데이터 1도 몰라도 데이터 분석할 수 있다 :: 그로스쿨
인앱 브라우저에서는 몇몇 기능이 제한됩니다.
기본 브라우저 사용을 권장합니다.
데이터 1도 몰라도 데이터 분석할 수 있다

데이터 1도 몰라도 데이터 분석할 수 있다

by 박진아 | 에이블런 대표
성장한 이들의 경험담,
'그로스토리' 시리즈입니다.
시행착오를 먼저 겪고
성과를 낸 이들의
인터뷰를 통해
실무 꿀팁을 얻어보세요!

인터뷰이 프로필

  • 이름: 박진아
  • 소속: 에이블런
  • 직업: 대표, 신방과 출신의 데이터 강사

 

김나영 그로스쿨 대표, 이하 김:  소개 부탁드립니다.

박진아 대표 : 비전문가를 위한 데이터 교육을 연구하는 에이블런 대표 박진아입니다. 

 

김: 근데 초보자 입장에서 데이터라 하면 숫자나 복잡한 엑셀 수식이 떠올라 쉽게 접근하기 어렵거든요. 대체 뭐부터 배워야 해?  싶기도 하고 

박진아 대표: 전문가가 아닌 분들이 실무를 하는 데 있어서 활용이 가능한 범위는 그렇게 어렵지 않아요. 내가 새로운 상품을 기획하는 과정에서 데이터를 어떻게 쓸 수 있을까. 거기서부터 생각해 보면 실마리가 보여요. 

소셜 분석이나 키워드를 검색했을 때, 어떤 결과가 나올까. 그 결과를 이해하려면 어떻게 그래프를 그려 해석해야 할까. 무엇을 볼 것인가. 그 결과로 어떤 결정을 내리고 어떻게 커뮤니케이션할까. 

사실 이 정도도 충분하거든요. 근데 데이터 분석이라 하면, 너무 거창하게 보여 어려움을 느끼시는 것 같아요.  그래서 사례를 통해 초보자들이 데이터와 어떻게 친해져야 하는지를 우선 말씀드리고 있어요. 나도 데이터를 이렇게 써볼 수 있구나 라는 생각이 들게 하는 거죠. 그러기 위해서는 당장 써볼 수 있는 툴을 배우는 것도 방법이에요.

 

소셜 분석

 

김:  어떤 툴을?

박진아 대표: 네이버 데이터랩, 구글 트렌드 같이 무료로 이용할 수 있는 툴들이 굉장히 많은데 많이 모르시죠. 실제로 00전자에서 하셨던 건데 빨래 건조기 관련하여 실제 사람들의 반응이 궁금하고 어떤 부분을 개선해야 하는지 궁금할 때는 연령 및 타깃별로 SNS 감성어 트렌드를 분석해 볼 수도 있고, 연관어 키워드 분석을 통해 워드 클라우드 차트로 소비자의 반응과 댓글을 한데 모아서 볼 수 있는 점을 알려 드린 적이 있어요. 그렇게 실무에서도 이렇게 데이터가 활용되는 걸 알아가면서 앞으로도 데이터를 활용해 업무를 개선해야겠다고 생각이 들었다고 하시더라고요. 

 

김: 어떤 정제된 숫자가 아니더라도 댓글 같은 소비자 반응도 데이터가 될 수 있다? 

박진아 대표: 그렇죠. 일단 모인 걸 정리해 보고, 더 쌓인 뒤 로우 데이터(raw-data)라는 개념을 알게 되면 그때부터 더 다양한 활용이 가능합니다. 

 

김: 말씀 주신 내용은 텍스트 마이닝이라는 개념으로 알려져 있는 것 같은데, 요즘은 왠지 R이나 파이썬을 써야 할 것 같은 분위기

박진아 대표: 네 맞아요. 그래서 저희가 제일 먼저 하는 것이 목표를 수립하는 과정이에요. R이나 파이썬을 배워서도 할 수 있고, 무료 툴을 통해서도 배울 수 있는데, 초보자가 데이터 분석을 어려워하는 이유 중 하나가, 데이터를 통해 보고 싶은 것이 무엇인지, 목적을 명확히 하지 않아서에요.

