분석을 할 때 항상 해야 하는 작업이 있다. 데이터가 가지고 있는 한계와 의미, 그리고 오류를 찾아내는 것이다. 분석의 목적이 아무리 매력적이더라도, 데이터를 실제로 분석하는 사람은 주어진 데이터를 가지고 어디까지 멀리 분석을 할 수 있는지 찾아내야 한다. 그리고 그러한 과정 중에 우리는 데이터를 이리저리 뒤틀기도 하고 또 여러 가지 가정을 하기도 한다 (예를 들어 데이터에 아마도 노이즈가 없을 것 이라던가).
그렇게 가정과 가설을 만들고, 데이터를 조합하고, 정제하고 나서야 우리는 데이터를 가지고 유의미한 분석을 할 수 있다. 이렇게 분석된 결과는 보통 파워포인트 형식으로 쉽게 소화되어 타인에게 공유가 된다. 하지만 모든 데이터가 그렇듯, 결과가 만들어지기까지 어떤 가정들을 분석가가 하였고, 또 그 가정들이 데이터를 해석하는데 어떠한 의미를 가져야 하는지 알아야만 제대로 데이터를 가지고 의사 결정을 할 수 있다.
사실 분석의 결과물 자체를 공유하는 것은 쉽게 할 수 있지만, 문제는 위에서 말한 데이터의 가정과 한계, 즉 데이터를 가지고 의사결정을 할 때 고려해야 할 데이터의 맥락을 전달하는 것이 굉장히 어렵다. 특정 수치의 표준편차가 10이라는 것이 해당 데이터를 이해하는데 어떤 리스크를 포함하는지 설명하기 굉장히 어려운 것과 마찬가지이다
그래서 결론을 전달하는 것이 중요하다
분석된 데이터를 전달하면 전달받은 사람이 그 데이터를 가지고 의미 있는 기획을 만들고, 의사결정을 내릴 수 있으면 좋겠지만, 정말로 가치 있는 분석은 독자가 어떤 의사결정을 내려야 하는지 단박에 알 수 있는 분석이다. 분석을 하면서 만들어지는 디테일한 사실들 ("어! 이거 흥미로운데?" 같은 사실들)은 아이디어의 시작이 될 수는 있어도 의미 있는 기획이나 결정으로는 이어지지 않는다. 정말로 분석한 데이터가 의미를 가지려면 (마치 기획자들이 하듯이), 분석가 또힌 분석한 데이터를 가지고 1차적인 결론을 지어야 하며, 그 결론이 분석 요청자에게 유의미해야 한다.
예를 들어 쇼핑몰 고객과 쇼핑센터 상품 간의 연관성을 전반적으로 알고 싶다는 요청이 있다고 해보자. 그러면 분석가는 파편화된 재미있는 연관성을 전달하는 것이 주목적이면 안된다. 연관성을 조사하면서 어떠한 사실들이 회사에 도움이 될 수 있는 사실들이고, 또 그러한 사실들을 기반으로 회사가 무엇을 해야 하는지 대략적인 방향과 기획안을 만들어 낼 수 있어야 한다. 그리고 그렇게 만들어진 사업 방향과 기획안은 설득력을 가져야 한다.
설득력 있고 영향력 있는 분석을 하는데 많은 수학적 도구가 필요하지는 않다. 이러한 분석을 할 떼 쓰이는 코드들을 보면 단순하고, 일회성이고, 또 반복적인 함수와 코드들의 반복이다. 그리고 데이터를 정제하는데 굉~~ 장히 많은 시간이 들어간다. 여기에 더해서 설득력 있고 영향력 있는 아이디어를 해당 분석을 기반으로 생산하기 위해서는 굉장히 많은 시간의 사고가 들어간다. 모든 기획이 그렇든 아이디어는 수치가 있다고 바로 나오는 것이 아니기 때문이다.
분석가 또한 다양한 식견과 생각을 가져야 한다
위에서 말했듯이, 분석가는 영향력 있고 설득력 있는 기획적 결과물을 만들어야 한다. 그러기 위해서는 기획자들이 하는 방식을 적극적으로 받아들일 필요가 있다. 산업 전반적인 소식에 귀 기울이고, 유저들을 면밀히 관찰하고, 또 그러한 이해들을 기반으로 새로운 아이디어를 계속해서 적립해 나아가는 것이다. 아쉽게도 많은 데이터 분석가들이 처음부터 고급 수학적 모델을 사용하여 분석을 하려고 시도한다. 하지만 정작 자주 사용해야 하는 수학이라 부를 수 있는 것들은 아래와 같다
1. 평균
2. 중간값
3. 분포
그렇다. 초등학생이라도 알 수 있는 이 도구들이 현업에서 가장 많이 쓰이는 수학적 개념들이다. 그렇기에 중요한 것은 수학이 아니다 (물론 수학적으로 뛰어나야 하지만). 중요한 것은 아이디어와 설득, 그리고 사람에 대한 이해이다