brunch

라이킷 20 댓글 1

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by June Jul 04. 2020

설득을 위한 데이터

의사소통, 의사결정의 과정에는 반드시 데이터가 필요하다

데이터, 가장 확실한 설득 방법

스타트업들의 피칭을 지켜보다 보면 문득 중요한 사실을 깨닫곤 한다. 사람들이 고개를 끄덕이며 적극적으로 경청하거나, 아니면 반대로 전혀 딴짓을 하게 만드는 데는 공통적인 지점이 있다는 것이다. 그리고 그 지점은 설득을 위한 데이터가 제공되는 순간이다. 정확한 데이터가 뒷받침되는 근거는 단순한 추상, 예상보다 훨씬 설득력이 높다. 보는 사람으로 하여금 설득에 대한 신뢰도를 높이고, 가능성을 가시적으로 확인할 수 있기 때문이다. 실제로 단순한 추상이나 혹은 그저 자신감이 넘쳐 "우리는 최고예요!", "우리는 다 잘해요!", "경쟁사에 비해 우리의 것이 훨씬 좋습니다!"라고 외치는 팀보단 발표자의 임팩트나 자랑으로 가득 차 있지 않아도 실질적인 성과를 보여주는 팀이 더 좋은 성적을 받고, 투자를 유치하게 되는 경우들이 많았다. 모든 업무가 다 마찬가지겠지만 특히 지난한 설득의 과정을 통해 하나의 서비스, 또는 프로젝트를 만들어가는 과정을 겪어야 하는 기획자에게는 꽤나 중요한 인사이트이지 않을까.

이번 글은 설득에 있어 꼭 필요한 데이터에 대한 생각을 정리한 글이다.

글의 순서는 아래와 같다.

1. 내부 팀원조차 설득해야 하는 이유
2. 매 순간이 설득의 과정
3. 데이터는 어떻게 준비하는 것이 좋을까?

내부 팀원조차 설득해야 해요?

내부 팀원을 설득하는 것은 매우 중요하다. 이해하지 못했거나 공감하지 못하는 일들을 억지로 하게 만드는 것보다는 충분한 공감대가 형성되고, 일이 되어야 하는 이유를 알아야 열정도 생기고, 업무의 효율성이나 창의성이 증대되기 때문이다. 설레는 데이트를 앞둘 때, '10분만 더 자고..."를 되뇌기보다 눈이 번쩍 뜨이는 것처럼 하고 싶은 일로 만들어야 일이 잘 되어갈 수 있다.

결국은 매 순간이 설득

창업을 할 때, 다양한 분들을 만나 다양한 얘기를 나누었다. 팀을 보살펴 주었던 코치님들, 네트워킹 차 만났던 대표님들, 기꺼이 우리의 피칭을 들어주었던 VC들. 돌이켜 생각해보니 모두 한결같이 이야기했던 단골 멘트가 있었다. "방금 하셨던 말씀, 공감은 충분히 되는데 이 내용에 대해 좀 더 설명해줄 순 없나요?", "수익을 낼 수 있다는 근거는 어디에 있어요?", "사회적 가치를 창출하겠다고 하셨는데, MVP를 진행하고 실제로 얻은 성과가 있을까요?" 팀의 사업계획에 대해 설명을 듣고, 팀의 주장을 들었던 그들은 수치, 데이터를 통해 주장을 뒷받침할 수 있는 근거를 팀에 요청하였다. 어찌 보면 근거라는 것은 '팀의 주장'이라는 가설이 검증되었냐를 따지는 중요한 요인이자 '사업이 성공할 수 있을까?'를 측정하고 가늠할 수 있는 도구인 것이다.

