시간 사용 일기를 분석하기 위한 최소한의 데이터 문해력
스몰 데이터로 자기 계발 효율화하기 (5)
Previously on 스몰 데이터로 자기 계발 효율화하기 (4)
- 기록이 목적은 아니지만, 기록해야 관리할 수 있다. 습관을 들이기 위해 공부의 시작과 끝에 [시간 사용 일기]를 곁에 두자.
- 처음부터 완벽하게 세팅하려 하거나, 기록에 엄청난 정밀성을 추구할 필요는 없다.
- 세팅이 변할 순 있지만, 효율화라는 목적에 필요하지 않은 항목은 기록하지 말자. 욕심이다.
- 계획 달성 여부를 체크하는 게 아니다. 계획은 변할 수 있다. 우리의 시간을 그 변화하는 계획에 맞춰 잘 썼는지가 핵심이다.
- 공부 총량을 늘리는 게 핵심이 아니다. 많이 하면 좋지만, 많이 한다고 효율이 좋은 것도 아니다.
- 정직하게 기록하자. 한 것만, 한만큼만.
4편의 글에 이어, 효율적인 시간 설계와 활용을 위해 거쳤던 구체적인 과정을 공유하고자 한다.
1. OKR을 활용해 내 시간을 사용할 항목들을 나열하고 구조화하기
2. 구글 스프레드 시트를 활용한 간단한 [시간 사용 일기] 세팅하기
3. [시간 사용 일기]를 적고 관리하며 필요한 마인드셋과 노하우
4. [시간 사용 일기]를 통해 분석, 회고할 때 필요한 약간의 데이터 문해력 ◀
[시간 사용 일기]를 통해 분석, 회고할 때 필요한 약간의 데이터 문해력
1. 잠복 변수
원인이 되는 독립변수 X와 이로 인한 결과가 되는 종속변수 Y 외에 숨어있는 변수로, 원인과 결과에 모두 영향을 미칠 수 있다. 첫 글에서 ‘비효율적인 시간의 설계 및 사용’이 원인(하고 싶은 것과 해야 하는 게 필요 이상으로 많아지는 것)과 결과(시간이 없다고 느끼는 것) 모두에 영향을 준다는 걸 언급했다.
Y라는 결과는 과연 X 때문일까? 다른 X가 있거나 잠복 변수가 있는 건 아닐까?
나의 경우 비효율적인 시간 설계와 사용이 X와 Y에 모두 영향을 미치고 있었다.2. 파생변수
굳이 기록해두지 않았지만, 기존에 기록한 걸 바탕으로 응용해서 만들 수 있는 변수. 가령 공부할 때마다 기록을 하고, 날짜를 기록해두었다면 ‘월 별 공부 횟수’를 알 수 있고, 공부할 때마다의 공부 소요시간을 기록해두었다면, ‘월 별 공부 시간의 총합’을 알 수 있다. 또한 이 둘을 이용하면 1회 공부당 평균 공부시간, 즉 집중시간을 알 수 있다.
굳이 기록해두지 않아도, 기록한 걸 바탕으로 새로운 변수, 새로운 의미를 도출해낼 수 있다.3. 평균의 함정
여러 개의 데이터, 숫자를 한눈에 들여다볼 수 있는 값을 대푯값이라고 한다. 대푯값에는 우리가 제일 잘 아는 평균average 외에도 중앙값median과 최빈값이 있다.
우리는 보통 평균을 이용하는데, 평균은 극단적인 값에 취약하다. 가령, 100점 만점의 시험에서 1과 99의 평균도 50이고 49와 51의 평균도 50이지만 전자는 훨씬 편차가 크다. 쉽게 말해 극단적인 값이 있음에도 평균으로 보면 별 이상 없어 보인다. 이를 평균의 함정이라고 한다.
그러나 공부 기록에서 과연 이런 극단적인 값이 나타날까? 보통 한 번에 1시간 정도 공부하다가 어느 날엔 한 번에 6시간을 이어서 하는 경우가 생길까? 이론상 가능해도, 그게 대세에 영향을 주지는 않을 것 같다. 만약에 하루에 1시간씩 3번 공부하면 하루에 3개, 1년이면 1000개가 넘는 기록이 발생한다. 이 중 극단적인 값이 몇 개 있다고 한들, 평균에 큰 영향을 주진 않는다.
물론 이는 데이터 분석의 영역에선 엄밀히 따져봐야 할 영역이다. 평균과 중앙값을 구분하여 살펴보거나, 월평균의 차이가 발생하는지 두 집단의 평균을 비교 검정할 수도 있다.
그러나 우리는 지금 비즈니스 수준의 가설 검증을 하는 게 목적이 아니다. 통계적인 유의미함을 따지기보다는, 스스로의 시간 활용을 정량적으로 바라보고 전반적인 인사이트를 얻는 게 목적임을 명심하자.
