by
Mar 22. 2024
데이터 마인드 기르는 습관 구자룡 박사 신간 추천
좋은습관연구소
고등학교 동창이 하는 #즐거운치과 에서 스케일링 받기 전에
구자룡 박사님 신간 [#데이터마인드 기르는 #습관]을 읽고 있어요. 채용트렌드 5년째 쓰고 있으니 자주 묻는 것이 데이터 분석 문의가 많아요. 사실 아마추어들이나 자료에 집착하죠. 중요한 것은 데이터를 바라보는 분석자의 마인드이죠. #트렌드분석 강의 할 때 매번 강조하는 것이 기술보다 마인드입니다. 안목을 길러야 하는데 챗GPT로 쓴 책들을 늘고 있어서 걱정입니다. 요즘 연구자보다 현업자들이 더 빠릅니다. 단순히 이론이 아니라 현타를 맞아야 정신차리죠. 치과 병원도 인구가 많다고 잘 되는 게 아니라고 하더군요. 고객 중심 데이터 분석이 중요합니다. 키메시지를 위해 데이터 맥락 없이 이루어지는 의사결정이 결국 조직을 멍들게 합니다. 현업에서 고민하는 분들께 추천합니다.
#윤영돈
업의 특성을 잘 알고 데이터가 갖고 있는 의미가 무엇인지 잘 아는 사람은 해당 업무를 오랫동안 해온 실무자입니다. 단순히 숫자 관계만 보지 않고, 숫자 이면의 배경을 이해하는 사람이기 때문입니다.
단지 구글트렌드 분석만해도 모르는 것보다 낫습니디.
https://trends.google.co.kr/trends/
이런 실무자가 데이터 마인드(나아가 분석력)까지 갖춘다면 막강한 경쟁력을 갖추는 것과 다름없습니다. 데이터 분석 경험도 별다른 기술도 없는 기획자 마케터가 ‘가장 기초적인 수준’에서 데이터 분석을 해볼 수 있는 방법을 알려줍니다. 부록으로 챗GPT를 이용한 분석법까지 담았습니다.
구자룡 박사는
데이터 기반 컨설팅 전문기관인 밸류바인의 대표이며, 데이터 마인드 코치, 산업강사, 칼럼니스트이다. 마케팅 전공(브랜드 자산 평가 모델링)의 경영학 박사이며, 정보처리기사1급과 빅데이터전문가 1급 자격증이 있다. 데이터로 센싱하고, 통찰로 고객의 가치를 극대화하는 사명을 가지고 있다. 『한 권으로 읽는 비즈니스 명저 100』 , 『마케팅 리서치』 , 『시장조사의 기술』 , 『직장 없는 시대의 브랜딩』 , 『지금 당장 마케팅 공부하라』 , 『한국형 포지셔닝』 등의 저서가 있다. 그동안 데이터 기반 문제 해결과 의사결정, 데이터 분석과 디지털 마케팅 등으로 100여 개 기관과 기업에 출강했다.
국가공무원인재개발원에서 〈데이터 리터러시 역량 강화〉 〈엑셀로 배우는 초급 데이터 분석〉 〈데이터 사고력 키우기〉, 한국금융연수원에서 〈빅데이터를 활용한 금융마케팅〉 〈금융 빅데이터 분석 사례연구〉, 한국생산성본부에서 〈고객가치 창출을 위한 고객니즈 데이터 분석〉 〈마켓 센싱 역량 강화(마케팅 통찰력 개발)〉, 패스트캠퍼스에서 〈초격차 패키지: 한 번에 끝내는 디지털 마케팅 - 엑셀을 활용한 소비자 리서치와 통계〉 등을 강의하고 있다..
지은 책으로는 《지금 당장 마케팅 공부하라》, 《마케팅 리서치 :Market Sensing & Insight》, 《공공브랜드의 전략적 관리》, 《경영의 최전선을 가다》, 《한국형 포지셔닝 : 한국 소비자 마음에 브랜드 심는 법》, 《시장에서 통하는 마케팅 전략수립 및 실행》, 《고객만족도-조사방법실무지침서》등이 있다. 옮긴 책으로는 《마케팅 통찰력을 키워주는 시장조사의 기술》, 《소비자를 유혹하는 마케팅전략 34》, 《괴짜의 시대》, 《세일즈프로모션은 왜 마케팅의 핵심인가》등이 있다. 연구 논문으로 〈도시브랜드 자산의 평가와 지수화에 관한 연구〉, 〈소비자-브랜드관계 유형에 따른 브랜드 자산 구성 요소들 간의 상호작용에 관한 연구〉, 〈한국의 도시경쟁력평가에 관한 연구〉 등이 있다.
