음성 검색
QR/바코드 검색
품목정보
| 발행일 | 2021년 03월 08일 |
|---|---|
| 쪽수, 무게, 크기 | 240쪽 | 414g | 148*215*20mm |
| ISBN13 | 9788965402916 |
| ISBN10 | 8965402913 |
빅데이터 시대, 성과를 이끌어 내는 데이터 문해력
: 그래프와 도표만 바라보는 당신에게
카시와기 요시키 저 / 강모희 역
|
프리렉
|
2021년 03월 08일
저자/출판사 더보기/감추기
- 자기계발 top100 1주
- eBook
11,200원이동 - 이미 소장하고 있다면 판매해 보세요! 이 상품 팔기 매입가 2,400원 더보기/감추기
관련분류
책소개 책소개 보이기/감추기
목차 목차 보이기/감추기
| 들어가며 1장 앞으로 필요한 건 데이터 문해력: 분석보다 활용 _1.1 기계가 할 일과 사람이 할 일 __기계가 압도적으로 잘하는 일이 훨씬 많은 세상에서 __중요한 것은 앞으로 자신에게 필요한 기술이 무엇인지 아는 것 __가치 있는 결과를 도출하기 위해서 _1.2 통계를 배워도 왜 활용하지 못하나? __가치 있는 기술이란 __반드시 습득해야 하는 기술이 무엇인지 다시 확인한다 _1.3 데이터를 먼저 보지 마라 - 데이터 안에 답은 없다 __‘데이터 활용을 못 하는’ 사람들의 공통적인 과제, 문제점 __미래에 정말 필요한 지식이란? __이 책에서 전하고자 하는 메시지 2장 올바른 데이터로 올바른 문제를 풀고 있는가? ~목적 사고력: 목적에 맞게 문제와 데이터를 연결하기~ _2.1 데이터 활용에 실패하는 두 가지 이유! _2.2 주요 원인 1: 풀고자 하는 문제가 명확하지 않다 (Are you solving the right problem?) __가장 먼저 해야 하는 작업은 ‘목적과 문제에 대한 정의’ __포인트 1: 사용된 언어가 구체적이고 명확한가? __포인트 2: ‘문제’, ‘원인’, ‘해결 방안’을 구분하고 있는가? __‘문제 정의’에 대한 사례 _2.3 주요 원인 2: 정의한 문제와 사용하는 데이터가 일치하지 않는다 (Are you using the right data?) __‘지표 불일치’ 문제: 와키마치 고등학교의 사례 __‘지표 불일치’ 문제: 요코하마 국립대학의 사례 _2.4 비즈니스 현장 사례 분석 __사외와 관계된 문제 __사내에 존재하는 문제 __지자체 및 행정과 관계된 문제 __더 나은 목적 · 문제를 정의하기 제3장 ‘이것이 문제다’ 데이터로 말하는 방법 ~현상 파악 및 평가력: 문제를 표현하는 힘~ _3.1 결과와 평가는 다르다 __가치있는 정보란 무엇인가? __평가와 우선순위의 관계 _3.2 비교할 때는 관점이 중요하다 __결론이 데이터와 일치하는가? __비교할 때 체크포인트 _3.3 비교의 기술 __평균을 사용한 흔한 분석 패턴 __추이와 변화를 본다 __편차를 고려한다 __평가 기준의 정리 _3.4 비교 사례 분석 __인구 문제를 다룬 경우 __고객 만족도를 다룬 경우 __노동 시간, 시간 외 근무 시간을 다룬 경우 __공영 시설 이용 현황을 다룬 경우 __비교 총정리 4장 결과가 나왔다고 끝난 것은 아니다 ~원인 파악력: 행동으로 이어지는 힘~ _4.1 최종 목표는 ‘행동과 판단’ __‘데이터 정리’로 끝내고 있지 않나요? __해결 방안은 원인에 실행되어야 한다는 것을 알고 있나요? _4.2 데이터에서 원인을 찾는 사고방식과 방법 __원인 후보를 이끌어 내는 방법과 지표를 특정하는 방식 __문제와 원인, 그 관련성 유무를 확인하는 방법 __산포도와 상관계수를 활용한 분석 사례 _4.3 알아두어야 할 주의 사항 __직접적인 관계인지, 간접적인 