데이터 분석이 어렵게 느껴지는 두 가지 이유

데이터 분석의 중요성은 이제 누구나 인정하는 사실입니다. HRD 담당자로서, 우리는 데이터가 단순한 숫자의 나열을 넘어서 조직의 성장과 발전에 기여할 수 있는 강력한 도구임을 알고 있습니다. '데이터 분석에서의 핵심: 기술을 넘어서는 질문의 힘'이라는 글에서, 우리는 Burbn의 사례를 통해 올바른 질문이 데이터 분석의 근본적인 방향을 어떻게 제시할 수 있는지 탐구했습니다. 이러한 사례는 데이터 분석이 복잡한 코딩이나 통계학적 지식만을 의미하지 않음을 보여주었습니다.

오늘은 실무자가 조직 내에서 데이터 분석을 효과적으로 활용하는 방법을 한 걸음 더 나아가서 살펴보려고 합니다. 데이터 분석의 시작은 기술적인 부분이 아니라, 바로 '어떤 질문을 던질 것인가'에 달려 있습니다. 이 글에서는 HRD 담당자들이 데이터 분석을 통해 의미 있는 질문을 어떻게 던지고, 그 질문에 어떻게 답을 찾아갈 수 있는지에 중점을 두고 다루려고 합니다. 데이터를 단순한 정보의 집합으로 보는 것이 아니라, 조직의 성장과 발전을 위한 중요한 자원으로 활용하는 전략적인 접근법에 대해 함께 고민해 보겠습니다.

질문 없는 데이터의 함정 - 질문 First, 데이터 Later

데이터 분석의 세계에 발을 들여놓을 때, 대부분은 자연스럽게 숫자, 그래프, 그리고 표와 같은 데이터의 시각적 측면에 눈길을 먼저 주곤 합니다. 이러한 접근 방식은 우리가 데이터의 표면적인 부분에만 집중하게 만들며, 때로는 본질적인 목표를 잊게 만듭니다. 데이터 분석의 진정한 힘은 시각적인 요소를 넘어서 '우리가 무엇을 찾고 있는가'에 대한 명확한 인식에서 비롯됩니다. '질문 First, 데이터 Later'라는 원칙은 바로 이러한 관점에서 출발합니다.

분석을 위한 데이터는 많습니다. 하지만 그것들이 의미를 가지려면, 먼저 우리가 답하고자 하는 질문이 명확해야 합니다. 이것은 분석의 초점을 맞추는 나침반과 같습니다. 데이터는 방대하고 복잡할 수 있지만, 올바른 질문을 설정하면 우리는 분석의 방향을 정확하게 잡을 수 있습니다. 이렇게 질문을 먼저 설정함으로써, 우리는 데이터를 통해 필요한 정보만을 추출하고, 그 의미를 더욱 깊이 있게 파악할 수 있습니다.

많은 이들이 이러한 기술을 습득한 후에도 '결국 데이터 분석을 어떻게 해야 할지 모르겠다'고 말합니다. 이는 데이터 분석의 핵심이 단순히 도구의 사용법을 익히는 것이 아니라, 분석하고자 하는 명확한 질문을 가지고 시작해야 함을 보여줍니다. 분석의 목적과 방향을 제시하는 질문 없이는 데이터는 그저 숫자와 그래프에 불과하며, 실질적인 통찰력을 제공하지 못합니다.

첫 번째 이유; 질문은 어떻게 하나요?

이제 질문이 중요하다는 것을 알았지만, 질문을 던지는 것은 쉽지 않습니다. 질문을 쉽게 만드는 첫 번째 방법은 업무에서 달성하고자 하는 목표를 분명한 질문으로 전환하는 것입니다. 예를 들어 '교육의 컨셉 선정'이 현재 업무의 목표라면, '교육의 컨셉은 무엇으로 잡을 것인가?'와 같은 질문을 만들 수 있습니다. 업무의 목표를 질문으로 치환해 보는 것만으로도 쉽게 질문을 던져볼 수 있습니다.

하지만 데이터 분석의 관점에서는 첫 번째로 만든 질문을 좀 더 세분화할 필요가 있습니다. 이를 위해서는 세 가지 주요 방법을 고려해 볼 수 있습니다. 첫 번째는 '기준은 무엇이 될 수 있는가?'라고 질문을 던져 보는 것입니다. 예를 들면 '교육의 컨셉은 무엇으로 잡을 것인가?'라는 질문에 대해, '컨셉에 기준이 무엇인가?'라고 다시 질문해 보면, 다음의 질문들을 쉽게 떠올릴 수 있을 것입니다.

▪ 과거에 반응이 좋았던 교육은 뭐가 있을까?
▪ 시장에서 반응이 좋았던 교육은 뭐가 있을까?
▪ 교육 대상자가 좋아할 교육은 뭐가 있을까?
▪ 팀장님이 좋아할 교육은 뭐가 있을까?

