프로그래머스 데이터분석 데브코스 1기 - 2일차

주제

1. 데이터 기반 의사결정

2. 좋은 지표 KPI와 지표의 종류

3. 시각화 툴 소개 (실습)

 

데이터 기반 의사결정

• 두가지 : Data Driven Decision vs. Data Informed Decision
• 데이터 분석가는 인사이트와 분석 케이스를 잘 살펴볼 줄 알아야 함

 

조직 구조의 중요성과 트렌드

중앙 집중 구조	분산 구조	하이브리드 구조
모든 팀원이 하나의 팀으로 존재	데이터 팀이 현업 부서별로 존재	데이터 팀원의 일부는 중앙에서 인프라적 일을 수행. 나머지는 현업팀에서 작업
일의 우선 순위는 중앙 팀이 결정	일의 우선 순위는 각 팀별로 결정	가장 이상적인 구조
팀원 간의 지식과 경험 공유가 쉽고, 커리어 경로가 뚜렷함	팀원 간의 지식과 경험 공유가 힘듬, 데이터 인프라 구축이 힘들어짐
단점 : 현업 부서들의 만족도는 상대적으로 떨어짐	단점 : 부서 간 중복 투자 발생, 초반에 만족도는 높으나 많은 데이터 팀원의 퇴사 발생. 데이터 전략이 서로 다를 수 있음

 

 

※ 데이터 메쉬 (Data Mesh) 

• 중앙 관리와 표준을 염두에 둔 데이터 분산 아키텍처
• 마이크로서비스와 흡사함
  • 마이크로서비스 : 웹서비스를 다수의 작은 서비스들로 구현하는 방식
  • 각 서비스들은 팀 단위로 원하는 언어 / 기술로 개발하는 자율성을 가짐

 

좋은 지표란?

KPI 기준

• 현재 가치뿐만 아니라 재발생되는 가치를 찾을 수 있는 것
• Lagging indicator(후행지표) vs. Leading indicator(선행지표)
  • ex. 가입된 회원 vs. 유료 회원
• 사용할 수 있는 피드백 메커니즘 (의사결정에 사용됨)
  • WAU vs. MAU

 

※ 지표(Metrics)

• 지표와 KPI의 차이점 = 중요도
  • KPI는 회사의 중요한 지표
  • 지표가 더 큰 개념
• 팀 / 개인별로 중요한 성과 목표를 '정량적'으로 갖는 것이 중요함

 

지표 기반 결정을 하지 못하면 벌어지는 현상

-> 대시보드를 계속해서 만들게 됨 (의사결정 장애). 따라서 지표와 대시보드의 수는 적을수록 좋음

 

선행지표와 후행지표

• "입력에 초점을 맞춰서 출력에 긍정적인 영향을 끼쳐라" - Working Backwards by Bill Carr, Colin Bryar

인풋 지표 (입력)	아웃풋 지표 (출력)
아웃풋 지표를 움직이는 지표로 직접 통제 가능한 지표	인풋 지표의 결과로 직접 통제 불가능한 지표
선행 지표	후행 지표
ex. 제품 다양성, 가격, 편의성 등	ex. MAU, 판매량, 매출 등

 

 

KPI와 선행지표

• 매출액(vs. active users)
  • 기존 고객 매출 (recurring) vs. 새로운 고객 매출 (new)
• 매출 = 가격(P) * 판매량(Q)
  • P가 고정됐다는 전제하에 Q를 늘릴 방법을 모색
• Q에 영향을 주는 인풋 지표는?
  • 아웃바운드 영업 건수, 온라인 강의 수, 사이트 방문자 수 등을 생각해볼 수 있음
• 중요한 KPI
  • 매출 vs. 서비스 사용 고객수(DAU, WAU, MAU)
  • 보통 매출이 훨씬 더 중요함 (단, 새 고객에게서 발생하는 매출과 기존 고객에게서 발생하는 매출을 따로 볼 것!)
  • 네트워크 현상이 중요한 도메인에서는 "서비스 사용 고객수"도 중요한 지표가 됨
    • 서비스 사용의 정의가 중요함 -> What makes an active user? -> ex. paid user

 

시각화 툴 소개

시각화 툴

• 대시보드 혹은 BI(Business intelligence) 툴이라고도 함
• KPI, 지표, 중요한 데이터 포인트를 데이터 기반으로 계산 / 분석 / 표시해주는 툴
• 결정권자들에게 데이터 기반 의사결정을 할 수 있게 도와줌

 

어떤 툴을 선택해야 할까?

• Looker(구글)나 Tableau(세일즈포스)가 많이 쓰이는 추세임
  • 두 개 모두 배우는데 시간이 필요
  • Tableau가 더 싸고 투명함. 무료 버전도 존재
• 중요한 포인트 : 셀프서비스 대시보드를 만드는 것
  • 그렇지 않다면 매번 사람의 노동이 필요하기 때문.
  • 60-70%의 질문을 셀프서비스 대시보드로 할 수 있다면 성공적
  • 사용하기 쉬어야 함
    • 데이터 민주화 (Data Democratization), 데이터 탈중앙화 (Data Decentralization)
    • 데이터 품질이 중요해지면서 데이터 거버넌스가 필요한 이유가 됨

 

Tableau 써보기

• Tableau public은 무료! 윈도우와 맥 버전 모두 존재
• csv 파일은 텍스트 파일로 열면 됨

Tableau의 워크시트

• Columns(열)에는 보통 dimension이 들어감
  • Dimension : 시간에 따라 수치가 어떻게 변하는지를 확인
• Rows(행)에는 measure가 들어감
  • Measure : 우리가 트랙킹하고 싶은 수치
• 하단에서 worksheet(차트)를 열어서 원하는 데이터를 column 혹은 row에 끌어다 넣을 수 있음
• 대시보드는 worksheet 옆에서 열 수 있고, 만들어 둔 sheet를 drag & drop하면 완성
• Tableau 서버에 나의 대시보드를 저장하여 업로드 할 수 있음

 

 

---

 

느낀점

강사님이 보통의 데이터 분석가의 일주일을 알려주셨는데 미팅이 굉장히 많아서 놀라웠다. 또한 좋은 지표에 대해서 상세하게 학습할 수 있어서 좋았다. 좋은 지표란 곧 좋은 데이터 기반 의사결정을 내리는데에 필수적인 것이라는 생각이 들었다. 그리고 오늘은 처음으로 Tableau를 경험해볼 수 있었는데 아주 짧은 맛보기였지만 크게 어렵다는 생각은 들지 않았다. 생각보다 직관적인 것 같기도 하고..? 더 깊은 실습이 기대된다.