관계인지? __원인은 한 가지가 아니라, 여럿이거나 복잡할 수도 있다 __선형이 아닌 관계성도 존재한다 __상관관계는 인과관계를 나타내는 것이 아니다 5장 기법에 집착하지 마라~전체 구성력: 스토리(논리)를 만드는 힘~ _5.1 자꾸만 늘어가는 ‘방법맨’이란 __문제 해결 프로세스 재확인 __문제 해결 프로세스에서 누구나 하는 실수 __결과와 유효성에 차이가 생기는 ‘원인’ 파악 유무 _5.2 방법맨이 돼버리는 구조 ~‘생각한다’의 두 가지 의미~ __프로세스를 잊어버리기 십상 __평가 기준이 애매하다? __당신의 ‘생각한다’는 어느 쪽? _5.3 ‘왜(원인)’ 그런지 끈질기게 생각하라 __‘원인’의 구조는 단순하게만 볼 수 없다 __얼마나 ‘왜?’를 반복하면 될까? 5.4 도전 문제! 6장 ‘결론은 이것이다’ 정보를 요약하라 ~정보 집약력: 정보를 수집하고 결론을 이끌어 내는 힘~ _6.1 결과와 결론은 다르다 __‘결과’와 ‘결론’의 차이: 목적을 이해하지 못하는 사례 _6.2 ‘결과’와 ‘결론’의 차이: 데이터를 너무 단순하게 이해한 사례 __그래프를 효과적으로 사용해 결론을 내린 사례 __그래프를 활용한 결론의 예 __그래프 그 자체로 결론을 설명할 수 있는 예 _6.3 결론을 낼 때 주의해야 할 점 __데이터로 설명 가능한 범위인가? __인지 편향(선입견) __정답은 역시 한 가지가 아니다 7장 ‘데이터로 문제를 해결할 수 있다’는 착각 ~시야확대력: 데이터로부터 시야를 넓히는 힘~ _7.1 데이터 안에는 답이 없다고 생각하라 __데이터를 다루는 기술을 익히려면 극복해야 할 것들 __가장 적합한 해답을 찾기 위한 논리적인 사고방식이란 __분석 범위와 이용해야 할 데이터를 적절히 논리적으로 검토한 프로세스 _7.2 시야를 넓히면 분석의 폭도 넓어진다 __논리 사고로 문제를 구조화한다 _7.3 ‘보이지 않던 것’을 보이게 만드는 힘 __짝짓기 __자기 부정 7.4 지금 그리고 앞으로 필요한 ‘살아남는 능력’이란 8장 개인과 조직의 데이터 활용 능력을 높이는 방법 ~실행력: 문해력을 실현하는 힘~ _8.1 데이터를 활용할 ‘환경’은 적절한가요? _8.2 잘 나가는 개인과 조직은 무엇이 다른가 __공통점 1: 선생님과 팀장, 파트장 등의 리더십, 책무로 확립되다 __공통점 2: 목적이 명확하다 __공통점 3: ‘생각’과 ‘작업’의 차이와 가치를 이해한다 __공통점 4: 결과물을 적절하게 평가할 수 있는 사람이 있다 __데이터 문해력에 뛰어난 사람이 되려면 끝으로 |
상세 이미지 상세 이미지 보이기/감추기
상품 이미지를 확대해서 볼 수 있습니다.
원본 이미지
저자 소개 (2명)
출판사 리뷰 출판사 리뷰 보이기/감추기
데이터 문해력(literacy)_데이터를 읽고 해석해서 활용하는 능력
분석보단 활용, 결과가 아닌 결론을,
데이터의 가치와 쓸모를 넓히는 아주 쉬운 활용 안내서
“데이터를 활용해 성과를 내고 싶다고 생각해서, 인터넷이나 주변에서 손에 잡히는 데이터를 긁어모아 그래프나 표 등으로 가공한 다음, ‘이걸로 대체 뭘 설명할 수 있을까’를 고민하기 마련이다. 그리고 한참 있다 정신 차려 보면 몇 개의 곡선 그래프나 막대 그래프, 평균치 표 등만 나열되어 있다.” “도대체 이것으로 무슨 말을 해야 할까?” “더 좋은 방법이 없을까……?
16P
데이터가 여러분에게 직접적인 답을 주는 경우는 없습니다. 설령 아무리 고난도의 통계와 분석 방법을 구사하더라도 말입니다. 대신, ‘당신이 무엇을 알고 싶은지, 이를 알게 되면 무엇을 하고 싶은지, 이를 위해서는 어떤 데이터(지표)가 필요한지'를 구체적으로 생각하는 것이 무엇보다도 중요합니다.
