이 책을 읽은 이유
데이터 드리븐 제품 액션 아이템 찾기 잘하고 싶어서…
데이터 드리븐 제품 설계를 꿈꾸며, 현재 회사에서 제품개선의 이유도 데이터에서 찾고, 개선 이후 데이터를 추적하며 검증해왔다. 하지만 전문가가 아니기도 하고 또 회사 내에 관련해서 물어볼 전문가도 없다 보니 항상 ‘이렇게 하는 거 맞나?’ ‘내가 하는 것도 데이터 분석이라 할 수 있는가?’라는 의구심이 반복해서 든다. 도대체 ‘어떻게 하는 게, 데이터를 똑똑하게 쓰는 걸까?’의 호기심을 갖고 이 책을 읽어보았다.
■ 핵심 정리
데이터를 작게 쪼개어 분석하여, 이야기로 풀어 동료들을 이해시키고, 이를 기반으로 적용점을 찾아 변화를 만드는 것 : 데이터쓰기의 기술
■ 내용 정리
Chapter 1. 데이터 디자인: 질문하고 쪼개고 찾고 분석한다
1. 질문하기: 궁금한 것이 있어야 데이터 분석이 시작된다
→ 좋은 분석은 질문에서 시작한다.
→ 분석을 시작하려면 질문이 많아야 한다.
2. 문장 쪼개기: 비전문가에게 가장 유용한 사고방식 훈련
→ 머릿속에 떠오른 질문을 데이터 단위로 분해하는 것이다.
3. 데이터 찾기: 어디서 어떻게 데이터를 확보할 것인가
→ 4가지 데이터 형식 : 로그데이터 / 데이터테이블 / 대시보드 / 보고서
4. 데이터 분석하기: 관점을 세우고 작은 것부터 시작한다
→ 자신의 의사결정에 확신을 가진 사람이라면 데이터로 성과를 낼 수 있다.
→ 나의 숫자 혹은 지표가 여러 관점에서 보아도 의미 있는 숫자라는 것도 알게 된다.
→ 데이터분석은 누구나 할 수 있다.
Chapter 2. 데이터 스토리텔링: 이야기로 사람들을 설득한다
5. 데이터 퍼즐 맞추기: 낱낱의 분석을 모아 인사이트를 만든다
→ TO-DO : 데이터로 스토리텔링하기
→ TO-DO : 데이터로 발견한 인사이트를 바탕으로, 액션아이템 도출하기
6. 변화를 만들 제언하기: 스토리로 방향을 제시한다
→ TO-DO : 이때, 구체적으로 제언하기
7. 데이터에 옷 입히기: 청자에 맞추어 스토리를 공유한다
→ TO-DO : 같은 주제더라도 청자에 따라 다르게 구성하여 전달하기
Chapter 3. 데이터 기반 의사결정: 실제로 적용하고 변화를 만들어낸다
8. 액션 아이템 만들기: 구체적이고 실현 가능한 플랜을 만든다
→ 의사결정 지점마다 데이터를 통해 좀 더 화신을 얻는 것이 ‘데이터 기반 의사결정’의 태도
→ 방향성을 골자로하는 제언과 달리, 액션 아이템은 실제 실행을 염두에 두고 구체적으로 작서애야 한다. 실행 기한이나 일정도 병기하는 것이 좋다.
9. 현장의 변화 만들기: 시장에 실제로 적용하고 데이터화한다
→ 현장의 목소리로 들은 걸 바틍으로 빠르게 단점이나 잘못을 개선하려는 자세가 필요하다.
10. 소비자의 반응 포착하기: 성과를 검증하고 성장 동력으로 삼는다
→ 소비자가 원하는 것을 제공하고, 소비자가 귀찮아 하거나 싫어하는 점을 알아내 제품과 서비스를 개서내야 한다.
→ 소비자의 어떤 반응이 원하는 반응인지 미리 기획하고, 반응을 집계하기 위한 방법도 고안해놓아야 한다.
→ 소비자의 마음을 어떻게 얻었고 왜 얻지 못햇는지 회고하는 자리를 만든다
1) 실적을 기본으로 하되
2) 기획했던 내용에 대한 검증이 주가 되어야 함
2-1) 타깃으로 했던 소비자가 실제로 구매했는지, 실적은 좋았지만 의외로 우리가 타깃으로 했던 소비자가 아니라 다른 소비층을 건드린 것은 아니었는지 등을 검토
■ 나의 생각/관점
이제 막 데이터를 보고자 하는 의지가 있는 사람들이 읽어보면 좋을 것 같은 책이었다.
아쉬운 건, Chapter4에서 나온 10가지 예시의 논리들이 납득이 가지 않는 부분이 꽤 있었다. 책 앞에 나열된 이야기를 증명하기 위해 다소 억지로 논거를 만든 것 같았다.
읽으면서 스스로 반성도하고, 지금까지 했던 것에대해 잘해왔다 칭찬을 해주기도 했는데 그 부분을 나열해 보겠다.
•
자신의 의사결정에 확신을 가진 사람이라면 데이터로 성과를 낼 수 있다. (p. 53)
: 나는 스스로 의사결정에 확신이 부족해 왔다. 왜일까? 완벽한 조사를 하지 못해서? 경험이 부족해서? 원래 자신감이 없고 소심한 성격이라?
→ 이 부분을 채우는 방법이 ‘데이터로 의사결정에 대해 증명하는 것’이라고 생각하고 있다. 그래서 실험 후 데이터 잘 챙겨보려고 노력 중이다.
•
성공과 실패의 원인을 반드시 다시 한 번 확인해야 또 다음 시즌을 준비할 수 있다. 데이터는 1회 분석이 아니라 지속적인 사고과정의 흐름과 함께함을 잊지말아야 한다. (p. 218)
: 최근 제품으로 ‘사용자 인터뷰’를 작게 해보고 싶어서, 만족도조사를 실행에 옮겼다.
: 결과는 생각보다 사용자가 만족(?)하고 있다는 것이어서 사실 실망(?)했다.
왜?→ 이걸 기반으로 개선하고 싶었는데 계획이 물거품이 되었으므로.
: 그래도 그 과정에서 사용자가 생각보다 간단한 질문에는 답변을 주지만, 직접 불만의 의견을 작성해서 보내지 않는다는 점이다. 근데 이상한 점을 발견했다. ‘의견보내기’BTN을 누르지만, 의견을 작성하지 않은 사용자들이 있었다. 왜 그러지?→ 라는 의문을 갖고 나서야 이제야 발견한 헷갈리게하는 버튼 UX를 발견하고, 이를 개선해보았다.
결과는? → 이제 빈 의견 서식이 전달되지 않았다.
: 의도했던 만족도조사 설계와 원하던 결과는 받지 못 했지만, 이과정에서 UX의 중요성과 지속적으로 데이터를 모니터링하면 사용자가 어디에서 헷갈리고 있는지 알 수 있다는 점이다. 이런 시도도 하고 지속적으로 데이터를 보며 사고한 나 자신을 칭찬한다.
•
데이터로 생각한다는 것은 어려운 데이터를 분석할 수 있어야 한다는 의미가 아니다. 자신의 생각에 확신을 가질 수 있도록 데이터를 활용하고, 논리적으로 사고한다는 것에 더 가깝다. (p. 232)
: 이 부분은 데이터로 디자인을 하면서 정말 몸소 경험했던 포인트라서, 스스로 잘하고 있다고 칭찬해주고 싶었다.
용어