10 인정받는 사람들에게 자료는 무엇인가
인정받는 사람들은 자료를 바라보는 관점과 수집하고 분석하는데 있어서도 다르다. 자료는 몇 가지 유형이 있다. 첫 번째는 바로 ‘데이터(data)’이다. 단순한 사실을 의미한다. 이렇게 단순한 사실은 주로 입력하는 행동을 통해 얻어진다. 예를 들어, 자동차 판매대수와 같은 것이다. 두 번째는 ‘정보(information)’이다. 세상에 널려 있는 수 많은 데이터 중에서 목적과 관련한 것들이 정보다. 이러한 정보는 주로 목적에 따라 수집하는 행동을 통해 얻어진다. 예를 들어, 시장 점유율과 같은 것이다. 세 번째는 바로 ‘지성(intelligence)’이다. 이러한 지성은 수집한 정보들을 목적이나 목표에 따라 가공하여 얻어진다. 즉, 수집한 정보들을 분석하고 가공하는 것이다. 예를 들어, 상대적 시장 점유율 같은 것이다.
중요한 것은 훌륭한 데이터가 훌륭한 정보나 지성이 될 수 없다는 점이다. 예를 들어, 경영진과 상사에게 보고할 때 목적이나 목표와 상관없이 좋은 자료라고 데이터들만 나열한다면 어떻게 될까? 경영진과 상사로부터 무능하다고 찍히기 딱 좋다. 결국 목적과 목표에 맞는 데이터들을 수집하여 정보로 만들고, 이러한 정보들을 분석 및 가공하여 지성으로 만들어야 한다. 그렇다면 훌륭한 분석은 어떻게 하는 것인가? 바로 미래에 대한 예측이 가능해야 한다. 이러한 예측은 수집, 분석, 가공한 데이터에서 원리를 파악할 수 있어야 한다. 실무에서 흔히 ‘메커니즘(mechanism)’이라고 부르는 것이다. 사전적 의미로 ‘사물의 작용 원리나 구조’라고 정의한다. 우리 말로는 ‘체제’라고도 한다. 메커니즘을 파악하는데 있어서 반드시 복잡하고 어려운 통계나 수학적 기법이 필요한 것은 아니다. 논리적으로 인과관계를 이해할 수 있기만 하면 된다. 예를 들어, 회사의 인사 부서에서는 직원들의 이직율 관리가 중요하다. 그렇다면 어떠한 직원이 이직할 가능성이 높을까 예상하는 것도 중요한 일이 된다. 많은 회사의 인사 정보 시스템에는 ‘예상 퇴직금 조회’와 같은 기능이 있다. 만약 어떠한 직원이 이 기능을 사용하여 자신의 예상 퇴직금을 조회하는 행동을 자주 한다면 어떨까? 바로 이직을 고려하고 있을 확률이 매우 높다. 실무자 입장에서 과거에 특정 기간동안 예상 퇴직금 조회 횟수와 실제 이직한 실적과의 관계를 분석했다고 치자. 그런데 결과적으로 예상 퇴직금을 조회한 횟수가 많은 직원들이 이직한 경우가 많다는 결과가 나타났다. 이런 것이 바로 메커니즘을 파악한 것이다.
자료에는 1차 자료와 2차 자료가 있다. 1차 자료는 목적 달성에 있어서 직접 수집한 자료를 의미한다. 설문지를 가지고 조사하여 얻은 자료가 대표적인 예이다. 이를 위해 사전에 어떠한 데이터를 어떻게 얻을 것인가를 계획해야 한다. 시간과 노력이 많이 필요한 자료다. 2차 자료는 목적 달성에 있어서 도움이 되는 기존의 모든 자료를 의미한다. 조직 내부에 어떠한 직원이 조사했던 자료, 조직 외부에 다른 사람들이 만들어 놓은 자료들이 2차 자료의 예이다. 1차 자료에 비해 얻는데 있어서 시간과 노력이 덜 든다는 장점이 있다. 그러나 누구나 쉽게 얻을 수 있는 자료이기 때문에 가치에 있어서는 다소 미흡할 수 있다. 그래서 실무자가 어떠한 일을 할 때 자료수집을 한다면 2차 자료를 최대한 먼저 수집하고 부족한 부분에 대해서 1차 자료를 수집하는 것이 효율적인 방법이다.
