"데이터분석에서 어떤 데이터를 봐야할까.."

"왜 우리팀은 데이터를 수집해도 잘 보지 못할까.."

위와 같은 고민은 많은 마케터들이 겪는 고민이자 항상 어려운 점이다.

실제로 많은 기업에서 마케터에게 '데이터 리터러시'를 요구하는 이유도 이러한 이유 때문일 것이다.

그러면 데이터 리터러시(Data Literacy)란 과연 무엇일까?

리터러시(Literacy)는 문해력으로 글을 읽고 쓸 줄 아는 능력처럼 데이터를 읽고 활용할 줄 아는 능력을 말한다.

우리가 글을 읽을때에도 중요한 부분과 중요하지 않은 부분에 대한 '위계질서'를 나누어 요점을 파악하는 것처럼 데이터도 마찬가지이다.

여러가지의 의미를 담고 있는 수 많은 데이터가 있겠지만 해당 내가 현재 정의한 문제를 풀기 위해서 어떤 데이터가 그에 대한 인사이트를 줄 수 있을지 파악할 수 있어야 한다.

그런 맥락에서 가장 중요한 것은 내가 어떤 문제를 풀 것인지 정의하고, 이를 위해서 어떤 질문을 던질 것인지가 선행되어야 한다.

데이터 분석이 어려운 사람들은 아래와 같이 '질문'을 먼저 던지지 않고, 구글애널리틱스와 같은 데이터 분석 도구를 열어서 데이터를 먼저 보고자 한다.

 

"내가 데이터를 통해서 어떤 액션을 취해야 할지 모르겠어.."

데이터를 보기 전에는 아래와 같이 질문을 먼저 던져야, 어떤 데이터를 봐야할지 알고 그에 맞춰서 어떤 액션을 취할 수 있지 생각하게 된다.

여기서 중요한 것은 질문하는 것에도 방법이 있다는 것이다.

질문을 필요한 것은 알지만, 생각보다 질문을 못하는 경우도 많다.

그러면 '안 좋은 질문'과 '좋은 질문'을 한 번 구별해보자

-------------------------------- 

안 좋은 질문 (Bad Question)

Q. 어떻게 하면 매출을 올릴 수 있을까?

Q. 왜 방문자들은 구매를 하지 않을까?

좋은 질문 (Good Question)

Q. 어떤 시간대에 들어온 신규고객이 가장 웹사이트 이탈율이 적을까?

Q. 구매전환율은 높은데 페이지뷰 수가 적은 상품페이지는 무엇일까?

--------------------------------

좋은 질문과 안좋은 질문의 다른점은 '내가 어떤 액션을 취할 것인지 먼저 생각하고 질문을 던졌다는 것'이다.

안 좋은 질문은 지금 내 머릿속에 떠오른 단순한 궁금점일 가능성이 높다.

반면에 좋은 질문은 내가 어떤 액션(트러블 슈팅)을 취할 것인지 먼저 생각하고 그에 대한 답을 얻기 위해서 질문은 던졌기 때문에

어떤 지표를 볼 것인지 명확하게 이해가 될 것이다.

데이터 리터러시는 단순히 데이터 분석도구를 잘 활용할수 있는 역량을 말하는 것이 아니다.

데이터 분석도구는 내가 정의한 문제를 풀기 위해서, 그에 대한 힌트를 얻을 수 있는 수단에 불과하다.

데이터 리터러시는 내가 기업의 성장을 위해서 문제를 잘 정의할 수 있고, 그에 대한 답을 얻기 위한 적절한 질문을 '잘' 던질수 있는가를 말한다.

우리가 데이터를 보는 이유는 궁극적으로는 문제를 해결하기 위함이다.

수 많은 데이터가 생성되는 시대에서 문제 해결을 위한 질문을 잘 던질 수 있는 역량이 그 어느때 보다도 중요해지는 시기이다.