최근 많은 기업들이 데이터를 중심으로 사업을 운영하려고 합니다. 쿠팡은 대표적인 Data 중심의 의사결정을 하는 기업으로 유명합니다.
쿠팡만의 데이터 시스템과 고객 경험 개선, Matthewm lan, Saizy를 만나다
위 링크를 보시면, 아래 항목들을 제일 첫 문단에 설명하고 있습니다.
- 데이터 시스템과 툴 설계
- 자체 A/B 시스템 구축 및 활용
- 이미 구축된 데이터 에코 시스템
해외 사례로는 넷플릭스나 아마존이 있을 것 같습니다.
넷플릭스와 아마존은 어떻게 데이터 분석을 하고 있을까요?
넷플릭스는 다음과 같은 데이터를 수집하고 분석한다고 합니다.
- 사용자가 각 콘텐츠를 어디서부터 어디까지 시청했는지
- 사용자가 언제 시청을 멈추는지, 뒤로 돌려보는지, 앞으로 돌려보는지
- 어떤 기기를 통해 시청하는지
- 언제 일시정지를 하는지
- 얼마나 있어야 다시 돌아와서 컨텐츠를 시청하는지
모두 "데이터가 핵심이다." 라고 말은 하지만, "데이터 드리븐은 000이다." 라고 명확하게 설명은 못하는 경우가 많을 것 같습니다. 그래서 이번엔 그 "데이터" 를 둘러싼 용어에 대해서 정리하고자 합니다.
데이터를 활용하는 3 가지 방법
데이터를 활용해서 비즈니스에 적용하는 방법에는 아래 3 가지가 유명합니다.
- 데이터 인폼드(Data-Informed)
- 데이터 인스파이어드(Data-Inspired)
- 데이터 드리븐(Data-Driven)
데이터 인폼드(Data-Informed)
A data isn't the full picture, just taken into consideration.
Data-Informed On the other hand, a data-informed approach is where decisions are made after considering data as well as user research, experience, and personal insights. Rather than allowing data to control everything, there’s still a human element to decision-making.
(Data-Driven Vs Data-Informed: Which is More Strategic)
Data-Informed 는 '주요 지표'에 대해서 이해하고 있는 것이고, 이 지표에 대해 자신의 '의견' 을 더해서 결정하는 것을 의미합니다. 정리하면, "데이터를 보고 주관적인 의견을 생성하는 방법" 입니다.
데이터 인스파이어드(Data-Inspired)
Being data-inspired is being inquisitive. many data sources are explored to generate new directions or inform strategy. It's useful for identifying new opportunities and fresh ideas for prototypes.
Data-Inspired 는 데이터를 보고 '인사이트'를 얻는 활동 입니다. 그러므로, 데이터를 보고 인사이트가 나올 수도 있고, 나오지 않을 수도 있죠. 위에 인용에서 나오는 것처럼, 프로토타입이나 새로운 기회를 탐색할 때, 주로 사용하는 방법입니다.
데이터 드리븐(Data-Driven)
Data-Driven 은 데이터를 기반으로 '의사결정' 을 하는 겁니다. '개인의 주관'을 제거하고, 어떤 선택이 나은지 결정할 수 있는 가설을 만들고, 그 가설을 검증하고, 검증 결과를 그대로 반영하는 프로세스입니다.
예시
데이터) 10월 01일 ~ 11월 01일 까지 DAU / MAU 가 5% 상승Data-Informed
"위 지표를 보니까, 가을이 되면서, 우리 앱의 000 콘텐츠를 많이 봐서 그런 것 같아"
Data-Inspired
"위 지표를 보니까, 뭔가 가을 컨샙에 맞게 무언가 해야할 것 같은 느낌이 들어."
Data-Driven
"이번 가을에 추가한 콘텐츠는 사용자들의 앱 사용 시간을 늘릴 것이다." 라는 가설이 맞으므로, 새로운 가설을 세우고 다시 검증해보자.
정리
Data-Driven 을 이야기할 때, 자주 착각하는 것이 "데이터를 보고 인사이트를 얻어야해!" 라고 합니다. 이것은 위의 정리한 개념에 따르면, Data-Driven(X), Data-Inspired(O) 입니다. 말그대로 데이터를 보고 영감을 받는 행위니까요. Data-Inspired 의 방법은 통찰력을 얻을 수 있으니, 좋은 활동이나, 언제나 그 통찰력을 얻을 수 있을 것이라 기대할 수 없습니다. 잘못 사용하게 될 경우, 데이터를 기반으로 한 개인 주관을 더욱 강화하는 악영향을 줄 수도 있습니다. 개인적인 생각으로는 이러한 통찰력이라는 주관적인 요소를 줄이고자 데이터 드리븐을 한다고 생각합니다.
Data-Driven 에서 가장 중요한 것은 '데이터 그 자체' 가 아니라 '지표 설정 - 가설 생성 - 검증 - 피드백' 이라고 생각합니다. 즉, 데이터 그 자체가 보다, 데이터를 기반으로 한 프로세스가 중요한 것이죠. 이렇게 많은 가설들이 쌓이고 결과가 쌓이면, 이러한 것들이 특정 기업의 노하우라고 생각합니다.
정리하면, 다음과 같습니다
"~ 한다면, ~ 할 것이다." 와 같은 가설을 세우고, 이를 피드백 하는 것이 중요하다
이 글은 요즘IT-Data-Driven하게일하는법 에서 제일 많이 참고했습니다. 나머지 해야하는 데이터 드리븐을 이유 및 장점은 위 링크에서 너무 잘 설명하고 있으니, 참고하시면 좋을 듯 합니다.
참고자료
- 요즘IT-Data-Driven하게일하는법
- 쿠팡만의 데이터 시스템과 고객 경험 개선, Matthewm lan, Saizy를 만나다
- 넷플릭스와 아마존은 어떻게 데이터 분석을 하고 있을까요?
- '무조건' Data Driven 일까?
- Data-driven, data-informed, and data-inspired product deicisions. What are the differences and when should you use each one?
- Data-Driven Vs Data-Informed: Which is More Strategic