목적을 명확히 하지 않고, 가설을 세우지 않은 상태에서 데이터를 보면, 볼 게 너무 많아지거든요. 그러면 또 어려워지고, 그래서 잘 못 하고, 안 하게 되는 거죠. 

그래서 범위를 좁혀야 해요. 당장의 내 업무에 필요한 것, 내가 보고 싶은 목적과 질문을 먼저 설계하는 것부터 시작해야 합니다. 구체적인 질문이 있어야 내가 보고 싶은 데이터를 뽑을 수 있고 어떤 결과를 봐야 하는지가 확실히 보여요. 그 뒤에 단계적으로 어떻게 해야 하고, 이런 툴은 이렇게 써야 한다. 이걸 노하우와 함께 알려드리는 게 목적이에요

 

김: 목적과 질문은 어떻게 만들어야 할까요? 또 가장 많이 하는 목표 수립은 어떤 게 있나요? 

박진아 대표: 데이터 분석의 궁극적인 목표는 결국 비즈니스를 위해 활용할 수 있어야 한다는 것이겠죠. 그러니까 목표를 잡을 때는 우선 거시적으로 데이터를 통해 개선하거나 영향을 주고 싶은 현업의 KPI를 고려해야 합니다.

그런 시각에서 접근해본다면 목표라는 건 부서마다 산업마다 다른데 제품개발팀의 서비스 데이터 지표 분석을 통한 상품 개선, 영업팀의 매출 데이터 분석을 통한 영업전략 수립, 기획팀의 고객 데이터 분석을 통한 서비스 UX 개선 등이 사례가 될 것 같아요. 그런데 많은 분들이 이런 데이터 드리븐한 사고를 어려워하시기 때문에 목표를 잡으라고 하면 현업에서 가장 말씀하시는 것이 그냥 매출이 많이 났으면 좋겠다, 물건을 더 싸게 샀으면 좋겠다, 새로운 제품을 기획했으면 좋겠다, 사용자가 많이 들어왔으면 좋겠다 이렇게 말씀하는 경우가 많아요. 거기서 한 두 스텝만 더 구체적으로 그릴 수 있으면 좋죠. 

생각의 가이드 측면에서 이런 질문을 생각해 보시기를 안내해드리기도 해요. 

 


1. 조직의 핵심 KPI 또는 서비스를 통해 전달하고자 하는 핵심가치가 무엇인가?

2. 1에 따라 해결해야 할 문제가 무엇인가? 

3. 문제와 관련된 지표를 데이터로 볼 수 있는가? 

4. 어떤 데이터를 볼 것인가? 

5. 1에 따라 지금 이 시점에서 목표로 해야 할 가장 중요한 데이터 지표는 무엇인가?

6. 5를 통해 무엇을 볼 것인가?


그 뒤에 해결해야 할 문제에서부터 데이터를 통해 개선하고자 하는 목표를 잡으시는 것을 추천드립니다.

 

김: 직무별로 다룰 수 있는 데이터가 다르고, 범위도 다른데, 강의로 오시는 분들 기호(?)를 다 맞추시기는 어려울 것 같아요

박진아 대표: 그렇기는 한데 데이터 분석방법은 직무에 따라 크게 다르지 않아요. 거기서 활용하는 문제와 질문이 다른 것뿐이지요. 현장에서 깨려고 노력하는 편견 중에 하나예요. 저희 목적은 데이터 사이언티스트를 만드는 게 아니라 다양한 실무에 활용하자는 것이니까 수준도 그렇게 어렵지 않고요. 

 

비 오는 날 치킨이 더 팔릴까를 데이터 분석을 통해 검증할 수 있음

 

김: 시각화도 그중 하나인가요?

박진아 대표: 그렇죠. 무엇보다 데이터는 눈에 보여야 그 속에서 의미를 찾아낼 수 있으니까요. 물론 시각화까지 가는 자체가 어려워서 저희는 어떤 순서로 데이터 분석과 시각화를 설계하고 처리를 하는지 말씀드리려 해요. 

 

김: 데이터 분석을 설계한다는 개념은 급 어려워집니다. 