창업이던 회사던 새로운 사업을 기획하기 위해 모여서 의견을 나누곤 했었는데, 이때 역시 다르지 않았다. 새로운 기능을 만들어보자는 주장에도, 지금의 기능을 변경 또는 보완해보자는 주장에도, 가격 정책을 변경하자는 주장에도 항상 근거가 필요했다. 팀원들은 내가 굳이 주장하는 것들을 진행해야 하는 타당한 이유를 요구하고, 이를 통해 자신들을 납득시켜주길 원했고, 그들을 설득해서 내가 원하는 일을 하게 할 수 있어야 내가 생각하는 것들을 실현할 수 있기 때문에 나는 늘 적절한 데이터를 마련해야만 했다. 단순히 "좋아 보여서", "괜찮은 것 같아서"와 같은 이야기들은 허무맹랑한 소설에 가깝다.

그럼 데이터는 어떻게 준비할까?

데이터는 크게 정성적 데이터, 정량적 데이터로 구분 지어진다. 이는 숫자로 표현하는가 아닌가로 구분 짓는다.

정성적 데이터 : 문자 또는 단어로 표현되는 데이터. 크기나 양으로 값을 표현하지 못하며 단어나 문장으로 나타내어지는 아이디어, 신념 등을 의미한다. 설명을 필요로 하는 정보를 수집하며 결과를 분석하기는 어려우나 보다 깊은 데이터를 얻어낼 수 있다.

정량적 데이터 : 숫자로 표현되는 데이터. 크기나 양으로 값을 표현할 수 있으며, 구조적이고 통계적 수치로 나타낼 수 있는 경제 수치, 인구센서스 등을 의미한다. 분석하기는 용이하다 유의미한 결과를 얻어내기 위해서는 보다 많은 표본을 수집해야 한다는 어려움이 있다.

비록 두 가지 범주로 데이터를 구분하지만, 이 중 어느 범주가 가치가 높냐 높지 않냐를 따지기는 어렵다. 위에서 설명했듯 각각의 데이터가 가지고 있는 장단점이 다르고, 표현할 수 있는 값들이 다르기 때문이다. 그래서 보통은 두 가지의 데이터를 모두 준비한다. 예를 들어 새로운 기능을 도입해야 한다는 주장을 펼칠 때, 정성적 데이터로는 유저 피드백, 최근 산업의 동향 등을 데이터로 제시한다. 그리고 이를 보완하기 위해 새로운 기능을 도입했을 때 발생할 수 있는 손익, 획득 가능한 유저 수, 리텐션 증가율 등의 정량적 데이터를 활용한다. 이렇게 두 가지 범주의 데이터를 모두 활용함으로써 새로운 기능을 개발, 도입하자는 주장의 근거로 사용한다. 이렇게 수집한 데이터는 도표, 그래프 등으로 보기 좋게 가공하여 활용한다. 그리고 우리는 고교과정이나 또는 대학과정을 통해서 굳이 회사에서의 경험이 아니더라도 데이터를 가공하는 방법을 충분히 잘 알고 있다.

데이터를 토대로 대화하는 습관, 문화의 형성

이제 중요한 부분은 이렇게 데이터를 주장의 근거로 활용하는 습관을 들이는 것이다. 더 나아가서는 조직 의사소통 과정에서 늘 데이터를 가지고 얘기하는 문화를 형성하는 것이다. 간혹 "왜 이렇게 당연한 것들을 이해하지 못할까?"라는 식으로 내부 팀원들을 설득하려 하지 않거나, 데이터 준비의 필요성을 이해하지 못하는 경우들이 있다. 그래서 마치 "그건 당연한 거야!"라는 식으로 팀원들을 대하는 경우들이 있는데, 사실 정말 옳지 못하다고 생각한다. 각자가 가지고 있는 생각이 다르고, 같은 현상이라도 바라보는 시각이 다를 수 있기 때문이다. 데이터의 중요성은 사실 모두가 다 잘 알고 있다. 그리고 데이터를 수집하는 방법과 가공하는 방법 또한 모두가 잘 알고 있다. 이제 중요한 것은 언제나 의사소통, 의사결정 과정에서 데이터를 당연하게 요구하고, 준비하는 문화를 만드는 것이지 않을까.