한국생산성본부로부터 ‘베스트 강사상’, 한국소비문화학회로부터 ‘우수논문상’을 수상한 바 있다. 그리고 ‘경영/브랜드/마케팅 분야 실무자들이 가장 만나고 싶어 하는 국내 전문가’ 3인에 선정되기도 했다.
업의 특성을 잘 알고 데이터가 갖고 있는 의미가 무엇인지 잘 아는 사람은 해당 업무를 오랫동안 해온 실무자입니다. 단순히 숫자 관계만 보지 않고, 숫자 이면의 배경을 이해하는 사람이기 때문입니다. 이런 실무자가 데이터 마인드(나아가 분석력)까지 갖춘다면 막강한 경쟁력을 갖추는 것과 다름없습니다. 데이터 분석 경험도 별다른 기술도 없는 기획자 마케터가 ‘가장 기초적인 수준’에서 데이터 분석을 해볼 수 있는 방법을 알려줍니다. 부록으로 챗GPT를 이용한 분석법까지 담았습니다.
프롤로그 - 데이터는 기술이 아니라 마인드다
1부. 데이터 리터러시에 대한 이해
1. 데이터로 나만의 관점을
2. 문제 정의가 먼저다
3. 스몰데이터도 중요하다
4. 데이터는 팩트가 아니다
5. 데이터 분석의 복병, 통계
6. 나의 데이터 리터러시 역량
2부. 현업 실무자의 셀프 데이터 분석
7. 나도 이제부터 데이터 분석가
8. 어떤 데이터 분석 도구를 선택해야 할까
9. 분석해보기(1): 트렌드 분석으로 신사업 구상 해보기 (스마트폰 사진, 구글 트렌드)
10. 분석해보기(2): 2차 데이터에서 신제품 아이디어 얻기 (빅카인즈)
11. 분석해보기(3): 텍스트 데이터에서 핵심키워드 찾기 (형태소 분석, 파워BI)
12. 분석해보기(4): 정량 데이터로 결론 도출 해보기 (기술통계, 가설검정, A/B 테스트)
13. 분석해보기(5): 시각화로 쉽게 통찰하기 (파워BI)
14. 여전히 중요한 조사 분석의 원칙
3부. 데이터 기반의 의사결정(마케팅 사례 중심으로)
15. 트렌드 분석에 의한 상품 기획
16. A/B 테스트를 활용한 마케팅 의사결정
17. 고객 세분화에 의한 타겟 마케팅
18. 알고리즘에 의한 추천과 예측 마케팅
19. 데이터 기반의 고객 경험 마케팅
20. 데이터 기반의 구독 서비스 마케팅
4부. 데이터 마인드 높이는 방법
21. 데이터가 아니라 데이터 사고력
22. 빅데이터가 아니라 빅 싱킹
23. 결과가 아니라 결론 도출
에필로그 - 데이터 마인드로 통찰력을 길러라
참고. 더 읽어보기
1. 챗GPT를 활용한 데이터 분석
2. 현업 실무자와의 Q & A
3. 데이터 마인드 강화를 위한 도서 추천
우리 주변에는 이미 무료로 이용할 수 있는 분석 도구들이 많다. 이를 이용하면 제한적이나마 데이터 수집과 분석, 시각화가 가능하다. 이미 일상에서 느끼고 있는 것처럼 머지않은 시점에 누구나 데이터 리터러시 나아가 데이터 마인드를 갖는 세상이 올 것이다. 그때가 되면 더 이상 역량이라 부를 필요가 없을지도 모른다. 하지만 아직은 많은 사람들이 데이터 리터러시가 무엇인지, 데이터마인드가 무엇인지 잘 모른다. 이럴 때 내가 한발 앞서 나가야 한다.
--- p.16
네이버 데이터랩도 꼭 활용해보세요.
https://m.datalab.naver.com/
데이터와 데이터 분석이 필요한 이유는 우리가 가지고 있는 어떤 문제를 해결하기 위한 것이지, 분석 그 자체를 위한 것은 아니다. 분석을 위해 데이터가 존재하는 것은 아니라는 뜻이다. 그런데 데이터에 집착하다 보니 어느 순간 본질(문제 해결)은 잃어버리고 수단(데이터 분석)이 중요한 것처럼 돼버렸다.