박진아 대표: 네. 그래서 이번 강의에서 제일 중점적으로 다루는 부분이 그 부분이에요. 집을 짓는 걸 얘를 들어보자면, 전문가가 집을 짓는다면 어떤 목재를 쓰고 어떤 방식으로 벽을 올리고, 그런 것을 종합적으로 고려한 기획이 필요하지만, 비전문가는 그런 걸 다 생각할 수 없겠죠. 그래서 무슨 집을 가지고 싶은지에 대해서 이미지만 떠올려 보시라고 해요. 그걸로도 충분합니다. 그리고 저희가 계속 질문을 던지죠. 

빨간 집을 원한다고 생각하면, 그다음에 1층이에요? 2층이에요? 이런식으로요. 2층이라면, 지붕은 어떤 재질이 좋을까요? 이처럼 집이 갖춰야 할 것들을 하나하나씩 질문으로 떠오르게 데이터 분석 기획을 설명드려요. 

어떤 걸 분석하고 싶은지, 그걸 분석하려면 어떤 데이터가 필요한지, 그 필요한 데이터를 얻기 위해서는 어떻게 해야 하는지, 이 과정을 정리하는 것이 기획이거든요. 그리고 크롤링을 하건, 통계청에 가서 데이터를 다운을 받건, 데이터를 확보하고, 확보된 데이터를 분석이 가능하게끔 정리하는 것. 데이터가 제대로 받아졌는지 확인도 해보고, 그래프를 그래서 분석을 하는 일련의 절차를 함께 만들어 볼 거예요.  

 

김: 어찌 보면 너무나 당연한 과정이네요. 수집 -> 정리 -> 분석 

박진아 대표: 그 과정은 전문가나 비전문가의 차이는 없지요. 

 

김: 대표님의 원래 전공은 뭐였나요? 

박진아 대표: 저는 신방과였어요. 전 회사에서는 PR, 마케팅 쪽이었고요. 외부와 커뮤니케이션하는 게 우선순위였는데, 데이터 관련 회사를 다니면서 의도치 않게 개발 분야 일을 하게 되고 데이터 분석 솔루션의 PL을 하게 되면서 데이터 분석에 대해서 직접 마케팅하고 영업도 해야 했어요. 그러면서 왜 데이터 분석이 필요한지를 설명하고 이해시키는 일을 하다 보니 이런 건 더 쉽게 알려줘야 한다는 생각이 많았어요. 

 

김: 그래서 에이블런을? 

박진아 대표: 그렇죠. 데이터 분석 솔루션 회사에 있던 분들과 함께 시작했어요. 

 

김: 힘든 시기에 창업을…

박진아 대표: 트렌드는 분명히 흐름이 있는 거 같아요. 그 흐름에 올라타느냐 안 타느냐가 큰 영향에 미치고요. 저희도 데이터 교육이 필요할 거라고 예상했고 준비를 오래전부터 했거든요. 정말 놀랍게도 2018년 전까지는 사람들이 '데이터 시각화'라는 것 자체도 생소해했어요. 엑셀이나 PPT로 차트 그리는 거랑 태블로 같은 BI 툴을 쓰는 게 무엇이 다른 지부터 설명해야 했죠. 그런데 지금은 정부에서 비전문가를 위한 디지털 뉴딜이나 비대면 데이터 교육이 거의 필수가 된 상황 적으로 된 상황이 온 것도 신기했고요. 

 

김: 과거에는 데이터 분석 교육을 그런 데이터 솔루션 회사들만 했던 것 같아요 

박진아 대표: 그 부분이 제가 답답했던 거 같아요. 꼭 비싼 솔루션을 써야 배울 수 있는가, 데이터 분석은 꼭 솔루션을 써야만 하는가

 

김: 데이터가 중요하다는 건 최근 몇 년 사이에 부각되었는데 해외는 어떤 가요? 

박진아 대표: 해외는 이미 데이터 시각화를 다를 수 있는 능력이 자격증, 스펙처럼 통용되는 것으로 알고 있어요. 이미 여러 직군에서 데이터 기반으로 업무와 성과를 개선하는 것이 자리 잡고 있고요. 예를 들어 디자이너라 하더라도 이제는 데이터 디자이너라고 해서 실제로 데이터 기반의 디자인을 하기도 하고, 미국은 공무원들이 데이터를 얼마나 활용하는지에 대한 역량을 평가하는 것도 일상화되었다고 해요. 물론 우리나라도 작년 말부터 공무원 대상으로 데이터 활용 능력을 평가하는 지표가 만들어지는 중이고요. 공공기관부터 데이터를 활용하는 풍토가 자리 잡히면 당연히 데이터 사업에 혈안이 돼있는 대기업들도 마찬가지로 데이터 역량을 인력 평가 제도에 도입할 거고 그러면 데이터 활용이 선택이 아닌 필수가 될 거라 생각합니다. 

