팀의 데이터 리터러시를 향상시키기
Boost Your Team’s Data Literacy
데이터 리터러시(Data Literacy)는 데이터 활용능력이라고도 표현되기도 하며, 다양하게 해석된다.
'데이터를 읽고 이해하고 분석하며 비판적으로 수용 및 활용할 수 있는 능력' - 디지털 인사이트
‘데이터를 목적에 맞게 생성하고, 숨어있는 의미를 찾고 이해 한 후, 해석된 결과를 업무에 적용하고 소통하는 능력’ - 투이 컨설팅
데이터의 활용은 결국 데이터를 수집, 관리, 가공, 분석, 시각화, 해석에 이르는 전 과정의 흐름을 통해 이루어지기 때문에 결과만 갖고 해석하기 보다 인사이트를 위한 기획과 관찰 능력, 그리고 목적에 맞는 시각화를 찾고 비판적으로 해석할 줄 아는 역량이 중요하다.
데이터 드리븐 기업의 선순환 프로세스 (from 투이컨설팅)데이터 리터러시는 결국 데이터 기반의 문제 해결을 할 수 있는 역량의 중요성을 의미한다. 데이터 리터러시를 개인, 기업 등의 목적별로 분리해서 접근하면 좀 더 구체적인 문제 정의와 해결이 가능해진다. 자료를 찾다가 하버드 비지니스 리뷰에서 팀의 데이터 리터러시 역량을 향상시키기 위한 아티클을 발견했고, 흥미로워 번역글을 공유해본다.
Boost Your Team’s Data Literacy (팀의 데이터 리터러시를 향상시키기)
모든 산업에서 기업은 그 어느 때보 다 많은 데이터를 축적하고 있습니다. 소매 업체는 구매 내역을 미세 검사하고 항공사는 항공편이 정시에 운행되는 이유를 측정하며 거의 모든 서비스 요청, 이메일 및 상호 작용을 추적합니다. 이 모든 데이터의 이점은 무엇입니까? 회사는 고객 요구를보다 효과적으로 해결하고 서비스 및 운영을 개선하며 고용 한 인재에 대해 더 나은 결정을 내리는 방법을 알아낼 수 있습니다.
우리는 데이터 황금 시대에 진입했습니다. 회사에 데이터 레이크를 구축하기 위해 Walmart 또는 IBM 일 필요는 없습니다. 이제이 기회는 저렴한 비용으로 클라우드 기반 시스템을 통해 모든 회사에 제공됩니다.
그러나 이 모든 데이터를 보유하고 있으며 그 어느 때보 다 영향력이 커지고 있지만 여전히 큰 문제가 있습니다. 대부분의 사람들은 데이터를 해석하고 이해하는 데 능숙하지 않습니다. 몇 년 전 국립 교육 통계 센터 (NCES)는 23 개국 성인의 데이터 해석 및 문제 해결 기술을 평가 한 결과 미국이 23 개국 중 21 위를 차지했습니다. 노동력의 상당 부분이 데이터 활용 능력을 향상시켜야합니다.
데이터 활용 능력을 향상시키는 것은 누구의 책임입니까?
학교와 대학은 종종 데이터 활용 능력 문제를 해결하기에 적합하지 않습니다. 수학 커리큘럼은 통계 및 확률과 같이 더 많이 적용되는 과목보다 중요한 핵심 개념 (미적분학 및 대수학)을 우선시합니다. 이 20년 된 종이처럼 실용주의를위한 캠페인은 크게 무시되었습니다.
오늘날, 기술 개발 프로그램이 번성하고있는 교육 기관에서 고용주로 책임이 옮겨졌습니다. Bloomberg, Guardian Insurance 및 Adobe와 같은 회사에는 이제 모든 분야의 직원이 데이터를 분석하는 방법을 배우도록 돕는 데이터 과학 및 디지털 아카데미가 있습니다.이것은 더 많은 고용주가 수용해야 할 책임입니다. 그들은 자원을 가지고 있으며 확실히 보상을 거둘 것입니다.
데이터 기술에 대한 새롭고 넓은 관점
지난 5 ~ 10 년 동안 우리가 필요로하는 데이터 기술은 발전했습니다. 데이터 과학 초기에 기업들은 SQL, 데이터 추출, 정보 정규화, 병렬 처리, 빅 데이터 분석 및 R (프로그래밍 언어)과 같은 기술에 대한 기술을 원했습니다.
