TIL & 아티클 스터디(2)(3)

2025-02-11

 

오늘도 사전캠프에 늦지 않고 스터디를 진행했다 ˶'ᵕ'˶

다른 팀들과 달리 사전 캠프를 늦게 시작하게 되어 읽어야 할 아티클이 많았다.
하지만 모든 아티클이 나에게 유용한 내용이라 읽으면서 많은 것을 배우고 느낄 수 있었다.

오늘 배운 아티클의 주제는 총 3가지이다!

 

1. 데이터 분석가란

2. 데이터를 활용해 문제를 해결할 수 있는 능력을 기르는 방법

3. 데이터를 잘못해석 하는 상황별 유형과 피하는 방법

 

아래는 아티클을 읽고 나만의 언어로 정리한 글이다. 

---

[주제]

데이터 분석가란?

 

[아티클 요약]

▶들어가며

빅데이터의 중요성이 날이 갈수록 커지면서 데이터 관련 직군이 인기를 끌기 시작했습니다. 데이터 기반의 의사결정은 필수인 시대가 되었습니다. 데이터 분석가, 데이터사이언티스트, 데이터 엔지니어는 무슨일을 하는지 해당 직군의 업무에 대해 설명하고자 합니다. 

 

▶데이터 분석가, 데이터 엔지니어, 데이터 사이언티스트의 차이점

-데이터 분석가: 데이터를 분석하고 의사결정을 하는 역할(기획자에 가까움)

-데이터 엔지니어&데이터 사이언티스트: 데이터 처리와 모델링하는 역할(개발자에 가까움 )

 

▶데이터 분석가는 어떤 일을 하나요?

데이터 분석가는 데이터를 구성한다음 해당 데이터를 사용하여 문제를 해결하거나 질문에 답하는 일을 한다고 할 수 있다. 통계학적 이해와 비지니스 도메인에 대한 지식이 필요하고, 데이터 분석 결과를 바탕으로 문제해결, 시장예측, 비즈니스 최적화등 역할을 수행하게 된다. 

 

▶데이터 분석가는 어떤 역량을 갖춰야 하나요? 

-도메인에 대한 이해(산업별 데이터 해석능력)

-문제 해결 능력 

-의사소통 능력 

-의미 있는 결론 도출 능력 

 

▶데이터 분석가와 퍼포먼스 마케터의 차이

-퍼포먼스 마케터: 고객을 데려오고, 매출을 높이는 게 주 업무이다.

-데이터 분석가: 고객이 느끼는 불편함을 찾아서 개선하거나 비용을 절감할 수 있는 포인트를 찾는다. 

 

[인사이트]

오늘 읽었던 부분 중 데이터 분석가는 어떤 역량을 갖춰야 하는가?"라는 부분이 가장 인상적이었다. 데이터 분석가는 산업에 대한 관심을 가지고 도메인에 맞는 데이터를 해석하는 능력이 중요하고 회사에서 요구하는 데이터가 존재하지 않을 경우 이를 어떻게 대체할지 고민해야 하며 비전문가와 원활히 소통하기 위해 쉽게 설명하는 능력도 필수적이다. 이 과정에서 OMTM와 IM이 중요한 역할을 하지만 허영 지표를 세우지 않도록 신중해야 한다는 것이다. 이러한 개념들은 내가 이 직무를 고민하면서 중요하게 여겼던 부분과 같다. 데이터 분석가가 한말이 생각이 나는데 마트에서 막걸리 판매량이 급증했는데 할인이나 광고 때문이 아니라 단순히 비가 많이 왔기 때문이라는 사례를 들은 적이 있다. 이처럼 데이터 분석가는 단순한 수치 분석이 아니라 다양한 맥락을 고려한 해석이 필수적이라는 점이 생각이 났다. 결과적으로, 데이터 분석 직무는 단순한 기술적 역량뿐만 아니라 산업에 대한 이해, 논리적 사고, 소통 능력까지 종합적으로 요구되는 분야임을 다시 한번 확인할 수 있었다.

 

[데이터분석] 데이터 분석가는 어떤 일을 하나요?

---

[주제]

●데이터를 활용해 문제를 해결할 수 있는 능력을 기르는 방법

●데이터를 잘못해석 하는 상황별 유형과 피하는 방법

 

데이터를 활용해 문제를 해결할 수 있는 능력을 향상하고 데이터/실험 기반 사고방식을 통해 조직이나 기업이 데이터 중심의 의사결정을 내릴 수 있도록 환경만들어야 한다. 데이터맵과 대시보드를 활용해 분석 흐름을 최적화고 데이터 분석가는 단순한 리포팅을 넘어 문제를 정의하고 해결책을 제안하는 핵심 역할을 수행해야 한다.

 

▶데이터를 단순히 수집하는 것이 아니라 체계적인 프로세스를 활용하고 실험을 통해 지속적으로 개선하는 문화가 정착될 때 진정한 데이터 기반 의사결정이 가능해진다.