26P
이러한 생각 없이 우연히 눈에 띈 데이터를 모아 그래프로 그려 봤자, 의미 있는 결론이 나오길 기대할 수 없습니다. 거기서 알게 되는 사항은 어쩌다 나온 사소한 발견일 뿐입니다. 그 안에는 어떠한 논리성도 객관성도 없다는 것을 이전에도 설명한 바 있습니다.
42P
‘데이터를 활용했지만, 정보가 효과적으로 도출되지 않는다’, ‘데이터 분석을 능숙하게 할 수가 없다’라는 고민도 그 원인은 분석 방법이나 통계에 있는 것이 아니라 대체로 앞선 예와 같이 불충분하고 부적절하게 문제를 정의했기 때문에 발생합니다. 한편, 이는 비단 데이터 활용이나 분석에 국한된 이야기가 아닙니다. 일반적인 문제 해결이나 논리적 사고와 같이 데이터가 사용되지 않을 때에도 본질적으로 같습니다. 문제를 설정할 때, 다음과 같은 질문을 항상 자신에게 되물었으면 합니다. 나는 문제를 명확하게 정의해 풀고 있는가?
55P
데이터를 활용해서 결과물을 만들 때, 자기 생각과 주관을 전하면 안 됩니다. 더욱 엄밀하고 객관적으로, 논리적인 주장을 전달해서 상대방이 이해할 수 있도록 해야 합니다. 아무리 데이터 활용에 초보자일지라도 이 점은 절대 잊지 말아야 합니다.
88
당연한 말이지만, 결론을 심정적으로 정해놓고 데이터로 평가하려다 보면, 그 결론과 다른 결과가 나올 경우 결론 자체를 바꿔야 할 수도 있습니다. 만일 데이터를 결론에 억지로 짜 맞추게 되면 본말전도이기 때문에 더더욱 주의가 필요합니다.
89P
만일 여러분이 직접 지금까지 배운 내용을 실행에 옮기려고 할 때 어렵다 느껴지고 막혔다면, 다음과 같이 ‘단순하게’ 생각해보는 것이 어떨까요? 제가 항상 강의할 때 전하는 말입니다. “당신이 현재 직면하고 있는 문제나 그 배경에 대해 전혀 모르는 제3자가 바로 앞에 있다고 상상하세요. 그 사람에게 당신이 다루는 문제를 데이터로 설명하려면 무슨 데이터를 어떻게 보여주면 좋을까요?”
129P
무엇이 원인인지 깊게 따져보는 것이 아니라 ‘아무것도 안 하는 것보다는 낫다’라는 식으로 아이디어를 제안하는 경우가 많습니다. 한정된 자원과 시간 속에서 ‘아무것도 안 하는 것보다 낫다’는 수준으로 대책을 세운다면, 사실 안 하는 것이 더 낫습니다. 효과적일 것이라 예상되는 방법을 객관적으로 검토해보고, 이에 집중해서 비용 대비 효과를 극대화하는 것이 가장 중요합니다.
138P
여기서 말하는 논리적 사고란, 개별 데이터와 분석에 대한 것이 아니라, 전체적인 스토리를 탄탄히 구성하고 결론의 설득력을 높이기 위한 사고력과 구성력을 말합니다. 이를 제대로 갖추지 않으면 아무리 고품질의 데이터를 대량으로 수집하고 완벽한 방법론으로 분석했다 해도, 상대방을 설득하기는 어려울 것입니다. 설득이 어려운 이유는 전체적으로 흐름과 논리성에 맞지 않기 때문입니다.
169P
만약, 맞든 안 맞든 상관없으니 참신한 아이디어만 내면 된다는 생각이라면, 애당초 데이터는 필요 없습니다. 필자는 이런 상황의 작업자를 ‘방법맨’이라고 부르고 있습니다. 세상 이곳저곳에는 '방법맨'투성이란 이야기를 하면 많은 분이 공감하십니다.
174P
결과와 결론에 이르는 과정은 본질적으로 같습니다. 결론이란 결과를 기반으로 도출하는 것이기 때문입니다. 하지만 표현 방식은 다릅니다. 그리고 그 작은 차이가 상대방에게 전달되는 방식이나 이해도에 큰 영향을 미칩니다. 이 차이를 이해하는 것 또한 데이터 문해력에 있어서 중요한 요소입니다.