오늘날 IBM의 연구에서 알 수 있듯이 이러한 기술 중 다수는 데이터 플랫폼에 내장되어 있으므로 회사는 다른 기술을 찾고 있습니다. 비즈니스 사람들은 이러한 데이터 시스템의 특성과 작동 방식을 이해해야 할뿐만 아니라 올바른 데이터 거버넌스, 개인 정보 보호, 보안 및 신뢰 구축 방법을 이해해야합니다. AI가 비즈니스의 핵심 요소가됨에 따라 현대 전문가들은 시스템의 결정이 항상 옳다고 가정 할뿐만 아니라 알고리즘의 출력에 이의를 제기하는 방법을 이해해야하는 필요성이 증가하고 있습니다.
예를 들어, 최근에는 20 개의 정교한 회사로 구성된 포커스 그룹을 수행하여 조직에서 어떤 데이터 기술이 누락되었는지 알려줍니다. 이 분석 팀은 기술 부족으로 인한 것이 아니라 데이터 중심의 문제 해결 능력으로 인해 어려움을 겪고 있다고 말했습니다. 그들은 기술이 부족한 사람들을 구체적으로 언급했습니다.
올바른 질문을 하기
어떤 데이터가 관련이 있고 그 데이터의 유효성을 테스트하는 방법 이해하기
데이터를 잘 해석해서, 유용하고 의미있는 결과 만들기
A / B 테스트를 사용하여 가설을 검정하여 결과가 어떻게 전개되는지 확인하기
이해하기 쉬운 시각화를 만들어 리더가 결과를 이해하도록 하기
의사 결정자가 큰 그림을보고 분석 결과에 영향을 줄 수 있도록 이야기를 만들기
물론, 우리는 기초가되는 고급 데이터 기술이 필요하지만, 우리의 연구에 따르면, 더 큰 차이를 만드는 것은 관련되고, 수행 가능한 소프트 기술이라는 것입니다.
데이터의 맥락을 이해하지 못하는 비용은 엄청납니다. 전 세계 소매 업체의 분석 팀이 소매점에서 판매량과 직원 이직률이 엄청나게 변화했음을 발견했습니다. 그들은 다양한 메트릭스와 수익의 상관 관계를 연구했으며보다 전문화 된 직무 역할과 솔루션 지향 영업 팀을 보유한 매장이 동료를 능가하는 것으로 나타났습니다. 그들은 또한 더 행복한 직원과 낮은 이직률을 보였습니다. 여름 내내 데이터를 분석 한 팀이 결과를 발표했을 때, 그 이야기를 들었던 임원들은 깊은 인상을 받았습니다. 그들은 그 발견에 큰 무언가가 있다고 믿었습니다. 임원 중 한 사람이 물을 때까지 : 분석은 어떤 계절에 적용 되었습니까? 여름 동안 소매 인력은 매우 우발적이며 단일 시즌 동안이 조직의 매출은 항상 3 배가되는 것으로 나타났습니다. 이러한 맥락은 고려되지 않았으며 분석의 초기 반복은 본질적으로 무의미합니다.
궁극적으로 결과는 중요했으며 팀은 비즈니스에 대해 많은 것을 알게되었습니다. 그러나 상황을 이해하고 명확한 데이터 정의를 작성하는 기본 컨설팅 및 비즈니스 기술이 누락되었습니다.
데이터 기능을 향상시키는 실용적인 솔루션
데이터 기술은 이제 모든 조직의 거의 모든 역할에 필수적입니다. 그러나 이러한 기술이 너무 많은 비즈니스에서 부족하기 때문에 기능 향상을 시작할 위치를 알기가 어렵습니다. 우리는 사람들이 기본에 집중할 것을 권장합니다.
먼저 사람들에게 도구 사용법을 알려주십시오. Excel은 여전히 매우 중요합니다. 35 년 동안 지구상의 성인 5 명 중 1 명이 Excel을 사용합니다. 많은 소프트웨어가보고 및 분석 기능을 제공하지만 대부분의 사용자 (전체 비즈니스 인텔리전스를 사용할 수 없음)는 데이터를 제어하고 있다고 느끼고, 특히 별개의 이종 소스의 데이터를 비교할 수있는 Excel (포함) 여전히 유비쿼터스 CSV 파일)은 일반 통화로 남아 있습니다. 학습 우선 순위를 정하는 데 도움이되는 유용한 순서대로 100 개의 Excel 기능에 대한 인포 그래픽이 있습니다.
둘째, 데이터 기술에 대한 역량 아카데미를 설정하십시오. 역량 아카데미는 직원이 특정 직무 관련 기술을 발전시키기 위해가는 곳입니다. 이들은 회사의 데이터 기술에 관심이있는 비즈니스 리더 (대표적으로 CEO까지)의 후원을받습니다. 너무 자주, 범용 기업 학습 시스템은 모든 사람을 위해 모든 것을한다고 주장하기 시작하고, 유형의 목적이 없으면, 거의 아무 것도하지 않습니다. 회사가 명백하게 관심을 갖고있는 변화 프로그램과 연계 된 데이터 지향 아카데미가 더 효과적 일 것입니다. 기술 프레임 워크에 도달하기 위해 인력에 필요한 데이터 기술을 신중하게 선택하십시오. 이 프레임 워크를 사용하여 학습 기쁨을 불러 일으킬 경험, 사람, 코스, 팟 캐스트, 비디오 및 기사를 선별하십시오. 나머지는 잘 라라. 대규모 인구에 대한 데이터 기술을 향상 시키려면 수천 개가 아닌 수백 개의 학습 기회가 필요할 수 있습니다. 품질이 수량을 능가합니다.
