비율

게임, 소셜미디어 등 습관적으로 사용하거나 반복적 행동을 유도하는 제품/서비스에 적합

ex. 카카오톡, 인스타그램

🔶 한계: 서비스의 사용 주기가 길 경우, N-day 리텐션을 사용하면 실제보다 더 과소평가됨

 

2️⃣ Unbounded Retention

특정일을 포함하여 그 이후에 한 번이라도 재방문한 유저의 비율

유저가 정기적, 반복적으로 방문하는 서비스가 아닐 경우 적합

ex. 채용 사이트, 쇼핑몰

🔶 한계: 이전 값의 변동에 따라 리텐션 값이 전부 변동되는 상황도 있음

 

3️⃣ Bracket Retention

설정한 특정 기간을 기반으로 재방문율을 측정

서비스 사용주기가 길거나 주기적인 경우 적합

ex. 식료품 배달 서비스, 세차 서비스

 

사용자 ‘리텐션’을 측정하는 5가지 지표 | 요즘IT

 

주요 지표 3️⃣ Funnel (퍼널)

• 유저들이 어디서 이탈하는가? > 확인을 위한 구조화
• 퍼널은 잠재고객을 유입시키며 최종적인 목표 액션을 달성할 때까지의 과정
• 각 단계의 전환율 or 첫 유입 대비 전환율을 측정

ⓒadvertising.amazon.com/ko-kr/library/guides/marketing-funnel

마케팅 설계자 | 러셀 브런슨 - 교보문고

⛔ 여기서 잠깐 - AARRR
Acquisition(유입), Activation(활성화), Retention(재방문(재구매)), Revenue(수익), Referral(추천)
디지털 마케팅시 퍼널을 활용하는 프레임워크로, 단계별 전환율을 지표화 하여 서비스 보완 지점을 찾음

ⓒbiginsight

 

 

주요 지표 4️⃣ LTV (Life Time Value, 고객 평생 가치)

• 해당 유저가 우리에게 평생 주는 이익은 얼마나 될까?
• 한 명의 유저가 생애 주기 동안 주는 이익의 정량적 지표화
  • 고객 생애 주기: 한 명의 유저가 서비스를 사용하기 시작하여 이탈할 때까지의 기간
• LTV가 높다 = 고객과 서비스 간 관계가 좋다 = 고객충성도가 높다

⛔ LTV 산출 방법

LTV를 산출하는 방법은 매우 여러가지

서비스 별, 관점 별 다르기 때문에 다각도로 고민 必

• 이익 × Life Time × 할인율(미래 비용에 대한 현재 가치)
• 연간 거래액 × 수익률 × 고객 지속 연수
• 고객의 평균 구매 단가 × 평균 구매 횟수
• (매출액 – 매출 원가) / 구매자 수
• 평균 구매 단가 × 구매 빈도 × 구매 기간
• (평균 구매 단가 × 구매 빈도 × 구매 기간) － (신규 획득 비용 ＋ 고객 유지 비용)
• 월 평균 객단가 / 월 가중 평균 잔존율

 

Excel로 Retention 변화에 따른 LTV 시뮬레이션하기

 

무한한 사업 전략의 세계로 건너가는 법

 

이제 LTV(고객생애가치)를 정확히 계산해 봅시다

 

 

 

✅ 북극성 지표

제품/서비스의 ‘성공’을 정의

제품/서비스가 유저에게 주는 core value를 가장 잘 나타낸 것

북극성 지표를 MECE하게 나눈 것 = KPI = 주요 성장 지표

 

• 방향성 제시
  • 한정된 리소스 내에서 제품/사업 조직이무엇에 최적화되어야 하는지 제시
  • 진척도와 가치창출을 보여주고, 그 결과에 책임을 지도록 함
• 효율 증대
  • 하나의 목표에 집중시키고, MECE 관점에서 중복으로 일하는 것을 방지

북극성 지표(North Star Metric) 선택하기 | 요즘IT

 

 

✅ 좋은/나쁜 북극성 지표의 특징

좋은 지표	좋지 않은 지표
제품/서비스 전략의 핵심	외부 요인의 영향을 많이 받는 지표
유저/고객이 제품/서비스에서 느끼는 가치	유저/고객의 전체 여정을 반영하지 않는 지표
회사의 사업 목표를 나타내는 지표 중 선행지표 (후행X)	유저/고객이 직접 가치를 느낄 수 없는 지표
-	측정 불가하거나, 기간 설정이 안되는 지표
*상황에 따라 좋지 않은 지표들도 북극성 지표가 될 수 있음

 

 

✅ 북극성 지표의 유형

ⓒ스파르타코딩클럽 데이터리터러시 강의 자료

 

 

---

 

 

결론 도출

✅ 결과 vs 결론

결과	결론
데이터 처리, 분석, 모델링 후에 얻어진 구체적인 데이터의 출력 (결과물)	분석된 데이터 결과를 바탕으로 이끌어낸 "의미나 통찰"
숫자, 통계, 그래프, 차트 등의 형태로 나타낼 수 있음	데이터에 기반한 해석, 추론 또는 권고 사항을 포함
🗣️ “고객 설문 조사 데이터를 분석한 결과, 고객 만족도와 구매 빈도 사이에 강한 상관관계가 있음을 보여줄 수 있습니다.”	🗣️ “고객 만족도와 구매 빈도 사이의 강한 상관관계를 보여주는 결과를 토대로, 고객 만족도 향상이 전반적인 매출 증가로 이어질 수 있다는 결론을 내릴 수 있습니다.”

 

 

✅ 결론 도출 시 주의사항

결과(물)에서 결론을 도출할 때는 스토리텔링이 필요하지만, 필요 이상으로 자신의 해석을 융합하면 안 됨

 

 

✅ 결론을 '잘' 정리하는 법

결론을 누구에게 공유하는가? 그들은 어떻게 변하기를 원하는가?

• 단순하고 쉽게 전달하기
• 흥미 유발하기 (디테일 문서는 따로 Appendix)
• 대상자 관점에서의 접근: 공유받는 사람이 이해하기 쉽도록, 낮은 허들로 시각화
• 시각화 팁: 직관적으로 이해할 수 있도록 구성, 범례, 단위

 

✅ 결론 정리 보고서 플로우

1. 한 문장 요약
2. 보고서의 메인 주제
3. 보고서를 쓴 이유 + 원하는 변화
4. 문제 정의 단계
5. 핵심 내용 전개
6. 결론 및 액션 아이템