데이터 과학자: 21세기 가장 섹시한 직업 (1/6)
토마스 데이븐포트 교수와 파틸 교수는 2012년 10월 하버드 비즈니스 리뷰에 '데이터 과학자 : 21세기 가장 섹시한 직업 (Data Scientist: The Sexxist Job of the 21st Century)라는 글을 개제하였습니다. 서로 어울릴 것 같지 않은 섹시, 직업 그리고 데이터라는 단어가 조합된 제목은 현재의 경영 전략의 방향을 알려줍니다. 이 글은 경험이나 감에 의한 의사 결정이 아닌 데이터에 기반한 의사결정을 하려는 현대 경영의 시작을 알렸습니다.
Data Scienttist: The Sexiest Job of the 21st Century (데이터 사이언티스트: 21세기 가장 섹시한 직업
When Jonathan Goldman arrived for work in June 2006 at LinkedIn, the business networking site, the place still felt like a start-up. The company had just under 8 million accounts, and the number was growing quickly as existing members invited their friends and colleagues to join. But users weren’t seeking out connections with the people who were already on the site at the rate executives had expected. Something was apparently missing in the social experience. As one LinkedIn manager put it, “It was like arriving at a conference reception and realizing you don’t know anyone. So you just stand in the corner sipping your drink—and you probably leave early.”
조나단 골드만이 2006년 6월 비즈니스 네트워크 사이트인 링크인에 입사했을 때, 그 회사는 여전히 스타트업처럼 느껴졌습니다. 이 회사는 8백만 개가 넘는 계정을 보유하였고, 기존 회원들이 친구와 동료들을 초대하면서 그 수는 빠르게 증가했습니다. 그러나, 사용자들은 임원진들의 예측처럼 사이트의 기존 회원들과 연결을 추구하지 않았습니다. 무엇인가가 소셜 경험에서 분명히 빠져 있었습니다. 링크드인 관리자는 이렇게 말합니다. "콘퍼런스 리셉션에 도착하여 알고 있는 사람이 아무도 없다는 것을 깨닫는 것과 같아요. 그래서 당신은 음료수를 들고 코너에 서있다가 아마도 일찍 떠나는 거죠"
Goldman, a PhD in physics from Stanford, was intrigued by the linking he did see going on and by the richness of the user profiles. It all made for messy data and unwieldy analysis, but as he began exploring people’s connections, he started to see possibilities. He began forming theories, testing hunches, and finding patterns that allowed him to predict whose networks a given profile would land in. He could imagine that new features capitalizing on the heuristics he was developing might provide value to users. But LinkedIn’s engineering team, caught up in the challenges of scaling up the site, seemed uninterested. Some colleagues were openly dismissive of Goldman’s ideas. Why would users need LinkedIn to figure out their networks for them? The site already had an address book importer that could pull in all a member’s connections.
스탠포트 대학의 물리학 박사인 골드만은 잘 정리된 사용자 프로파일과 그가 보았던 연결에 흥미를 느꼈습니다. 그것은 지저분한 데이터였고 분석하기 다루기 힘들었지만, 그는 사람들의 연결을 탐험하기 시작했고, 가능성을 보았습니다. 그는 이론을 세우고, 직감을 테스트하고, 사용자들이 제공한 프로파일이 어떤 네트워크를 선택할지를 예측할 수 있는 패턴을 찾기 시작했습니다. 그가 개발한 휴리스틱(발견적 어림 법)을 활용하는 새로운 기능이 사용자에게 가치를 제공할 수 있다고 생각할 수 있었습니다. 그러나 링크드인의 엔지니어링 팀은 사이트를 확장하는 과제를 수행하고 있었기에 관심이 없었습니다. 일부 동료들은 공개적으로 골드만의 아이디어를 무시했습니다. 왜 사용자들이 자신의 네트워크를 파악하기 위해 링크드인을 필요로 합니까? 이 사이트는 이미 모든 연결을 끌어들일 수 있는 주소록 가져오기 도구가 있었습니다.