 

아래는 체계적인 프로세스의 예시이다.

-해결하려는 문제 → 문제정의 (왜 이문제가 중요한가 조직의 목표와 연결)

-관련OKR (Objectives and Key Results) → 조직 전체 방향과 일치하는지 살펴보기

-측정지표(객관적인 지표) → 문제 지표가 목표와 잘 맞는지, 측정한지

-가설검증 기준 → 성공여부 판단 어떻게?

-검증 후 변화될 액션 → 의미없는 액션을 하는 게 아닌지

-결과 → 검증 기준으로 결과가 나왔는지

-학습한점 → 어떤 학습을 했고, 다음 실험에는 어떻게 반영될 것인지

 

▶데이터 해석 시 생존자 편향, 심슨의 역설, 상관관계 오류, 부적절한 지표 선택, 근거 부족 등의 오류를 피하고, 올바른 데이터 분석 방법을 적용해야 한다.

 

①생존자의 편향이란

의미:성공한 사례만 보고 판단하는 오류. 실패한 사례는 고려하지 않아 잘못된 결론을 내릴 수 있음.

해결법: 생존자 편향의 오류를 막기 위해서는 전체 대상을 기준 잡는것이 중요. 일부 데이터 대신 전체 데이터를 기준으로 해석을 시도하면, 올바른 지표에 따른 해석이 가능해집니다.

 

②심슨의 역설

의미:전체 지표와 그룹을 나눈 지표의 방향성이 다르게 나타나는 상황.

해결법: 세분화된 데이터(성별, 연령대, 기기타입, 신규/기존)를 미리 정해서 지표를 살펴보는 것이 효과적이다.

 

③상관관계를 통한 성급한 일반화

의미: 두 데이터의 유사한 변화를 보고 인과관계로 착각하는 오류.

예:이벤트 페이지 조회수가 증가하면 매출도 증가한다고 단정하는 경우.

해결법: 두 지표에 동시에 영향을 줄 공통 원인이 있는지 확인해야함. 새로운 구조와 지표간의 관계를 파악하는 과정이 꼭 필요함.

 

④목적에 맞지 않는 지표 선택

해석: 분석 목표와 맞지 않는 지표를 사용하면 잘못된 결론이 나올 수 있음.

예:CTA 버튼 클릭 수가 늘었다고 해서 실제 구매 전환율이 증가했다고 판단하는 경우.

해결법: 이처럼 추상적인 단계에서는 같은 목적이더라도 목적을 명확히 해야함. 목적에 맞는 지표를 선택해야 제대로 된 의사결정을 할 수 있기 때문.

 

⑤세이건 표준 참고하기

"특별한 주장에는 특별한 근거가 필요하다"는 원칙. 데이터 해석 시 충분한 근거 없이 과장된 주장을 하지 않도록 주의해야 해야한다. 데이터를 잘못 해석하지 않기 위해서는 세이건의 표준을 참고하는 것이 좋은데 데이터를 특별한 주장으로 연결 시키기전 충분한 근거를 확보했는지, 데이터를 잘못해석할 가능성은 없는지 인지적으로 노력하는 과정이 무엇보다 중요할것입니다. 

 

[인사이트]

데이터가 있다고 해서 항상 정확한 결론을 도출할수 있는것이 아니라고 느꼈다. 올바른 결론을 내리기 위해서는 목적에 맞는 지표를 신중하게 선정해야 하며 단순한 상관관계가 아닌 공통원인을 찾아야 한다는 점이 중요하다는 것을 배웠다. 특히 생존자의 편향을 읽으면서 데이터 해석의 한계와 문제점을 더 잘 이해할 수있었다.

 

데이터 리터러시(Data Literacy)를 올리는 방법 | 요즘IT

그 데이터는 잘못 해석되었습니다 | 요즘IT

 

---

[ 피드백 ] 

문제 1. 의견 정리 

아티클을 읽고 나서 논리적으로 의견을 정리하고 표현하는 데 더 연습이 필요하다

문제 2. SQL 기본 이해 

본 수업 들어가기 전까지 기본적인 명령어와 데이터 조작 방법을 원활하게 적용할 수 있도록 준비하자.

 

[오늘 배운 것]

• 아티클 스터디- 데이터 분석이란 무엇이고 데이터 관련직군의 차이와 데이터 분석가가 가져야할 역량, 데이터를 활용해 문제를 해결할 수 있는 능력을 기르는 방법과 데이터를 잘못해석 하는 상황별 유형과 피하는 방법
• SQL 강의 가장많이 사용되는 문법(키워드)강의 듣고 블로그 정리

[주간목표 ]

• 기초강의 완강하기 (걷기반) 
• 사전캠프 빠지지 않기 
• 사전캠프 적극적으로 참여하기 
• 노션과 깃허브 정리하기 
• TIL 매일 작성하기
• 스파르타 코딩클럽 수강 접수하기 √