195P
그 밖에도 인간이 정보를 수집할 때 일어날 수 있는 위험으로 ‘인지 편향’이라 불리는 몇 가지 선입견을 들 수 있습니다. 인간은 누구나 100% 객관적이고 합리적인 판단이 불가능하며, 여러 가지 편향적인 경향이 존재합니다. 의도와는 관계없이, 자신에게 더 유리한 정보에 치우쳐 분석하거나, 더 유리하게 해석하여 결론을 내리는 경우가 많이 있습니다. 아마 모든 사람이 경험했을 것입니다.
206P
‘무엇이 정답입니까?’라고 물으면 안 됩니다. 이 세상에서 정답이 한 가지뿐인 것은 학교에서 출제하는 시험 문제뿐입니다. 여러분은, 어떤 결론이 적절하다고 생각하십니까? ‘스스로 정답을 만들어내고 이를 논한다’라는 자세를 흔들림 없이 유지하는 것 또한 데이터 문해력의 중요한 요소입니다.
208P
‘해야 한다’와 ‘안 해도 특별히 문제는 없다’라는 인식 간에는 압도적인 차이가 있습니다. 여러분의 조직과 팀에서는 ‘데이터를 활용하는 것’, ‘논리적으로 제안하고 문제 해결을 하는 것’ 중 어느 쪽에 중점을 두고 있습니까? 사람은 나약한 존재이기 때문에, 지금 바로 ‘하지 않아도 특별히 문제가 없는 것’에 대한 우선순위는 필연적으로 낮아집니다. 번거로운 데이터 활용 추가 작업에 비한다면, ‘반드시 해야 할 일’, ‘친구와 노는 것’, ‘오늘 밤 한잔하러 가는 것’이 더 우선시될 것입니다. ‘데이터 활용은 중요하다’라고 말하면서, 실제로는 ‘안 해도 특별히 문제없는’ 상황인 경우가 많을 것입니다. 하지만 제도나 평가에 ‘데이터 활용’을 도입하고 업무 시스템으로 ‘반드시 해야 할 일’로 명시하고 있는 조직 또한 실제 존재합니다. 그런 조직은 ‘앞으로 나아가고’ 있습니다.
233P
‘데이터를 활용한다’란, ‘잔재주’로 가능한 것이 아닙니다. ‘올바른 목적을 설정하고 그 목적에 따라 데이터를 활용해서, 적절히 제시한 결과를 결론으로까지 끌어낸다’는 본질적인 흐름을 중시하고, 과정 하나하나 신중히 밟아가야 합니다. 그것이 바로 가치 있는 성과를 창출하기 위한 필수 조건이란 점을 이 책을 통해 느끼셨다면 바랄 나위 없겠습니다.
237P
분석보단 활용, 결과가 아닌 결론을,
데이터의 가치와 쓸모를 넓히는 아주 쉬운 활용 안내서
“데이터를 활용해 성과를 내고 싶다고 생각해서, 인터넷이나 주변에서 손에 잡히는 데이터를 긁어모아 그래프나 표 등으로 가공한 다음, ‘이걸로 대체 뭘 설명할 수 있을까’를 고민하기 마련이다. 그리고 한참 있다 정신 차려 보면 몇 개의 곡선 그래프나 막대 그래프, 평균치 표 등만 나열되어 있다.” “도대체 이것으로 무슨 말을 해야 할까?” “더 좋은 방법이 없을까……?
16P
데이터가 여러분에게 직접적인 답을 주는 경우는 없습니다. 설령 아무리 고난도의 통계와 분석 방법을 구사하더라도 말입니다. 대신, ‘당신이 무엇을 알고 싶은지, 이를 알게 되면 무엇을 하고 싶은지, 이를 위해서는 어떤 데이터(지표)가 필요한지'를 구체적으로 생각하는 것이 무엇보다도 중요합니다.
26P
이러한 생각 없이 우연히 눈에 띈 데이터를 모아 그래프로 그려 봤자, 의미 있는 결론이 나오길 기대할 수 없습니다. 거기서 알게 되는 사항은 어쩌다 나온 사소한 발견일 뿐입니다. 그 안에는 어떠한 논리성도 객관성도 없다는 것을 이전에도 설명한 바 있습니다.
