빅데이터 시대, 성과를 이끌어 내는 데이터 문해력

빅데이터 시대, 성과를 이끌어 내는 데이터 문해력 - 그래프와 도표만 바라보는 당신에게
카시와기 요시키 지음, 강모희 옮김 / 프리렉 / 2021년 2월

데이터분석이 최근 인기가 높습니다. 다양한 책들도 출간되어 있고, '빅데이터분석기사'라는 시험도 국가자격으로 다음달에 첫시행이 됩니다. 하지만 이것으로 진정한 의미의 문제해결이 되는 '데이터분석'이 될수있을까요? <빅데이터 시대, 성과를 이끌어 내는데이터 문해력>은 진정한 문제해결을 위한 '데이터분석'을 생각하게 합니다 저자가 소개하는 방식은 기술적인 데이터분석과 통계분석책이 아니라 문제해결을 가능한 데이터분석을  활용하여 성과를 낼수있는 방식을 소개합니다. 몇년전까지 맥킨지의 문제해결방법론이 대세를이뤘습니다만 4차산업혁명의 물결이 거세지만서 기술적 측면만 부각이되었는데, 빅데이터시대의 논리적 사고란, 문제해결방법을 데이터를 중심으로 재구성한 책입니다. 그래프나 도표만 집중하는 시각에서 벗어나야 진정한 데이터를 볼수있다는 의미일겁니다.

저자 카시와기 요시키는 data & story LLC대표로 데이터분석과 로지컬씽킹을 교육하고 강의하십니다. 게이오대학 공학부졸업후 히타치에 해외세일즈를 거쳐, 미국에서 MBA를 한후 닉산에서 해외마케팅을 하다가 2014년 독립합니다. 연150일 4000명이상에게 강의를 하십니다. 1년에 반을 강의로 하신다는것이 쉬운 일이 아니죠. 저자도 10권이상으로 대부분 엑셀데이터를 이용한 분석법이 많습니다. 한국에는 <엑셀로 배우는 의사결정론>(2015)에 출간된 적이 있습니다.

2016년 알파고가 한국최고의 바둑명인 이세돌을 꺽었습니다. 인공지능이 우리에게 어떤 영향을 끼칠것인지 두려움이 앞섰지만 이로 인해 인공지능을 공부하는 학생수가 급증했습니다. 인공지능의 핵심인 파이썬과 텐서플로는 한국에서도 공대계열의 필수 소양이 됩니다. 문제는 이런 기술을 익힌다고 해서 인공지능의 발전을 이길수가 있을까요. 그럼 어떤 방식이 인공지능도 따라올수없는 데이터사용법일까요. 바로 문제를 명확하게 설정하는 것입니다. 그리고 데이터를 문제와 연결시키는 능력을 키우는 겁니다. 빅데이터가 발전해서 많은 데이터가 모이고 있는 것은 사실이지만 우리가 맞서있는 문제나 퀀텀점프를 위한 발상에는 데이터만으로는 한계가 있습니다. 인간사고의 폭을 넓히고 데이터는 그것을 구체화하는 방법으로 사용해야 합니다. 우선 문제를 정의하는 언어를 명확히 해야 합니다. 정의가 명확하지 않으면 분석해서 나오는 그래프와 도표는 시각적으로 멋진 작품같은 것이 됩니다. 그리고 프로세스를 명확히 해야 합니다. 문제-원인-해결방안으로 단계를 거치면서 데이터분석으로 방향을 잡아갑니다.

데이터분석활용에서, 목적과 지표를 정했으면, 현황을 파악하고 평가를 해야 합니다. 우선 가치있는 정보를 확정해야합니다. 이는 행동을 특정할 수있어야 하고 구체적인 판단을 내릴수있어야 합니다. 이럴때 데이터분석이 요긴하죠. 그래프나 도표로 사실을 명확히 할수있습니다. 데이터가 중요한 것은 임의적이고 주관적인 결론을 객관화할 수있기때문입니다.그래야만 상대방도 설득과 이해력을 높일수가있습니다.

데이터를 활용할때 논리적 사고의 중요성을 강조합니다. 논리적사고는 전체적인 스토리를 탄탄히 해서 결론의 설득력을 높이는 방식입니다. 말은 쉬운데 많은 연습을 해야 하는 방법이긴합니다. 이 방식을 시행할 때 많인 하는 실수가 문제-원인-해결방안의 프로세스에서 단계를 밟지않고 맨마지막의 해결방안으로 달려드는 것이라고 표현합니다. 자주 빠뜨리는 부분이 원인분석을 제대로 않고 문제단계에서 원인분석을 다 했다는 생각때문이 많습니다. 그리고 방법맨이라는 표현을 하면서 기존이 있는 모델링을 분석없이 모델링을 대입해서는 목표에 부합하는 결론을 낼수없다는 거죠.

저자는 결과와 결론을 분리합니다 결과는 분석에서나온 산출물이고, 결론은 목적에 부합하는 의미입니다. 즉, 결론은 결과에 기반해서 도출하는 겁니다. 이는 말장난이 아니라 작지만 확실히 구분해야 합니다. 목적에 부합하느냐가 핵심이겠죠.

데이터 분석을 배운다고 하면 대부분 기술적인 데이터분석만 알려줍니다. 하지만 이 기법을 배우는것도 어렵지만 실제배웠다고해도 데이터에서 인사이트를 뽑아서 활용하는 일은 다른 차원의 일이었습니다. 저자는 데이터안에 답이 있을 거라는 생각을 버리라고 합니다. 스스로 정의된 목적과 문제에 필요한 데이터를 모아서 넓은 시야로 보는 것을 권합니다. 즉, 데이터분석을 해서 가설을 만드는 것이 아니라 반대로 가설을 세우고 데이터를 분석하라는 겁니다. 데이터분석은 하위단위일이고 우선은 논리적 사고를 통해 구조를 만든후 하위단에서 질적문제와 양적문제를 데이터로분류해야 합니다. 데이터분석은 커다란 문제해결의 논리적 구조속에 하위 방법으로 해야 합니다. 결론적으로 데이터 문해력은 데이터속에서 답을 찾는 것이 아니라, 데이터를 무기로 합리적으로 논리를 전개하는 능력을 말합니다. 데이터중심에서 목적중심으로 데이터를 활용하는 시각의 영점재조정이 필요합니다.