Luckily, Reid Hoffman, LinkedIn’s cofounder and CEO at the time (now its executive chairman), had faith in the power of analytics because of his experiences at PayPal, and he had granted Goldman a high degree of autonomy. For one thing, he had given Goldman a way to circumvent the traditional product release cycle by publishing small modules in the form of ads on the site’s most popular pages.
다행히도 링크드인의 공동 창립자이자 CEO인 레이드 호프만은 페이팔에서의 그의 경험 때문에 분석 능력에 대한 믿음이 있었고, 그는 골드만에게 높은 수준의 자율성을 승인했습니다. 그중 하나는 그는 골드만에게 사이트의 가장 인기 있는 페이지에 광고 형태의 작은 모듈을 게시하여 전통적인 제품 출시 주기를 우회하는 방법을 제공했습니다.
Through one such module, Goldman started to test what would happen if you presented users with names of people they hadn’t yet connected with but seemed likely to know—for example, people who had shared their tenures at schools and workplaces. He did this by ginning up a custom ad that displayed the three best new matches for each user based on the background entered in his or her LinkedIn profile. Within days it was obvious that something remarkable was taking place. The click-through rate on those ads was the highest ever seen. Goldman continued to refine how the suggestions were generated, incorporating networking ideas such as “triangle closing”—the notion that if you know Larry and Sue, there’s a good chance that Larry and Sue know each other. Goldman and his team also got the action required to respond to a suggestion down to one click.
그런 모듈 하나를 통해, 골드만은 만일 사람들이 아직 연결하지 않았지만 알 수도 있는 사람들의 이름을 사용자(예, 학교 및 직장에서 재직 기간을 공유한 사람들)에게 보여준다면 무슨 일이 일어날 수 있지를 테스트하기 시작했습니다. 그는 사람들의 링크드인 프로파일에 기입된 백그라운드 정보를 기반하여 각각의 사용자에 대해 3 가지 최상의 매칭 되는 항목을 표시하는 맞춤 광고를 만들었습니다. 며칠 만에 주목할만한 일들이 일어나고 있는 것은 분명했습니다. 이러한 광고들의 클릴률은 지금까지 가장 높았습니다. 골드먼은 삼각형 폐쇄와 같은 네트워킹 아이디어를 통합하여 제안이 어떻게 생성되었는 지를 계속 재정의 하였습니다. 만일 당신이 래리와 수를 안다면 래리와 수가 서로를 알 수 있는 좋은 기회입니다. 또한, 골드만과 그의 팀은 원클릭으로 제안에 응답하는 데 필요한 조치를 하였습니다.
It didn’t take long for LinkedIn’s top managers to recognize a good idea and make it a standard feature. That’s when things really took off. “People You May Know” ads achieved a click-through rate 30% higher than the rate obtained by other prompts to visit more pages on the site. They generated millions of new page views. Thanks to this one feature, LinkedIn’s growth trajectory shifted significantly upward.
링크드인의 최고 경영진들이 좋은 아이디어를 인지하고 표준 기능으로 만들기까지 오래 걸리지 않았습니다. 그 때가 일이 정말로 되기 시작한 순간입니다. '당신이 알 수도 있는 사람들' 광고는 사이트의 더 많은 페이지를 방문하기 위한 다른 프롬프트에서 얻는 비율보다 30% 높은 클릭률을 달성했습니다. 그것은 수백만 페이지뷰를 생성했습니다. 이 기능 덕분에 링크인의 성장 궤적이 크게 상향 조정되었습니다.
정리
링크인의 골드만은 사람들이 어떻게 네트워크를 형성하는 지를 관심 가지고 데이터를 분석하기 시작했습니다. 가설을 세우고 검증하는 과정을 반복하면서 주목할만한 데이터를 얻었습니다. 그래서, 만들어진 것이 당신이 알 수도 있는 사람 (People you may know) 페이지입니다. 이 페이지에서 사람들의 광고 클릭률은 급증했습니다.
링크인의 골드만의 사례는 데이터 사이언티스트 또는 데이터 과학자가 무슨 일을 하는 지를 정확하게 보여줍니다.
