- 타임라인 00:00 인트로 00:19 의미있는 인사이트를 얻기 위한 원칙? 01:05 데이터 읽기와 해석하기 구분 03:06 '한달 살기' 데이터를 더 의미있게 쓰이려면? 05:36 다음에 '한달살기'로 뜰 도시는? 07:27 요식업계에서도 인사이트를 얻을 수 있다! 07:52 데이터 리터러시 08:25 데이터 리터러시 키우는 법
제가 원하는 것을 알기 위해 어떤 데이터를 활용해야 하는지, 어떻게 조합했을 때 유의미한 결과가 나오는지 감이 잘 오지 않았는데 이번 영상을 통해서 이에 대한 궁금증을 어느 정도 해결할 수 있어서 좋았습니다! '미디어 리터러시'에 관한 이야기를 듣던 것이 엊그제 같은데, 이제는 '데이터 리터러시'의 중요성이 강조되고 있다보니 데이터를 잘 활용하기 위한 능력을 키우고, 세상을 보는 통찰력을 키워야겠다는 생각이 듭니다.
데이터 리터러시 능력을 통해 데이터를 해석하고 인사이트를 도출하는 과정이 매우 흥미로웠습니다. 특히 한달살기로 유명한 장소의 공통점을 찾는 과정이 인상깊었습니다. 이때 기초 지식이나 상식이 중요하다고 생각했습니다. 물이 있는 곳을 한달살기로 유명한 곳의 공통점이라고 했을 때, 둘의 인과 관계를 명확히 확인할 수 있는 방법이 있을지 궁금합니다!
데이터를 표면적으로 보는 것이 아닌 여러 데이터와 조합해 인사이트를 얻는 과정이 흥미로운 강의였습니다! 말씀해주신 것 처럼 한달살기 데이터와 코로나 발생 시점을 조합하기 위해선 어느정도의 배경지식과 센스가 필요한 것 같은데요! 데이터를 조합하는 인사이트를 얻는 데에 뉴스 외에 어떤 사이트나 칼럼을 참고할 수 있을지 궁금합니다!
지난 시간에 배웠던 데이터 리터러시에 대해 다시 한번 생각해 볼 수 있는 좋은 영상 감사합니다. 데이터를 통해 의미있는 정보를 도출해 낼 수 있다는 사례로 추후에 각광받을 수 있는 한달살기 명소들을 말씀을 해주셨습니다. 이런 미래에 대한 예측 데이터의 정확도 또한 데이터를 통해서 알 수 있는지, 그 정확도는 어느정도에 도달했는지 궁금합니다.
개인적으로는 미래를 예측한다는 것은 '과거의 패턴 + 뇌피셜' 이라고 생각합니다...! 어떤 패턴이 존재하더라도, 그 데이터를 해석하는 사람이 어떤 배경지식을 가지고 있느냐에 따라 다른 분석이 나올 수 있는 만큼, 패턴의 정확성은 수치로 나올 수 있어도 정확한 미래예측은 사람의 손을 타는 것 같아 측정이 어려울 것 같습니다! (물론 이것도 저의 뇌피셜...!)
예측 데이터의 정확도는 지나간 다음에 확인할 수 있지 않을까요? 시간이 지나면 맞았다/틀렸다 결과가 나올 것이고, 그 결과를 다시 데이터분석에 input 시키고... 그 다음에 데이터 다시 확인하고.... 이걸 무한히 반복하면 정확도 올라갑니다. 물론 인간이 눈과 손으로 할 수 있는 영역이 아닙니다. 그래서 머신러닝, 인공지능 활용하는 겁니다.
데이터 리터러시 전반적인 프로세스에 대해 맛볼 수 있어서 유익한 강의였습니다! 마케터라면 결국 데이터를 통해 얻은 분석 결과를 어떤 산업에서 어떻게 활용하여 수익을 창출할 수 있을것인가에 대한 아이디어가 중요한 것 같다는 생각이 듭니다. 같은 데이터가 주어지더라도 남들이 하지 못하는 생각을 하는 사람이 데이터 리터러시 능력이 뛰어난 것이라고도 말할 수 있을 것 같은데 이러한 데이터 활용 부분은 인간만의 고유한 크레이티브한 영역으로 남을 수밖에 없을지 궁금합니다!
