데이터 리터러시(Data Literacy)

• 데이터
  • 특정 현상을 관찰하며 얻은 정보
  • 어떤 이론을 만들기 위한 기초 사실, 자료

데이터를 봐야하는 시기

• 비즈니스 레벨에 따라 데이터를 봐야하는 시기가 결정
• 태동기
  • MVP 집중
  • 사업의 가능성
  • PMF 확인
• 성장기
  • 시장 진입
  • 비즈니스 성장
  • 매출과 비용
• 성숙기
  • 많은 사람들이 아는 서비스
  • 서비스 다각화
  • 수익성 강화
• 태동기 시절부터 데이터를 보는 것은 좋으나, 꼭 필요하진 않을 수 있습니다. 태동기 시절엔 가설을 만들고, 그 가설이 맞는지 확인하며 제품의 매력을 만드는 것이 중요합니다

데이터로 할 수 있는 것

• 현상을 이해하고 패턴을 찾을 수 있음
• 서비스의 핵심 지표 정의 후 성장성 확인
• 매출, 비용 현황을 파악해 각 요소를 증가, 감소시키기 위한 고민을 할 수 있음
• 데이터 기반 의사결정, 업무 자동화(기획, 마케팅, 운영, MD 직무 등)
• 머신러닝, AI 모델 개발

직관과 데이터 기반 의사 결정

• 직관 기반 의사 결정
  • 스타트업 초기 레벨
  • 신사업
  • 수많은 Bias(편향)에 빠질 위험이 존재
    • 결정 과대평가
    • 결정 정당화
    • 부풀리기
    • 와전
• 데이터 기반 의사 결정
  • MVP 이후 데이터가 쌓이고 있는 시점
  • 고려해야 하는 부분
    • 데이터를 주관적으로 해석
    • 데이터 기반도 Bias(편향) 존재
    • 지표를 Hacking할 수 있음
    • 현재 ~ 근 과거 데이터를 보고 판단하게 됨

직관과 데이터를 모두 활용하는 의사 결정

결국 직관과 데이터를 모두 활용하는 의사 결정을 해야 함

여러 근거를 모아서 Action이 성공할 확률을 올리는 것이 핵심(=불확실성을 줄이기)

• 우리가 데이터를 활용하는 목적 : 특정 문제를 해결하고 싶음
  • 문제를 해결하는 과정에서 데이터 해석, Decision Making(의사 결정)이 필요함
  • 의사 결정을 하고, Action 진행

데이터 리터러시

• 데이터를 이해하고, 데이터를 분석하며 데이터에 기반한 의사 결정하는 역량
• 데이터를 읽고, 이해하고, 활용하는 역량(Why)
  • 참고 : SQL, 파이썬, R, Tableau : Hard Skill (How)
• 직무 상관없이 엑셀을 사용하는 것처럼, 데이터 리터러시 역량도 모든 직업에서 필요

---