데이터 분석과 요리의 공통점
재료가 좋고 설계가 훌륭하면 맛있는 결과물이 나온다 :)
안녕하세요, 이번 글에서는 데이터 분석과 요리의 공통점이라는 주제로 이야기를 해보려 합니다. 여러분은 평소에 요리를 즐겨하시나요? 저는 퇴근 후 혹은 주말에 요리를 자주합니다.
지난 주말, 요리를 하기 위해 재료를 씻고 다듬는데, 문뜩 데이터 분석과 요리가 비슷하다는 생각을 하게 되었습니다. 고민해보니 비슷한 점이 꽤 많더군요. 과연 어떤 공통점이 있을까요?
1. 재료가 좋아야 결과물도 좋다.
신선한 재료는 맛있는 요리를 위한 초석이 됩니다 :)맛있는 요리가 탄생하려면 일단 재료가 좋아야 합니다. '생각의 기쁨'이라는 책의 저자 유병욱 님은 책 속에서 '좋은 고기는 양념을 치지 않는다.'라는 문장을 좋아한다고 언급했는데요. 정말 재료가 좋지 않으면 양념을 많이 치게 됩니다. 좋지 않은 것을 숨겨야 하니까요. 좋은 재료는 양념을 굳이 하지 않아도 맛있는 경우가 많습니다. 특히 고기와 생선이 그렇죠.
데이터 분석도 동일합니다. 분석을 하기 위한 재료, 즉 데이터의 질이 좋아야 합니다. 데이터의 질을 좋다는 것은 바꿔 말하면, 불필요한 데이터가 섞이지 않았다는 의미입니다. 분석을 할 때 데이터를 내려받아 바로 분석을 하는 경우는 없습니다. 데이터를 정재하는 데이터 클린징 작업이 필요합니다. 요리를 하기 위해 마트나 시장에서 재료를 구매하면 깨끗이 씻고 상처가 난 부분은 도려내잖아요. 데이터 분석도 동일한 과정을 거치게 됩니다.
정확하지 않은 데이터로 분석을 하게 되면 결과물도 신뢰하기 힘듭니다. 이런 상황에서는 데이터 분석을 하기 전에 데이터 정합성을 높이는 작업에 우선순위를 두는 게 좋습니다. 정합성이 확보된 상태에서 분석을 진행해도 늦지 않습니다. 오히려 잘못된 데이터로 엉뚱한 액션을 하는 건 결과적으로 볼 때 옳은 방향이 아닙니다.
2. 설계를 잘하면 작업이 순조롭다.
요리를 하기 전에 레시피를 보고 요리의 순서를 정합니다 :)데이터 분석을 하기 위해서, 데이터 기획 역량이 필요하다고 이전 글에서 말씀드렸습니다. 데이터를 기획한다는 것은, 가설을 검증하기 위해 어떤(What) 데이터를 어떻게(How) 수집하는지를 말합니다.
요리도 마찬가지입니다. 재료를 구입하고 바로 조리를 하는 것보다는, 레시피를 찾아보고 본인만의 레시피를 정한 뒤 재료를 정갈하게 다듬은 후에 요리를 하는 게 좋습니다. 그래야 맛있는 요리가 탄생합니다. 결과물이 어느 한순간에 뚝딱 나오는 건 영화나 드라마에서나 가능한 일입니다.
3. 정성을 들여야 먹는 사람이 감동한다.
먹는 사람을 생각하면 요리를 할 때 태도가 달라집니다 :)마지막으로 요리와 데이터 분석은 정성이 들어가야 합니다. 먹는 사람을 생각하면서 만드는 요리는 태도부터가 다릅니다. 엄마들이 아기에게 좋은 음식만 먹이려는 것과 비슷하지 않을까요. 재료가 아무리 좋아도 요리사와 분석가의 역량에 따라 결과물은 큰 차이를 보이게 됩니다.
경험이 없는 신입사원은 아무리 이론을 빠삭하게 알고 있어도, 고객을 설득할 수 있는 보고서를 작성하기란 쉽지 않습니다. 경험이 없기 때문입니다. 때문에 업무 외 시간에 공부도 많이 해야 하고, 사수도 잘 만나야 합니다. 데이터 분석은 머리만 똑똑하다고 잘할 수 있는 분야는 아닌 듯합니다. 모든 분야가 그렇겠지만 말입니다.
요리도 많이 해봐야 실력이 늡니다. 경험이 없는 요리사가 특급 주방장의 레시피를 그대로 따라 해도 결정적으로 맛에서 차이가 납니다. 맛의 차이는 경험의 차이에서 옵니다. 얼마나 많은 삽질(?)을 해봤는지가 실력을 결정하지 않을까 싶네요. 역량을 키우려면 많이 해보는 방법 외에는 없습니다.
결국 많이 시도해보는 사람이 잘하게 됩니다 :)처음에는 남들이 하는 것을 보고 그대로 따라해보고, 실력이 어느 정도 늘면 본인만의 레시피를 시도해야 합니다. 시도하지 않으면 얻을 수 있는 결과물은 없습니다. 제가 좋아하는 소설가 김연수 님은 산문집 '소설가의 일'에서 경험과 시도에 대해 이렇게 언급했습니다.
아무런 일도 하지 않는다면, 상처도 없겠지만 성장도 없다. 하지만 뭔가 하게 되면 나는 어떤 식으로든 성장한다. 심지어 시도했으나 무엇도 제대로 해내지 못했을 때조차도 성장한다.
경험상 많은 기업에서 데이터를 쌓고는 있지만, 쌓은 데이터로 분석적 시도를 하는 경우는 많지 않은 듯합니다. 고객을 이해한 상태에서 세그먼트를 생성하고, 새로운 분석적 접근을 해봐야 인사이트를 얻을 수 있습니다. 아무리 인공지능이 발달해도 분석을 통한 인사이트 발견은 사람의 몫이 될 가능성이 큽니다. 때문에 기업은 도구가 아닌 사람에 투자해야 합니다. 실력이 늘기 위해서는 경험을 많이 해야 합니다. 제가 만약 부사수를 뽑는다면 경험이 많고, 하나만 지독하게 판 친구에게 관심이 갈 것 같네요.
지금까지 요리와 데이터 분석의 공통점에 대해 글로 정리했는데요. 여러분은 어느 정도 공감이 가시나요? 위에서 언급한 3가지 중에서 개인적으로 정성이 필요하다는 것을 강조하고 싶군요. 긴 글 읽어주셔서 감사합니다 :)
인트렌치 컨설팅 브런치를 구독하시면
데이터 분석과 관련된 다양한 꿀팁을 알려드립니다.
그로스 해킹을 통해 서비스 전환율을 개선하세요.
