데벨챌 회고 & 그로스해킹 저자와 함께하는 북토크 참가 후기

목차
🚩개요
👉궁극적으로 데이터 분석가가 가져야 하는 질문
👉마케터와 데이터 분석가의 차이점
👉호기심을 갖자
👉지표에 변화가 생겼을 때 원인 분석은?👉데이터가 별로 없을 때는?
👉서류와 면접
📌마무리

🚩개요

데이터리안의 독서 챌린지 참여에 이어 회고 모임 및 북토크에 다녀왔다. 독서 회고 모임과 북토크 모두 처음이고 요새 회사에서도 교과서처럼 들춰보고 있는 책이라 어떻게 진행될지 기대됐다.

데이터리안 측에서 선정한 각 주차별 인상 깊은 내용으로 회고 파트를 진행하고 진행자이신 보민님이 리스트업한 질문들로 북토크가 진행됐다. 그리고 마지막 섹션에 본격적으로 참여하신 분들의 질문을 받아주는 Q&A가 진행됐다. 보민님이 보여주신 챌린지 퍼널 분석도 흥미로웠다. 미션을 제출하기 시작하면 그 다음 단계까지 진행한 비율이 50%가 넘는 엄청난 황금 퍼널...🪙🪙🪙

이번 글에서는 기억에 남는 이야기들 위주로 정리해보려한다.

---

👉궁극적으로 데이터 분석가가 가져야 하는 질문

데이터 분석의 시작은 쪼개서 보는 것. 퍼널을 분석할 때에도 분석 목적에 따라 유저 세그먼트를 만들어 뜯어봐야 한다. 여기까지는 하는 사람들은 그래도 꽤 있는 편. 하지만 제일 중요한 건 퍼널을 통과한 사용자와 퍼널을 통과하지 못한 사용자는 어떤 차이점을 갖고 있는지와 같은 근본적인 질문을 가져야 한다.

 한창 제안 시즌인지라 공장처럼 제안서를 만들어내고 있다. 그래도 브랜드 별로 그에 맞는 분석 전략을 가져야하니 머리가 지끈지끈하다. 그래서 '근본적인 질문'(양승화님께서는 근본적인 질문이라고 표현하지는 않으셨지만 이런 느낌인 것 같다!)에 대한 이야기가 공감이 많이 됐다. 데이터를 쪼개봐서 무엇을 할건데? 쪼개봄으로써 얻을 수 있는 'so what'이 무엇인가에 대해 계속 고민하면서 제안서를 쓰는 중인데, 이게 참.. 어렵다!!!! 필요하고 꼭 해야하는 고민이니 이런 방향으로 고민하자.

 이렇게 데이터를 쪼개고 'so-what'을 생각하다보면 더 목표를 달성하기 위한 더 구체적인 액션이 도출된다는 것을 기억하자.

---

👉마케터와 데이터 분석가의 차이점

마케터에서 데이터 분석가로 포지션을 바꾼 나에게 또 와닿았던 내용 중 하나였다. 결국 마케터는 액션을 만들어내는 역할이고, 이 액션을 만들기 위해서 데이터를 '도구'로서 사용하는 것이다.  데이터 분석가는 서비스 성장은 물론 분석 환경과 데이터 관리와 연관된 직무도 함께 한다. 데이터 분석가와 마케터가 데이터를 활용한다는 점은 비슷하지만 업무 범위가 다르다.

요새 가장 많이 들었던 고민 중 하나였다. 마케터가 요청하는 분석 업무를 진행하는데, 그럼 나는 왜 굳이 마케터에서 데이터 분석가가 된거지?하는 고민이 많았다. 오히려 액션을 이끌어 낼 수 있다는 점에서 마케터가 더 재미있어보이기까지 했다. 그래서 이번에 이야기해주신 부분이 더 와닿았다. 마케터가 액션을 도출하기 위해 도구로서 활용한다면, 이러한 환경을 마련해주는게 데이터 분석가 역할 중 하나라는 것. 그런 점이라면 나는 환경을 마련하는 것에 흥미를 더 느끼는 것 같다. 목적에 맞는 데이터가 수집되어야만 유의미한 인사이트를 뽑을 수 있기에 택소노미를 정립하고 관리하는 것, 로그 데이터를 테이블화하는 것 모두 흥미롭다.

---

👉호기심을 갖자

결국 호기심이 많은 사람이 조금이라도 더 뜯어보고 더 세밀하게 확인한다. 

그렇구나 하고 수용하는 태도가 아닌 계속 물음표를 갖고 분석하자.

---

👉지표에 변화가 생겼을 때 원인 분석은?

요새 기여도 분석 모델에 대해서도 고민이 많았던 찰나라 이 질문 역시 와닿았던 부분이었다. 나는 전환에 각 매체가 얼마나 기여하는지가 궁금했기 때문에 거시적인 관점의 질문과는 조금 다른 맥락이 있었지만 양승화님의 답변이 나한테도 적용되는 내용이었다.

 트렌드, 제품의 영향력, 마케팅 등 어떤 점으로 인해 지표가 변화했는지 정확하게 파악하는건 불가능하다고 답변을 주셨다. 그래도 민감도를 높이려면 측정하는 지표에 대한 충분한 이해가 먼저라고. 그리고 각기 다른 기여도 모델에 따라 분석을해도 결국 기여 점수는 크게 안달라지는걸 확인했다고 하셨다.

 지표에 대한 이해도가 선행되어야한다는 점이 매우 와닿았다. 결국 측정되는 지표가 어떻게 숫자를 만들어내는지 원리를 알아야 그 요소에 기여하는 요소들도 세부적으로 알 수 있으니까!! 또 새로웠던 점은 각기 다른 기여도 모델을 적용해도 비슷한 결과를 냈다는 내용이었다. 라스트 클릭, 리니어, 시간 가치 등 다양한 모델이 있는데 비슷한 결과가 나온다니 신기하다. 나도 이걸 내가 직접 확인해보고 싶다.

---

👉데이터가 별로 없을 때는?

사용자를 직접 만나야한다. 에스노 그라피를 하는 것도 좋은 방법이다.에스노 그라피라는 용어는 이번에 처음 들어봤다. 조사자가 직접 특정 집단에 들어가 관찰하는 방법론으로 조사의 편향을 최소화할 수 있는 장점이 있다고 한다. 학교 다니면서 연구방법론 들었던 기억이 새록새록... 툴이나 통계적인 접근 이외에 질적 방법론도 데이터 분석이 가능하다는 점이 새로웠다. 어떻게보면 당연한데 왜 생각하고 있지 못했지?

참고 링크 : 

https://brunch.co.kr/@nooong/82

---

👉서류와 면접

• 서류
  • 서류를 보고 나를 보고 싶게 만들어야함.
    서류에는 의도적으로 나에 대한 호기심을 불러일으킬 수 있는 요소들을 넣어야한다
• 면접
  • 지원자가 나랑 같이 일하고 싶어야함

---

📌마무리

 이 외에도 서비스마다 AARRR 중 중요한 단계는 다를 수 있고, EDA에서의 데이터 시각화 중요성, 매출과 데이터의 관계 등 계속해서 실무와 밀접하게 관련된 내용들을 많이 이야기해주셨다. 이번 북토크에서 배운 내용들을 머리 속에만 갖고 있지말고 업무할 때 꼭 적용해보자.