42P
‘데이터를 활용했지만, 정보가 효과적으로 도출되지 않는다’, ‘데이터 분석을 능숙하게 할 수가 없다’라는 고민도 그 원인은 분석 방법이나 통계에 있는 것이 아니라 대체로 앞선 예와 같이 불충분하고 부적절하게 문제를 정의했기 때문에 발생합니다. 한편, 이는 비단 데이터 활용이나 분석에 국한된 이야기가 아닙니다. 일반적인 문제 해결이나 논리적 사고와 같이 데이터가 사용되지 않을 때에도 본질적으로 같습니다. 문제를 설정할 때, 다음과 같은 질문을 항상 자신에게 되물었으면 합니다. 나는 문제를 명확하게 정의해 풀고 있는가?
55P
데이터를 활용해서 결과물을 만들 때, 자기 생각과 주관을 전하면 안 됩니다. 더욱 엄밀하고 객관적으로, 논리적인 주장을 전달해서 상대방이 이해할 수 있도록 해야 합니다. 아무리 데이터 활용에 초보자일지라도 이 점은 절대 잊지 말아야 합니다.
88
당연한 말이지만, 결론을 심정적으로 정해놓고 데이터로 평가하려다 보면, 그 결론과 다른 결과가 나올 경우 결론 자체를 바꿔야 할 수도 있습니다. 만일 데이터를 결론에 억지로 짜 맞추게 되면 본말전도이기 때문에 더더욱 주의가 필요합니다.
89P
만일 여러분이 직접 지금까지 배운 내용을 실행에 옮기려고 할 때 어렵다 느껴지고 막혔다면, 다음과 같이 ‘단순하게’ 생각해보는 것이 어떨까요? 제가 항상 강의할 때 전하는 말입니다. “당신이 현재 직면하고 있는 문제나 그 배경에 대해 전혀 모르는 제3자가 바로 앞에 있다고 상상하세요. 그 사람에게 당신이 다루는 문제를 데이터로 설명하려면 무슨 데이터를 어떻게 보여주면 좋을까요?”
129P
무엇이 원인인지 깊게 따져보는 것이 아니라 ‘아무것도 안 하는 것보다는 낫다’라는 식으로 아이디어를 제안하는 경우가 많습니다. 한정된 자원과 시간 속에서 ‘아무것도 안 하는 것보다 낫다’는 수준으로 대책을 세운다면, 사실 안 하는 것이 더 낫습니다. 효과적일 것이라 예상되는 방법을 객관적으로 검토해보고, 이에 집중해서 비용 대비 효과를 극대화하는 것이 가장 중요합니다.
138P
여기서 말하는 논리적 사고란, 개별 데이터와 분석에 대한 것이 아니라, 전체적인 스토리를 탄탄히 구성하고 결론의 설득력을 높이기 위한 사고력과 구성력을 말합니다. 이를 제대로 갖추지 않으면 아무리 고품질의 데이터를 대량으로 수집하고 완벽한 방법론으로 분석했다 해도, 상대방을 설득하기는 어려울 것입니다. 설득이 어려운 이유는 전체적으로 흐름과 논리성에 맞지 않기 때문입니다.
169P
만약, 맞든 안 맞든 상관없으니 참신한 아이디어만 내면 된다는 생각이라면, 애당초 데이터는 필요 없습니다. 필자는 이런 상황의 작업자를 ‘방법맨’이라고 부르고 있습니다. 세상 이곳저곳에는 '방법맨'투성이란 이야기를 하면 많은 분이 공감하십니다.
174P
결과와 결론에 이르는 과정은 본질적으로 같습니다. 결론이란 결과를 기반으로 도출하는 것이기 때문입니다. 하지만 표현 방식은 다릅니다. 그리고 그 작은 차이가 상대방에게 전달되는 방식이나 이해도에 큰 영향을 미칩니다. 이 차이를 이해하는 것 또한 데이터 문해력에 있어서 중요한 요소입니다.
195P
그 밖에도 인간이 정보를 수집할 때 일어날 수 있는 위험으로 ‘인지 편향’이라 불리는 몇 가지 선입견을 들 수 있습니다. 인간은 누구나 100% 객관적이고 합리적인 판단이 불가능하며, 여러 가지 편향적인 경향이 존재합니다. 의도와는 관계없이, 자신에게 더 유리한 정보에 치우쳐 분석하거나, 더 유리하게 해석하여 결론을 내리는 경우가 많이 있습니다. 아마 모든 사람이 경험했을 것입니다.
