[데이터 문해력] 빅데이터 시대, 성과를 이끌어 내는 데이터 문해력

데이터를 최대한 활용하고 가치 있는 결과물을 도출하려면,
기계와 도구 조작법을 깊게 이해하는 것과 별개로,
우리가 직접 익혀야 하는 고도로 가치 있는 기술 (= 데이터 문해력)이 필요하기 때문입니다.

 

 

# 분석 과정에 따른 총 7가지의 가치 있는 기술

 

1) 목적 사고력

: 목적에 맞게 문제와 데이터를 연결하는 힘

- 풀고자 하는 문제가 명확하게 정의하기

- 정의한 문제와 사용하는 데이터 일치시키기

 

2) 현상 파악 및 평가력

: '이것이 문제다' 데이터로 문제를 표현하는 힘

- 결과와 평가는 다르다

- 비교할 때는 평균, 추이, 편차 등을 고려

 

3) 원인 파악 능력

: 결과가 나온 것에 그치지 않고 행동으로 이어지는 힘

- '데이터 정리'에서 끝나는 것이 아니라 최종 목표는 '행동과 판단'

- 데이터에서 원인을 찾아내기 위해 문제와 원인 관련성 유무 확인하기

 

4) 전체 구성력

: 스토리(논리)를 만드는 힘

- '원인 분석'을 통한 '해결 방안' 제시

- '왜(원인)' 그런지 끈질기게 생각하고 반복하자

 

5) 정보 집약력

: 정보를 수집하고 결론을 이끌어내는 힘

- 결과와 결론은 다르다

- 결과 : 계산과 분석을 해서 나온 결과물

vs 결론 : 그 결과가 목적에 대해 어떤 의미가 있는지 설명하는 것

 

6) 시야확대력

: 데이터로부터 시야를 넓히는 힘 

- 데이터 안에는 답이 없다

- '짝짓기'와 '자기부정'을 통해 시야를 넓혀 보이지 않던 것을 보자

 

7) 실행력

: 문해력을 실현하는 힘

- 목적을 명확하게 설정

- '생각'과 '작업'의 차이 이해

- 결과물 적절하게 평가

 

'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 조건 !

 

 

# 막혔을 때 꼭 떠올렸으면 하는 필자의 조언

 

- 데이터 분석을 통해 얻을 수 있는 결과가 목적을 잘 반영하고 있는지는 데이터의 양과 분석 방법에 좌우되지 않는다.

- 데이터 분석이란 눈 앞의 데이터로부터 어떤 패턴을 추출하는 것이 아니다.

- '데이터를 통해 판독'한 정보는 아무리 훌륭한 데이터 사이언스를 구사하더라도 인사이트라고 할 수 없다.

- '데이터 분석 방법'과 '데이터 분석을 활용하는 방법'은 전혀 다른 개념이다.

- 목적이 애매하면 그것이 잘 풀릴지는 운에 의지하게 된다.

- '분석'도 '데이터'도 어디까지나 수단이고 도구일 뿐, 답을 제시해주지 않는다.

 

 

 

출처 : 빅데이터 시대, 성과를 이끌어 내는 데이터 문해력

 

빅데이터 시대, 성과를 이끌어 내는 데이터 문해력

나완 상관없을 것 같았던 인공지능부터 시작해 데이터와 관련된 수많은 이야기가 주변에서 쏟아져 나옵니다. 모르면 뒤처지지 않을까? 하는 걱정부터 앞섭니다. 데이터 활용 능력은 지금보다 앞으로가 더 중요해질 것입니다. 통계나 분석학과 같은 학문부터 파이썬, R과 같은 프로그래밍까지, 이러한 지식이나 기술을 모른다면 정말 아무것도 할 수 없을까요? 이미 기계가 압도적으로 잘하는 일이 많은 세상입니다. 하지만, 기계가 할 수 있는 것과 할 수 없는 것이 있습니다. 오늘 처음 만난 상대에게 광범위하고 객관적인 주장을 합리적으로 전달할 수 있는 효과적인 도구가 바로 데이터입니다. 절대적인 정답이 존재하지 않을 때, 당신은 어떻게 자신이 생각하는 바를 상대에게 전달하고 이해시킬 수 있을까요? 데이터에서 찾아낸 인사이트를 자신의 결론으로 이끄는 이야기로 만드는 능력이 바로 데이터 문해력입니다. 목적과 문제를 올바른 데이터와 연결해서 가치 있는 결론을 낼 수 있도록 하는 사고방식과 기술을 안내합니다.

저자

카시와기 요시키

출판

프리렉

출판일

2021.03.05