두 번째 방법은 '순서의 흐름이 어떻게 되는가?'에 대한 질문을 던지는 것입니다. 예를 들어, '교육 모집을 어떻게 성공적으로 할 것인가?'라는 질문이 있다면, '수강생은 어떤 순서로 최종적으로 교육 신청까지 하게 될까?'라는 질문을 할 수 있습니다. 이를 통해 다음과 같은 질문들을 생각해볼 수 있을 것입니다.

▪ 교육 상세내용은 몇 명이나 볼까?
▪ 신청하기는 몇 명이나 눌러볼까?
▪ 최종 신청은 몇 명이 했을까?

마지막으로, '구성요소가 무엇인가?'에 대한 질문을 던져보는 것이 중요합니다. 예를 들어, '타겟하는 인원만큼 채용에 성공하려면 어떻게 해야 할까?'라는 질문이 있다면, '채용되는 인원을 위한 홍보 채널의 구성은 어떻게 될까?'라는 질문을 고려해 볼 수 있습니다. 이를 통해 다음과 같은 질문들을 고려해 볼 수 있을 것입니다.

▪ 채용 홍보에 사용된 매체는 어디일까?
▪ 각 매체별 홍보비는 얼마가 지출되었을까?
▪ 각 매체별 최종 채용된 인원은 몇 명일까?

이러한 질문들은 실무자가 데이터 분석을 통해 통찰력을 얻는 데 도움이 됩니다. 명확하고 전략적인 질문을 설정함으로써 데이터 분석은 단순한 정보 수집을 넘어서 실질적인 해결책과 전략적 결정을 이끌어내는 중요한 도구가 됩니다.

두 번째 이유; 데이터가 없어요

데이터의 부재에 대한 흔한 불만 중 하나는 "우리에게 필요한 데이터가 없다"는 것입니다. 하지만 이러한 인식은 대부분 데이터의 범위를 너무 좁게 보는 데서 비롯됩니다. 많은 사람들은 데이터 분석이라고 하면 복잡한 '개발' 작업이 필요하다고 생각합니다. 그러나 실제로는 개발과 무관한 다양한 데이터가 존재합니다. 데이터는 결국 우리가 가진 질문에 답을 줄 수 있는 것이라고 생각해 보면 다음 세 가지 유형의 데이터가 존재합니다.

첫 번째는 개발자 친화적인 데이터입니다. 사용자의 행동에 따라 기업 내 데이터베이스 또는 BI 솔루션에 자동으로 기록되는 이 데이터는 DB에 저장되어 BI 도구 등을 통해 분석할 수 있습니다. 예를 들어, 채용 포털에서 확인할 수 있는 공고별 조회수 및 지원자 수가 이에 해당합니다.

두 번째는 데이터 자체는 자동으로 기록될 수 있지만 여기 저기 흩어져 있어 담당자가 한땀 한땀 수집해야 하는 데이터입니다. 사실상 첫번째 데이터와 동일한데, 개발자의 도움을 받기 어려워 하나의 DB에 자동으로 수집이 어려울 때, 담당자가 직접 하나씩 수집하여 데이터로 활용해야 합니다. 이 과정은 시간이 많이 소요되지만 조직에 매우 중요한 인사이트를 제공할 수 있습니다.

세 번째는 측정과 기록이 자동화되지 않는 데이터입니다. 이 경우에는 데이터 생성을 위한 측정 항목을 기획하고, 이에 대한 답변(데이터)을 수집해야 합니다. 이러한 데이터는 주로 설문, 역량 평가, 문헌 조사 등에서 나타납니다. 이들 데이터는 분석을 위해 체계적으로 수집하고 관리해야 하며, 조직 내 중요한 의사결정을 위한 근거를 제공할 수 있습니다.

이처럼 데이터는 다양한 형태로 존재하며, 이를 효과적으로 활용하기 위해서는 먼저 데이터의 범위와 가능성을 넓게 이해하는 것이 중요합니다. 데이터 분석의 첫걸음은 바로 이러한 다양한 데이터 소스를 인식하고 활용하는 것에서 시작됩니다.

정리하면, 데이터를 보기 전에 먼저 질문을 해야 한다는 점을 잊지 말아야 합니다. 아인슈타인도 '올바른 질문을 찾고 나면, 정답을 찾는 데는 5분도 걸리지 않을 것이다.'라며 질문의 중요성을 강조했습니다. 실무에서 데이터 분석을 접목할 때는 반드시 데이터를 보려는 것에서 잠시 벗어나, 내가 답을 얻고자 하는 질문을 먼저 생각해 보는 것이 좋습니다. 또한, '필요한 데이터가 없다'는 생각은 데이터를 너무 좁은 시각에서 바라보는 것에서 비롯되므로, 데이터를 넓은 범위로 생각하면 내가 가진 질문에 답을 줄 수 있는 것보다 많은 데이터를 확인할 수 있을 것입니다.

실습 중심의 Skill 학습, 코멘토 실무PT

46개의 산업, 160개 직무에서 1,000여개 이상의 일경험 개발

코멘토는 국내 최대의 일경험 학습을 운영하는 교육 기관입니다. 코멘토는 실무자가 실습 기반으로 Skill을 학습할 수 있도록 돕고 있습니다.