206P
‘무엇이 정답입니까?’라고 물으면 안 됩니다. 이 세상에서 정답이 한 가지뿐인 것은 학교에서 출제하는 시험 문제뿐입니다. 여러분은, 어떤 결론이 적절하다고 생각하십니까? ‘스스로 정답을 만들어내고 이를 논한다’라는 자세를 흔들림 없이 유지하는 것 또한 데이터 문해력의 중요한 요소입니다.
208P
‘해야 한다’와 ‘안 해도 특별히 문제는 없다’라는 인식 간에는 압도적인 차이가 있습니다. 여러분의 조직과 팀에서는 ‘데이터를 활용하는 것’, ‘논리적으로 제안하고 문제 해결을 하는 것’ 중 어느 쪽에 중점을 두고 있습니까? 사람은 나약한 존재이기 때문에, 지금 바로 ‘하지 않아도 특별히 문제가 없는 것’에 대한 우선순위는 필연적으로 낮아집니다. 번거로운 데이터 활용 추가 작업에 비한다면, ‘반드시 해야 할 일’, ‘친구와 노는 것’, ‘오늘 밤 한잔하러 가는 것’이 더 우선시될 것입니다. ‘데이터 활용은 중요하다’라고 말하면서, 실제로는 ‘안 해도 특별히 문제없는’ 상황인 경우가 많을 것입니다. 하지만 제도나 평가에 ‘데이터 활용’을 도입하고 업무 시스템으로 ‘반드시 해야 할 일’로 명시하고 있는 조직 또한 실제 존재합니다. 그런 조직은 ‘앞으로 나아가고’ 있습니다.
233P
‘데이터를 활용한다’란, ‘잔재주’로 가능한 것이 아닙니다. ‘올바른 목적을 설정하고 그 목적에 따라 데이터를 활용해서, 적절히 제시한 결과를 결론으로까지 끌어낸다’는 본질적인 흐름을 중시하고, 과정 하나하나 신중히 밟아가야 합니다. 그것이 바로 가치 있는 성과를 창출하기 위한 필수 조건이란 점을 이 책을 통해 느끼셨다면 바랄 나위 없겠습니다.
237P
회원리뷰 (15건)
혜택 및 유의사항?
데이터를 말하면서 정작 출판할때 기본적인 페이지 구성도 확인하지 않는 무성의함... 마음 같아선 (-)별표로 구성을 평가하고 싶네요~ 출판사의 무성의함 부주의함 성급함으로 인해 내용까지 평가절하시키고 싶습니다 지금도 이 상태로 출판이 되고 있다면 당장 절판하시고 개정판을 진행하는 것이 독자에 대한 최소한의 예의라고 생각합니다 향후 발행처 프리렉/ 편집 고대광... 블랙;
리뷰제목
데이터를 말하면서 정작 출판할때 기본적인 페이지 구성도 확인하지 않는 무성의함... 마음 같아선 (-)별표로 구성을 평가하고 싶네요~ 출판사의 무성의함 부주의함 성급함으로 인해 내용까지 평가절하시키고 싶습니다 지금도 이 상태로 출판이 되고 있다면 당장 절판하시고 개정판을 진행하는 것이 독자에 대한 최소한의 예의라고 생각합니다 향후 발행처 프리렉/ 편집 고대광... 블랙 리스트에 올려놓겠습니다
리터러시(literacy; 문해력)이란 주어진 정보를 이해하고 활용할 수 있는 능력을 의미하며, 이 책에서는 데이터 리터러시를 집중적으로 다룬다. 공통적으로 누구에게나 데이터 속에 숨은 진짜 의미를 알아내거나 자신의 업무에 데이터를 활용할 수 있는 능력을 키워주는 책이자, 더 나아간다면 데이터 관련 직군 초보자들이 문제, 원인, 해결책 등의 본질에서 벗어나 분석;
리뷰제목
리터러시(literacy; 문해력)이란 주어진 정보를 이해하고 활용할 수 있는 능력을 의미하며, 이 책에서는 데이터 리터러시를 집중적으로 다룬다. 공통적으로 누구에게나 데이터 속에 숨은 진짜 의미를 알아내거나 자신의 업무에 데이터를 활용할 수 있는 능력을 키워주는 책이자, 더 나아간다면 데이터 관련 직군 초보자들이 문제, 원인, 해결책 등의 본질에서 벗어나 분석 기법이나 딥러닝과 같은 기술에만 매달리는 현상에서 탈피하는데에도 도움을 주는 내용을 담고 있다.