저는 개인의 창의성보다는, 각 개인이 가지고 있는 도메인 지식이 데이터 해석에 더 중요하다고 생각해요 :) 사실 어떤 해석이 '더 좋은 건지'는 나중에야 알 수 있는 것이고, 전략을 수립하는 단계에서는 다각도의 해석이 '좋은 해석', '팀에게 도움이 되는 해석'이 될 수 있다고 생각합니다. 좋은 질문 나눠주셔서 감사합니다!
데이터 활용에 있어서도 AI가 발전할수록 새로운 '조합'을 만들어 내는 가능성은 점차 높아져만 갈 것 같습니다. 하지만 AI가 연산을 하고 조합을 뽑아내어 최적의 예상결과를 만든다 하더라도, 결국 이것을 실행에 옮기느냐, 다시 말해 이 해석을 활용하느냐 라는 의사 결정 부분은 여전히 인간만의 것으로 남지 않을까 하는 생각이 듭니다. 물론 그만큼 필요한 인력의 수는 점차 줄어들겠지만요...!
좋은 영상 감사합니다! 과제를 할 때 '과연 이런 인사이트가 의미가 있을까?' 계속해서 고민했는데 기본적인 틀이 잡힌 것 같아서 좋았습니다. 데이터를 해석하는 것은 중요한데 산업군별로 똑같은 데이터를 다른 방향으로 해석한다는 점이 인상적이었습니다. 또한 한가지 데이터의 흐름 뿐만아니라 여러개의 데이터를 비교하면 훨씬 더 흥미로운 인사이트를 찾을 수 있다는 것도 알았습니다. 마지막에 소량의 데이터라도 결과를 업무와 연결시킬 수 있는 창의력이 있으면 좋다고 하셨는데, 보통 어느정도 데이터(검색량)가 있을 때 신뢰도가 높다고 말할 수 있을까요?
한달살기 키워드를 중심으로 여러도시를 연관검색어로 데이터분석하여 한달살기로 핫한 지역을 찾아내고, 이 지역들간의 특성을 파악하여 향후 미래 한달살기 부동산 지대까지 찾아내는 일련의 흐름이 매우 흥미로웠습니다. 데이터가 왜 그렇게 나오는지 고민하고 기준을 가지고 데이터끼리 비교하며 비즈니스 인사이트를 얻어야한다고 말씀하셨는데, 데이터를 분석할 때 현상의 근본적인 이유를 파악하기 어려움에도 불구하고 미래를 예측하는 경우가 있을까요?
이유를 파악하기 어려운데, 미래를 예측하면... 그게 "감" 아닐까요? ^^ 하지만 정말 경험이 많은 분이라면, 그 "감"도 상당히 믿을만 합니다. 따라서 경험이 많은 분들이 데이터까지 활용하면 금상첨화가 될 것이고, 경험은 적어도 데이터를 확실히 활용 할 수 있다면, 일정 경지에 오르기 위해 필요한 경험치를 줄 일 수 있습니다. 즉, 여러분에게 데이터가 없다면 마케팅 영역에서 절대로 이진형 교수님을 뛰어넘을 수 없겠지만, 여러분에게 데이터를 쥐어주고, 이교수님께 경험으로만 결정해라 한다면? 해 볼만한 경쟁이 될겁니다.
성빈님 말씀처럼 특정 분야의 수요 증가를 확신하기 위해선 검색량 뿐만 아니라 다양한 자료를 판단의 근거로 써야 할 것 같습니다! 말씀해주신 한달살기 같은 경우, 검색량과 더불어 여기어때, 에어비앤비 등의 숙박 플랫폼을 이용하여 숙박 예약률(한달살기는 예약 기간도 확인해봐야 할 것 같네요!)등을 확인함으로써 한달살기가 트렌드로 자리 잡고 있는 것으로 판단을 내릴 수 있을 것 같습니다.