셋째, 인식 캠페인의 예와 이야기를 사용하여 다른 사람들이 데이터를 잘 사용하는 방법을 가르치고 격려하십시오. 회사가 데이터를 사용하여 전략을 크게 변경하면 전체 조직에 결과를 제공하여 사람들이이를 잘 수행하는 방법의 예를 볼 수 있도록합니다. 예를 들어 Starbucks는 AI를 모바일 앱 데이터에 적용하여 고객에게 새로운 음료에 대한 제안을 최적화합니다. Netflix는 방대한 데이터 세트를 사용하여 플랫폼의 컨텐츠를 개인화 할뿐만 아니라 매력적인 컨텐츠를 작성합니다. PepsiCo는 데이터 시각화를 사용하여 지분이 많은 판매 결정을 내립니다.
이러한 이야기는 기능 영역을 넘어서게 될 것입니다. 일부 A / B 테스트로 진화 한 큰 마케팅 캠페인입니다. 가설 A와 B는 무엇인가; 최신 실험 프로젝트에서 다음에 일어날 일; 비 효율성, 재고 관리 개선 및 비용 절감을 파악한 재고 분석; 더 많은 수익을 올리는 계정에 초점을 맞추고 상당한 수익 향상을 가져온 판매 보고서; 직원 참여 설문 조사를 통해 회사 전체에 대해 사랑받는 특권을 얻었습니다. 이는 여러 인구 집단에 대한 잠재적으로 의미 있고 감동적인 데이터 사례입니다.
이 과정에서 기술 자체보다 향상된 데이터 기술의 이점을 강조하십시오. 기술 (통계, 조회, 오류 확인 등)이 빠르게 퍼지지 않을 수 있습니다. 그러나 더 나은 판단과 의사 결정, 그리고 그러한 결정을 내릴 때 자신감이 향상되면 모든 사람이 주요 혜택을 누릴 수 있습니다. 실제 성공 사례를 활용하여 이러한 부드러운 사운드 이점을 정의하십시오.
넷째, 모든 중요한 의사 결정에 데이터를 활용합니다. "이 비즈니스 사례를 지원하거나 모순되는 데이터는 무엇입니까?" 물론 질문해야하는 질문입니다. 특정 결정에 대한 증거로 사용 된 데이터가 제시되면 사람들이 (존중하게) 심문하도록 장려하십시오. 출처가 신뢰할 수 있습니까? 분석이 정확합니까? 어떤 점검이 이루어 졌습니까? 다른 증거 출처가이 이야기와 일치합니까? 결정이 얼마나 중요합니까? 행동하기 위해 어떤 추가 증거가 필요합니까?
이를 수행하는 한 가지 방법은 관련 실시간 데이터를 일선 관리자에게 제공하여주의를 기울 이도록하는 것입니다. 예를 들어, Warby Parker는 대규모 데이터 과학 팀을 성장 시켰지만, 더 중요하고도 특이한 점은 매장 직원을 포함한 모든 사람이 데이터 책임을 맡게됩니다. 대규모 국방 계약 업체는 모든 관리자에게 "talent health"를 측정 할 수있는 고급 대시 보드 세트를 제공하여 직원 참여, 등급 및 기타 직원 피드백을 집계합니다. 이제 모든 비즈니스 영역의 공급 업체에서 관리자를위한 완전히 새로운 "작업 플랫폼"을 사용할 수 있습니다.
거의 모든 사람에게 데이터 활용 능력이 중요해졌습니다. 기업은 데이터를 해석하고 통찰력을 이끌어 내고 올바른 질문을 할 수있는 능력을 갖춘 더 많은 사람들이 필요합니다. 이러한 기술은 누구나 개발할 수있는 기술이며 개인이 스스로 기술을 익히고 회사가 기술을 지원하고 기능을 향상 시키며 변화를 이끌 수있는 여러 가지 방법이 있습니다. 실제로 데이터 자체는 다음과 같이 분명합니다. 데이터 중심 의사 결정은 비즈니스 성과를 크게 향상시킵니다.
참고사이트
https://hbr.org/2020/02/boost-your-teams-data-literacy
https://www.2e.co.kr/news/articleView.html?idxno=207124