책에서 말하고자 하는 핵심은 아래 도표로 설명된다. 문제를 명확히 파악한 후, 지표 및 데이터를 일치시켜 현 상태를 파악 및 평가한 후, 원인을 찾아, 해결방안을 제시할 수 있어야 한다는 것이 이 책에서 말하는 메인 아이디어이다.
여기에서는 데이터 리터러시가 부족한 일반인들이 자주 범하는 개선할 수 있는 인상깊은 사례 몇가지를 소개하는 것으로 책 소개를 대신하고자 한다.
-
여러분은 아래 데이터(그래프)를 어떻게
활용할 생각인가?
대부분의 답은 “츠바메시의 아동 인구밀도가 산조시보다도 2배나 많다.”등의 결론을 내린다. 하지만 그 결론이 무슨 의미가 있을까? 여기서 파악해야 할 핵심은
“이 그래프를 작성한 사람은 무엇을 말하고 싶었을까요?” 이다. 대부분의 사람은 이처럼 주어진 자료를 보는 관점부터 문제가 있는 셈이다. 그래서 분석 자체가 목적이 되는 우를 범한다.
- 활용의 성공과 실패를 가르는 접근법
- (X) 데이터를 가공 =＞ 데이터에서 무엇을 알 수 있을지 생각한다.
- (O) 데이터에서
무엇을 알 수 있을지 생각한다. =＞ 데이터를 가공한다. - (X) 데이터 =＞ 가설
- (o)
가설=＞ 데이터
-
문제의 핵심은 “나는 무엇을
알고싶은가? 무엇을해결하고자 하는가?”이다. - 지표를 정할 때 범하는 실수
- 고객 불편사항에 대한 개선이 이루어지지 않고 있다. =＞ 지표 : 클레임수 클레임 수를 지표로 정한 것 자체가 원인으로 단정한 것으로
주관이 개입되는 우를 범했다. - 광고에 대한 반응이 적다 =＞ 지표 : 문의 수 문의 수는 반응의
일부일 뿐이다.
- 고객 불편사항에 대한 개선이 이루어지지 않고 있다. =＞ 지표 : 클레임수 클레임 수를 지표로 정한 것 자체가 원인으로 단정한 것으로
- 평균값의 함정
- 서비스 A의 평균 만족도는 4.1이고, B의 평균 만족도는 3.5이다. 위 문장만 놓고 봤을 때 누가봐도 A가 좋다는 결론을 내리겠지만, 분포를 확인하니 아래 그림과 같았다.
과연 확실히 A가 좋은 것일까? 편차가 크다는 것은불안정성을 의미하기도 하지만 그만큼발전 가능성으로 볼 수도 있다.
- 서비스 A의 평균 만족도는 4.1이고, B의 평균 만족도는 3.5이다. 위 문장만 놓고 봤을 때 누가봐도 A가 좋다는 결론을 내리겠지만, 분포를 확인하니 아래 그림과 같았다.
-
비교의 기술 : 크기, 추이, 편차, 비율
- 목표는 행동!
- 이 젤라토는 섭씨 18.7도 이상, 습도 43.92% 이상일 때 잘 팔린다.
-
매출은 3,500만원이다. 이 정보는 큰 의미가 없다. 행동을 취할 수 없기 때문이다. 즉, 데이터
정리에서 끝나고 마는 것을 지양해야 한다. -
해결책 : 원인 후보 열거 ＞ 지표 결정 ＞ 관련성 확인 예) 경쟁사가 가격 변동을 몇 차례에 걸쳐 반복하고 있다. =＞ 지표 : 가격 변동과 매출 변화의 관계성 파악을 위한 가격 변동률 데이터를 활용한다.
관련성파악 방법- 산점도를 통한 경향
- 그룹화 : 상위 그룹군의 특성을 하위 그룹군에 반영하며 효과를 기대해본다.
- 이상치에 주목한다.
- 변화점(분기점)을 찾는다.
- 상관계수를 활용한다.
- 도전문제로 원인 찾아보기
- 문제 : 처음에는 주 1일만 활동한다고 들었는데, 실제 주 3일도 넘게 활동하고 있다. 거짓말 한 것도 기분 나쁘고, 고문 역할을 그만두는 것이 어떨까?
- 답안의 한 예시
- “만약 XXX가 아니라면?”이라는
꼬리를 무는 질문을 계속 던져본다.
