데이터를 비즈니스 인사이트로 만드는 방법

데이터를 어떻게 의사결정에 활용하고, 데이터를 기반으로 소통과 설득하는 방법에 대한 EO스쿨 강의 요약입니다! 

---

데이터를 안보게 되는 이유

• 실행가능성 부재 : 데이터 많지만 어떻게 하라고?
• 인사이트 부재 : 알고 있는 정보인데?
• 비즈니스 연결성 부재 : 우리 비즈니스랑 어떤 연관이 있어?
• 정보의 과부하 : 데이터를 복합적으로 이해하기 어려워! 

💡 데이터 분석은 의사결정자 설득 뿐만 아니라 실무자 간 소통의 기반이 된다!

 

관련성 : 비즈니스 맥락과 데이터를 연결짓기

이게 지금 우리 핵심 문제와 어떤 관련이 있지?를 설명해야 의사결정자를 설득할 수 있습니다. 

 

비즈니스 문제의 주요 유형

1. 성과 문제
2. 기회 문제 (미개발된 시장 영역)
3. 비효율성 문제 (자원 활용 낭비)
4. 고객 문제 (낮은 만족도 등)

 

문제 식별 기준

아래 질문을 통해 현상이 문제인지 판단할 수 있습니다.

1. 목표 불일치 : 목표 달성이 필요한 상태인지
2. 반복적인 패턴 : 지속적으로 발생하는 이슈인지
3. 재무적 영향 : 수익적인 부분에 부정적 영향을 미치는지
4. 경쟁 열위 : 경쟁력 악화로 이어지는지
5. 증가하는 추세 : 시간이 지날수록 악화되는 경향이 있는지

 

문제 식별 질문

아래 질문을 통해 당장 풀어야 하는 문제인지, 우선순위를 두고 보아야 할 현상인지 판단해야 합니다.

1. 이게 해결 안되면 어떤 일이 일어나는가?
2. 이 상황이 회사의 비즈니스 KPI에 영향을 부정적 영향을 끼치는가?
3. 이 상황이 해결되면 어떠한 이점이 있는가?

 

복잡한 문제를 구조화

맥킨지, 민토 피라미드 법칙 : 복잡한 문제를 잘게 쪼개서 해결할 수 있는 수준으로 만드는 것입니다.

 

결론 < 쟁점 < 증거(데이터) : Top-Down으로 논리적으로 빈틈없이 접근해야 하고, 결론으로 포커스되어야 합니다.

 

문제 정의 3요소 - SCQ (Situation, Complication, Question)

주장(설명)할 때 청자가 관심을 가지게끔 하는 전략입니다.

1. 모두가 알고 있는 현재 상황
2. “그런데”로 전개를 지작해 관심을 유발
3. 해결을 위해 어떻게 해야 할지 질문
4. 답변 (어떻게에 대한 내용 전달)

 

비즈니스 맥락에 맞는 문제 분해 방법

큰 문제를 정의하고, 이를 MECE 원칙에 맞게 상호배타적인 하위 요소로 분해합니다.

MECE 원칙 : 서로 겹치지 않으면서 전체를 빠짐없이 포함하는 원칙

 

세부 문제가 서로 겹치는지, 빠진 부분이 있는지, 이 분류로 전체가 설명되는지 확인해야 합니다.

각 항목 별로 해결책을 도출할 수 있을 정도로 잘게 쪼개야 합니다.

 

문제를 잘 정의, 분해했을 때 효과

✔︎ 자원을 효과적으로 활용할 수 있습니다.

✔︎ 실제 성장을 방해하는 병목 지점을 타겟팅할 수 있습니다.

✔︎ 우선 순위 선정과 솔루션의 대안을 찾기 용이합니다.

 

Insight?

인사이트는 내용이 아닌 구조, 즉, 논리에 해당합니다. 데이터를 어떤 구조로 보느냐에 따라 다양한 의미를 지니게 됩니다.

내가 분석을 통해 얻은 결론이 insight가 되려면, 위에 있는 결론 - 쟁점 - 데이터 구조(민토-피라미드 구조)를 갖추고 있어야 합니다.

 

논리적 접근 : 연역법 VS 귀납법

연역법 (Top > Down) : 일반적인 원칙이나 전제로부터 구체적인 결론을 도출하는 방식

• 보편적 원칙이 명확할 때 활용할 수 있습니다. (전제의 타당성이 검증되어야 함)

귀납법 (Bottom > Up) : 개별적인 사실이나 사례들로부터 일반적인 결론을 도출하는 방식

• 데이터나 사례가 많은 경우 활용할 수 있습니다.

두 방법을 설득력있게 적절히 사용하는 것이 좋습니다!

 

So what? - 왜 중요한데?

발견한 패턴이나 데이터가 실제로 의미있는 인사이트인지 검증하는 방법입니다.

• 발견한 데이터 패턴에 “그래서 이게 왜 중요한가?”라고 질문
• 비즈니스 성과와의 연결성 확인
• 실제 행동 변화를 이끌어낼 수 있는지 검증
• 임팩트의 크기 정량화

So What 분석을 위해, 비즈니스 영향 평가, 기회 크기 정량화, 우선순위 결정, 실행 가능성 검토 등을 활용할 수 있습니다. 

 

Why so? - 왜 일어났는가?

데이터에서 발견된 패턴이나 현상의 원인을 파악하는 질문입니다.

• 발견한 데이터 패턴에 “왜 이런 현상이 발생했는가?”라고 질문
• 표면적 현상 아래의 근본 원인 파악
• 다양한 가설을 세우고 데이터로 검증
• 인과관계의 강도와 일관성 평가

Why so 분석을 위해 세그멘테이션 분석, 사용자 행동경로 분석, 상관관계 및 회귀 분석 등 다양한 방법을 활용할 수 있습니다.