--- p.21
풀어야 할 어떤 문제가 있다면 이 문제를 해결할 수 있는 데이터는 따로 있다. 엉뚱한 데이터를 갖고 있다면 아무런 의미가 없다. 구매 이력이나 고객 행동 데이터처럼 실시간으로 자동으로 수집되는 것도 있으며, 이런 데이터를 활용해 구매 확률을 계산해 낼 수도 있다. 하지만 이 또한 내가 풀고자 하는 문제와 연관이 있어야 의미가 있다. 데이터가 있어서 분석하는 것이 아니라, 비즈니스 문제를 해결하는 데 필요한 데이터를 수집하고 분석한다는 사실을 잊어서는 안 된다. 이점이 데이터 분석에도 기획이 필요한 이유이다.
--- p.25
‘조사하면 다 나온다’는 말이 있다. 이 말은 조사자 의도에 따라 결론이 도출된다는 뜻이다. 조사해서 정답을 밝힌다는 뜻은 아니다. 설문조사나 데이터를 수집 할 때는 이처럼 기본적인 윤리와 공정성을 잘 지키는 것이 중요하다. 하지만 현실에서는 100% 완벽하기가 불가능하다. 그래서 데이터를 볼 때 어떤 현상에 대한 팩트fact가 아니라 트렌드trend의 반영 정도로 보아야 한다. 즉, 의사결정을 위한 참고 자료이지 조사 결과가 당연한 귀결인것처럼 결론이 되어서는 안 된다.
--- p.38
무더위로 아이스크림 판매량이 증가했다면 인과관계가 있다. 무더위로 인해 익사자 수가 증가했다면 역시 인과관계가 있다고 봐야 한다. 하지만 아이스크림 판매량과 익사자 수의 증가 사이에는 인과관계가 아니라 상관관계(?)만 있다. 단, 이 상관관계는 통계적으로는 상관계수가 높을 수 있지만 현실에서는 아무 의미가 없는 상관이다. 단지 우연의 일치일 뿐이다. 이를 가짜 상관관계라 한다. 두 변수사이 상관관계가 인정되려면 개연성이 있어야 한다. 그리고 상관관계가 강하다고 해서 둘 사이에 인과관계가 있다고 단정하면 오류나 왜곡이 일어난다.
--- p.51
마케터라면 자신이 1년간 투자한 비용에 대비해 마케팅 성과가 났는지 그렇지 않은지가 궁금할 것이다. 광고도 하고 판촉도 하고 이벤트도 하고 가격 할인도 했는데, 이런 활동들이 투자 대비 효과ROI, return on investment를 거뒀는지 궁금하다. 이를 어떻게 알(측정할) 수 있을까?
--- p.51
현업 데이터 분석가가 되려면 몇 가지 조건이 필요하다. 첫째, 현업에서 일어나고 있는 문제를 정의할 수 있어야 한다. 둘째, 데이터에서 진짜 의미를 찾아내기 위한 과감한 도전이 필요하다. 셋째, 변수와 변수 간의 연관성을 유심히 살펴야 한다. 넷째, 원인과 결과를 찾아내는 것에 관심을 가져야 한다. 다섯째, 리서치 마인드와 분석적 사고를 해야 한다. 여섯째, 나의 가설을 지지할 데이터를 갖고 있어야 한다. 없다면 데이터 수집도 할 수 있어야 한다. 마지막 일곱째는 데이터 분석 도구를 사용할 수 있어야 한다.
--- p.69
데이터 분석에도 수준이 있다. 현업 실무자는 어느 수준까지 갖춰야 할까? (중략) 최소한 첫 번째 수준인 탐색 혹은 기술분석까지는 할 수 있어야 한다. 그리고 두 번째 수준인 인과 혹은 예측 분석도 할 수 있도록 노력해야 한다. 세 번째 수준인 최적 혹은 처방 분석은 전문적인 학습과 연습이 필요하다. 여기까지는 아마도 데이터 과학자로 진로를 바꿔야 할지도 모른다. 따라서 데이터 과학자가 아닌 이상 처방 분석 수준까지 학습할 이유는 없다.
--- p.71
현업 실무자로서 데이터 분석을 하고자 한다면 먼저 엑셀과 빅데이터 분석 플랫폼에 가장 먼저 익숙해질 필요가 있다. 그런 다음 좀 더 깊이 있는 분석을 위한 SPSS와 같은 통계 패키지를 이용한다. 그리고 전문적인 데이터 분석 및 시각화 분석까지 해보고자 한다면 R과 같은 프로그래밍 언어를 익힌다. 코딩에 자신 없다면 래피드마이너와 같은 플랫폼으로 데이터 마이닝 및 예측 분석을 할 수 있다.
--- p.81