 

김: 지금은 그래도 직장인들 사이에선 데이터 관련 인식이 중요하고 어떻게 해야 할까까지의 인식이 이루어진 거 같습니다. 지금 그런 단계를 해결해주는데 역할을 해주고 계신데 대표님이 하고 싶은 건 궁극적으로 어떤 걸까요?

박진아 대표: 데이터를 활용하는 능력이 필요해진 시대에 사람들이 꼭 알아야 하는 것을 쉽게 알려드리고, 그로 인해 파급력을 높이는 것이 목표입니다. 

 

김: 어떤 것부터 해야 할지 모른다고 하는 스타트업이나 제조업 기반의 회사에게 어떤 조언을 주시나요? 

박진아 대표: 목표를 먼저 물어봅니다. 그리고 가장 큰 문제가 뭐라고 생각하세요? 사실 이런 인터뷰부터 진행해야 하거든요. 문제가 목표가 뭐고 그래서 데이터로 하고 싶은 게 뭐고 그 요구에서 실제로 데이터가 활용 가능한지 먼저 얘기할 것 같습니다. 

 

김: 뭐든 설계와 기획이 정말 대부분이 차지하는군요. 

박진아 대표: 맞아요. 글쓰기 잘하는 사람도 주제 생각하고 이런 내용이 들어가야겠다 생각하고 누구한테 써야겠다 생각하고 기본적인 건데. 글쓰기를 어려워하는 사람들은 백지 띄워 놓고 뭐부터 써야 하지 고민하는 거랑 비슷한 거 같아요. 

 

김: 왜 비전문가을 위한 교육을 시작하셨나요? 

박진아 대표: 전문가나 전문가가 되고 싶은 분들을 위한 교육 콘텐츠는 너무나 많아요. 요즘은 데이터가 PPT나 엑셀 같은 기본 소양이 되어 버렸는데, 초보자나 비전공자, 비전문가를 위한 기초적인 과정은 거의 없더라고요. 저도 전공자는 아니었지만, 계속 데이터 회사에 있었거든요? 근데 그때도 데이터를 배우려면 파이썬이나 R, 태블루 같이 어려워 보이는 길 밖에 없었어요. 분명 쉽게, 얘기할 수 있는 부분도요. 

 

김: 이 번 강의에서는 어떤 말씀을 주실 건가요? 

박진아 대표: 우선 데이터 분석이란 것이 무엇인지, 그리고 데이터를 분석함에 있어 필수적으로 알아야 하는 게 무엇인지를 말씀드릴 거예요. 여러 가지가 있지만 첫 번째로 기본적인 데이터를 사용할 수 있는 설계와 기획능력. 두 번째로 비전문가를 위해 데이터 시각화를 빼놓을 수 없거든요. 

결국에는 시각적 분석이 가장 많이 이용될 것이기 때문에 데이터 시각화는 반드시 알고 있어야 하고 또 하나는 어려워 보이지만 머신러닝과 인공지능도 시대의 흐름이거든요. 어려워 보이고, 실제로도 어렵지만 이제 코딩 없이 할 수 있는 머신러닝 솔루션이 계속 나오고 있어요. 그런 것들을 포함해 비전문가가 쓰기에 적합한 수준을 이론과 실습으로 함께 전달해 보는 것이 목표입니다. 

 

비전공자를 위한 데이터 분석 강의 펀딩 중입니다. 

 

▶ 비전공자를 위한 데이터 분석부터 시각화 펀딩 더 알아보기


 

요즘 사람들의 성장 공식, 그로스쿨입니다.

일잘러를 위한 교육 플랫폼 <그로스쿨>에서는

재야의 찐 고수분들을 모셔 기획, 마케팅, 비즈니스, 커머스, 생산성 분야의 온·오프라인 강의를 열고 있어요.

커리어 성장을 도와주는 다양한 프로그램을 만나보세요 :)

연관된 포스트

카카오톡 1:1 상담 링크