- 주의해야 할 몇가지 사항
- 직접적인 관계인지,
간접관계인지? 예) 홈페이지 업데이트 빈도 =＞ (블로거가 블로그 게재) =＞ 점포 방문객 수 증가 - 원인은
여럿이거나 복잡할 수도 있다. 선형관계가 아닌 경우상관관계와인과관계 구별하기- 현재 상태를 파악 후 바로 해결방안을 모색하고 있진 않은지? (
단계 건너뛰기, 맨 윗 그림 참조) - 데이터로
설명 가능한 범위인가? 인지편향(심리학적 선입견 등)
- 직접적인 관계인지,
위에 소개한 사례들은 맛만 볼 수 있는 예제 몇가지에 불과하지만 책이 어떤 내용을 담고 있는지 소개하는 정도로는 충분할 것이다. 이 책은 위 예시와 같이 일반인들의 잘못된 데이터 접근방식의 예시를 들며 맨 위에 제시했던 그림에 해당하는 메인 아이디어를 서술해 나가는 책이다. 독자들이 감을 잡고 실무 분석에 있어 직접적인 도움이 될 수 있도록 알기 쉬운 예시 중심으로 구성된 점이 책의 장점이자 특징이라고 할 수 있다.
AI, 빅데이터 시대라 불리는 요즘 데이터에 대한 교양을 쌓고 싶거나, 혹은 데이터에 대한 감각이 부족하다거나, 기술 위주의 편식으로 인사이트를 도출하기 어려운 실무자에게 추천하고 싶은 책임을 강조하며 본 리뷰를 마친다.
책이름에 걸맞게 데이터를 어떻게 이해하고 활용하는지에 대해 설명 뿐만 아니라, 도식도를
활용하여 독자들의 이해를 도왔다는 점에서, 글쓴이가 이 책에 많은 노력을 공들였다는 것을
알 수 있었습니다. 또한 설명에 만 그치지 않고 실무 예제들에 적용 할 수 있는 데이터 프로세
스를 서술 한점도 데이터를 어떻게 정제하고 사용 할지에 대해 평소 궁금증이 있는 분들;
리뷰제목
책이름에 걸맞게 데이터를 어떻게 이해하고 활용하는지에 대해 설명 뿐만 아니라, 도식도를
활용하여 독자들의 이해를 도왔다는 점에서, 글쓴이가 이 책에 많은 노력을 공들였다는 것을
알 수 있었습니다. 또한 설명에 만 그치지 않고 실무 예제들에 적용 할 수 있는 데이터 프로세
스를 서술 한점도 데이터를 어떻게 정제하고 사용 할지에 대해 평소 궁금증이 있는 분들이라
면 저와 같이 위 책을 통해 큰 도움을 받을 수 있을 거라 믿어 의심치 않습니다.
위 경우는 실 사례의 그래프를 사용하여 독자들의 이해를 도왔고, 평범한 사람이 위 데이터를
통해 잘못 해석하는 사례를 어떻게 제대로 해석하는지도 수록해 놓아, 나의 객관적인 주장을
합리적으로 전달할 수 있는 근거도 만들 수 있었다.
특히 데이터를 다루는데 있어 통계와 같은 수학적 개념의 경우, 이해하기 힘들거나, 헛갈리는
부분을 다시 한번 '칼럼'이라는 코너로 수록해 놓아 비중있게 다루며, 해당 개념을 그래프로
비교 대조 하여 수록 했기 떄문에, 수학에 자신이 없어도, 쉽게 읽으 실 수 있을거라 생각합니
다.
데이터를 분석하고 싶거나, 내가 과연 올바로 데이터를 사용하고 있는지에 대해 의문이 있으
신 분들, 결과데이터를 어떻게 활용해야 할지 모르는 분들, 정보 수집 및 결론을 쉽게 이끌어
내고 싶은 분들, 데이터 활용 능력을 높이고 싶은 분들께 위 책을 추천드립니다.
프리렉 출판사로부터 도서를 증정받아 작성한 리뷰입니다.
한줄평 (7건)
혜택 및 유의사항
?
리뷰에 속았다. 수박 겉핥기하는 책
1명이 이 한줄평을 추천합니다.
공감
1
YES마니아 : 플래티넘
D****l
|
2021.12.15
'목적중심'과 '결과 해석' 두 가지 능력이 데이터 활용에 중요하다는 논지를 잘 전개한 책
이 한줄평이 도움이 되었나요?
공감
0
YES마니아 : 로얄
t****7
|
2022.06.19
추천받아서 샀어요!
이 한줄평이 도움이 되었나요?
공감
0
글**손
|
2022.02.21