평균은 극단적인 값에 취약하다. 그러나 일상생활에서, 특히 공부한 시간을 기록하는 데 있어 극단치가 있을까? 있다 한들 많을까?4. 월평균 VS 월평균의 평균 VS 전체 평균
주로 한 달을 기준으로 시간 사용을 조회, 분석하게 된다. 그리고 내 경우 한 번 공부할 때 공부한 시간, 즉 1회 공부당 평균 시간을 통해 집중력을 살펴보는데, 이때에 평균을 이용하게 된다.
평균은 당연히 각 기록의 총합을 기록 횟수/개수로 나눈 값이다. 매월 이렇게 해서 해당 월에 기록된 공부 횟수와, 각 공부마다 소요된 시간의 총합을 바탕으로 해당 월의 1회당 평균 공부 시간을 계산할 수 있다.
반면 이렇게 해서 1년, 즉 12개월을 진행하면 각 월마다의 1회당 평균 공부 시간이 총 12개가 나타난다. 이 값을 다시 평균을 구하면 이는 월평균의 평균이다.
한편 12개월 동안 기록된 총 공부 시간을 총 공부 횟수를 나누로 나누면 월 단위가 아닌 '전체' 기간의 1회당 평균 공부 시간이 나온다. 이는 전체의 평균이다.
이 셋은 당연히 다른 개념이지만, 기계적으로 월평균 또는 전체 평균만 보고 있던 건 아닌지 살펴봄직하다.
월별 평균과, 전체 평균과, 월평균의 평균. 필요에 따라 무엇을 봐야 할지가 다르다.5. 평균과 편차를 이용한 변화폭 평가하기
매일, 주마다, 월마다, 매년 변화는 발생한다. 이번 달에는 지난달보다 총 공부시간이 줄어드는가 하면, 1회당 공부시간은 늘어나기도 한다. 그런데 얼마나 증가해야 뿌듯해도 될 만큼 많이 증가한 거지? 혹은 얼마나 감소해야 반성이 필요할 만큼 많이 감소한 거지? 헷갈릴 때가 있다.
이 역시도 사분위수를 이용한다든가, 두 집단의 평균을 비교 검정하는 통계적 기법을 사용한다든가 하는 방법이 있지만, 일상생활에선 조금 거창할 수 있다. 다시 말하지만 우리의 기록과 분석은 통계적 유의미함보다는 정량적인 기록을 통해 정성적인 인사이트를 도출해낼 정도면 된다.
그리고 이 경우 사용할 수 있는 값이 바로 평균과 표준편차다. 평균과 표준편차를 이용하면 여러 숫자를 아래의 세 그룹으로 나눠볼 수 있다.
- 그룹 1 : [평균+편차] 보다 큰 값
- 그룹 2 : [평균±편차] 범위 내의 값
- 그룹 3 : [평균-편차] 보다 작은 값
여러 값들을 총합하여 그 개수만큼 나눈 것이 평균이라면, 그 각각의 값들과 평균의 차이를 나타낸 것이 편차다. 즉, 모든 값들은 자신들을 대표하는 평균과 어느 정도 차이가 발생하는데 이것이 편차보다 작다면 쉽게 말해 '있을 법한' 차이다. 반면 그 차이가 편차보다 크다면 확실히 차이가 있다고 볼 수 있다.
6. 차트는 눈에 잘 보이게
차트는 되도록 눈에 잘 보이게 만들자. 이는 문해력보다는 시각화의 영역이긴 하나, 보기 편하고 직관적이어야 해석도 편한 법이다. 내가 관리하는 숫자들을 어떤 차트로 표현해야 내 눈에 잘 들어오는지, 이것 저것 바꿔보면서 설정해두자.
각 항목별 월별 총 공부시간의 추이. 기간도 길고 항목도 많고 숫자가 잔뜩이라, 차트 대신 히트맵 방식을 차용했다. 특정 숫자가 넘으면 색깔로 표현되어, 비중이 직관적으로 와닿는다
부록 : 데이터 문해력에 도움을 받은 책들
1. 숫자가 싫어서 - 사이토 고타쓰 / 책 읽는 수요일
: 매우 기초적인 수준이지만, 데이터는 커녕 숫자 자체가 낯설거나 거부감이 드는 이들이라면 여기서부터 시작해도 좋다.
2. 데이터 읽기의 기술 - 차현나 / 청림출판
: 한창 데이터 열풍이 불기 직전에, 코딩 또는 거창한 기술이 아니라, 데이터 자체를 바라보고 독해하는 능력 그 자체에 대해 짚은 책. 전문적인 배경 없이도 충분히 이해할 수 있고, 책 제목처럼 데이터를 '읽는' 능력 자체를 강조한다.
3. 데이터 리터러시 - 강양석 / 이콘
: 위 책에서 더 나아가 조직 차원에서 데이터 문해력literacy를 함양하기 위한 방법을 제시한다. 이를 위해 데이터 문해력을 더 세분화하여 진단할 수 있게끔 분석해두었다.