또한 자료에는 정량적 자료가 있고, 정성적 자료가 있다. 정량적 자료는 말 그대로 수치화가 가능한 자료를 말한다. 정성적 자료는 반대로 수치화가 되어 있지 않은 자료를 말한다. 수집한 자료들을 분석하고 가공하는데 있어서 정량적 자료는 통계적 또는 수학적으로 다루기가 용이하다. 그렇다고 해서 정량적 자료만 중요하고 가치 있는 자료이고 정성적 자료는 중요하지 않고 가치가 없는 자료라고 할 수 있는가? 절대 그렇지 않다. 지금은 많은 조직들, 전문가들이 정량적 자료 만 가지고 분석하는 것에 대한 한계를 느끼고, 정성적 자료들을 분석하는 방법을 많이 활용하고 있다. 이미 학계에서는 질적 연구(qualitative research)라고 부르는 정성적 자료를 분석하는 방법을 오랫동안 활용해 왔다.
자료의 양은 절대적으로 중요하다. 한 연구에서 어떠한 문제를 해결하는데 있어서 정보의 양과 그 문제를 해결하는 과정에서의 실수율을 조사하였다. 결과는 정보의 양이 많을수록 실수율이 낮아진다는 것이다. 흔히 얻을 수 있는 일반적인 수준의 자료들을 가지고 어떠한 문제를 해결할 때 나타나는 실수율은 최대 85%에 이르는 것으로 조사되었다. 그런데 일반적인 수준이 아니라, 상당히 전문적인 수준의 자료들까지 최대한 수집하여 어떠한 문제를 해결하면 실수율이 40%까지 낮아지는 것으로 나타났다. 결론적으로 어떠한 일을 할 때, 자료의 양은 많을수록 좋다는 이야기다.
자료를 수집하는 방법은 다양하다. 이를 자료의 희소성을 기준으로 나눠볼 수 있다. 흔히 구글이나 포털사이트에 접속하여 인터넷 검색을 통해 얻는 자료들이 가장 희소성이 낮은 자료이다. 그리고 실무자가 자신이 담당하고 있는 업무와 관련한 블로그나 카페에서 얻는 자료들도 마찬가지로 희소성이 낮은 자료이다.
좀 더 나은 자료는 전문 사이트나 서적을 통해서 자료를 얻는 방법이 있다. 그리고 전문 교육이 있다. 전문적인 교육기관이나 대학 등에서 전문가로부터 배워서 얻는 자료는 앞서 제시한 예들에 비해 희소성이 더욱 높다. 그리고 문제와 관련한 현장을 방문하는 것은 서적 등에서 얻을 수 없는 자료들을 얻을 수 있다. 예를 들어, 마케팅 관련 업무를 한다면 에스노그라피(ehthnography)와 같은 조사방법을 자주 활용하는데, 어떠한 제품에 대해 소비자가 사용하는 환경, 방법 등을 실제 관찰하는 방법이다. 이렇게 얻은 자료를 경영진과 상사에게 보고하면 매우 훌륭한 자료로 평가받는다. 또한 같은 분야에서 일하고 있는 인적 네트워크를 통해 얻은 자료도 희소성이 매우 높은 자료다. 그리고 논문은 해당 분야의 전문가가 메커니즘까지 밝히고 있기 때문에 매우 희소성이 높고 활용하기 좋은 자료에 해당한다. 논문은 ‘구글 스칼라(https://scholar.google.co.kr/)’에서 검색하여 읽어볼 수 있다. 물론 논문들 중에는 유료 결제가 필요한 경우가 많다. 그래서 해당 논문의 초록을 먼저 읽어보고 자신에게 가치 있는 논문이라고 판단하면 결제하여 읽으면 된다. 결론적으로 인정받는 사람들은 훌륭한 자료를 수집하기 위해 꾸준히 인적 네트워크를 관리하고 자신의 분야에 있어서 전문적인 내용들을 학습한다.
