데이터 체크리스트
데이터 조직
- 데이터 조직이 존재하는가?
- 데이터 조직이 어떤 조직에 속하는가?(CEO 직속, CTO 직속, 사업/운영 조직)
데이터 직무 파악
데이터 분석가
- 주요 업무
- 데이터 분석, 데이터 기반 Action 수립, 실험
- 회사마다 집중하는 영역이 다를 수 있음
- 예) Product / Business / Marketing / 모두 다 커버
- 이 직무의 역할이 “데이터 요청하면 추출”일 경우 데이터를 잘 활용하지 못할 수 있음
- PM과 데이터 분석가의 협업 형태
- 제품을 더 좋게 만들기 위한 가설을 만들고 Action Item 진행
- 데이터 기반 사고를 같이 하는 영혼의 파트너
데이터 사이언티스트
- 주요 업무
- 데이터 기반 알고리즘(AI, 머신러닝 모델)을 만드는 역할
- 예측 모델 개발
- 데이터 분석가와 데이터 사이언티스트의 역할 정의가 모호한 경우가 많음
- 어떤 회사는 데이터 분석가 = 데이터 사이언티스트며, 분석 + 모델링까지 하는 경우도 존재
- PM과 데이터 사이언티스트의 협업 형태
- 데이터 기반 알고리즘을 어떻게 활용할지 논의(예 : 추천 알고리즘)
- 제품의 Feature 중 하나로 알고리즘을 적용
데이터 엔지니어
- 주요 업무
- 데이터를 활용할 수 있도록 데이터를 저장하는 역할
- 데이터 파이프라인 구축
- 데이터 인프라, 데이터 웨어하우스, BI 플랫폼(Redash, Superset) 구축
- 작은 회사라면 백엔드 개발자가 데이터 엔지니어 역할을 하기도 함
- 데이터 분석가가 먼저 뽑히고, 데이터 엔지니어를 채용하는 케이스가 많으나 데이터 엔지니어가 먼저 존재하는 것이 좋다고 생각
- PM과 데이터 엔지니어의 협업 형태
- 데이터 분석을 위해 특정 데이터를 보고 싶은데, 어떻게 볼 수 있을까? 논의(데이터 파이프라인)
- 데이터를 잘 보기 위한 데이터 플랫폼 논의
AI 연구자(Research Scientist)
- 주요 업무
- 딥러닝 모델 연구 & 논문 출판
- 딥러닝 모델 개발
- 서비스에 적용할 수 있는 모델 연구
- 비즈니스 모델에 AI가 메인이 아니라면 나중에 생기거나, 데이터 사이언티스트가 겸하는 경우도 존재
- 연구에 집중할지, 모델 적용에 집중할지는 회사에 따라 다름
- PM과 AI 연구자의 협업 형태
- 데이터 사이언티스트와 유사하게 진행
- 데이터 기반 알고리즘을 어떻게 활용할지 논의(예 : 추천 알고리즘)
- 제품의 Feature 중 하나로 알고리즘을 적용
데이터
- 사용자는 얼마나 있는가?
- 주차 리텐션은 어떻게 되는가?
- 재구매 주기는 어떻게 되는가?
- 제품의 퍼널별 이탈률은 얼마나 되는가?
- 핵심 고객의 정의가 되어있는가?
데이터 문화
- 사람들이 데이터에 얼마나 익숙한가?
- 과거 데이터 분석 기록이 있는가? 분석 가이드가 있는가?
- 사내 데이터 플랫폼 가이드가 있는가?
- 실험을 진행하고 있는가?
- 실험 가이드가 있는가?
데이터 인프라
- BI, 데이터 시각화 도구가 있는가?
- Product Analytics 도구가 있는가?
- Database의 ERD가 있는가?
- 데이터 웨어하우스가 구축되어 있는가?
- 웹, 앱 로그는 어떻게 저장되고 있는가?