추가적으로 다른 데이터를 가져다 분석 할 수 있다면 정말 좋겠습니다만! 쉽진 않습니다. 만약 다른 데이터를 구할 수 있다면... '카드사 매출데이터'를 구해서 분석하겠습니다. 해당 도시에 적을 두지 않은 고객이 해당 도시에 들어와서 2주 이상 카드를 사용하는 패턴을 찾아내고 그 패턴이 늘어나는지 줄어드는지 확인하면 트렌드는 바로 확식 할 수 있습니다. 아니면 '소셜버즈 데이터'. 통상 검색은 행동하기 전에 발생하고, 소셜버즈는 행동 후에 남깁니다. 한달살기에 대해 행동 전, 행동 후 데이터가 모두 많이 나온다면, 이는 한달살기에 대한 관심과 수요가 충분하다고 볼 수 있습니다.
9년 간의 데이터분석가로 활동하시면서 많은 프로젝트를 진행해보셨을 것 같습니다! 회사 사업 프로젝트를 제외하고 혼자서 진행한 사이드 프로젝트에는 어떤 것이 있는지 궁금합니다.(또 이런 사이드프로젝트는 주로 단순한 궁금증 해결을 위해서 하셨는지, 평소 관심사에 대해 좀 더 알아보고 싶어서 하셨는지 등 동기도 궁금합니다)
아무 이유없는 분석은 잘 안 합니다. 업무적으로 분석할 것만 해도 어마어마하게 쌓여있어서... 다만 프로야구에 대해 관심이 많고 엄청 좋아해서 야구 관련 데이터는 'toy'프로젝트로 가끔 진행합니다. 아직 업무적으로 해볼만한 분석과제가 없다면, 평소에 본인이 관심있었던 부분에 대해 분석을 시도 해 보시는게 좋은 연습이 될 것 입니다.
어떻게 데이터를 통해 인사이트를 얻는 지 예시를 통해 쉽게 이해할 수 있었습니다! 검색량이 감소하는 특별한 이유는 찾을 수 없고, 서서히 사람들에게 잊혀져가는 트랜드의 경우 마케터의 입장에서 이는 살릴 것이 없는 데이터인지, 이러한 데이터로도 인사이트를 끌어낼 수 있는지 궁금합니다!
구체적인 예시를 들어주셔서 더 쉽게 이해되는 영상이었습니다! :) 갑자기 검색량이 증가한 키워드는 버즈 데이터를 통해 검색량 증가 이유를 확인할 수 있다고 하셨는데, 반대로 검색량이 줄어드는 이유는 어떻게 확인할 수 있나요? 앞서 말해주신 '한달살기' 의 경우에는 검색량 하락 이유(코로나 확산)를 추측하기가 비교적 쉬운 것 같은데, 만약 생소한 분야의 데이터를 해석해야 한다면 무엇을 참고해야 보다 정확한 해석을 할 수 있을지 궁금합니다!
제 생각에 검색량이 줄어드는 경우에는, 검색량이 반짝 하고 높아졌을 때 그 이후로 그 화제성을 끌고가기 어려운 경우라고 생각합니다. 보다 강력한 경쟁자 또는 브랜드 자체의 메세지 부재, 또는 브랜드 전반의 문제점이요! 이것 역시 경쟁 브랜드와 비교하는 방향으로 해석할 수 있을 것 같습니다
실생활의 사례를 말씀해주셔서 좀 더 잘 이해가 되는 강연이었습니다 감사합니다. 제가 개인적으로 궁금한 내용은, 어떤 현상을 '트렌드'라고 파악한 후에 관련 마케팅 전략을 수립하고 실행을 하게 될텐데요, 이렇게 전략을 실행한 후에 때로는 트렌드라고 파악했던 현상이 예기치 못한 변수로 저물 수도 있고, 때로는 아직도 고점에 다르지 않은 채 성장하는 트렌드라고 판단하게 되시는 경우가 있을 것 같습니다. 이러한 판단, 즉 데이터 마케팅의 퍼포먼스가 얼마나 좋았는지 평가하시는 척도에는 무엇이 있을까요?
제 생각에는 '어떤 것이 더 이상 트렌드가 아니다'의 데이터 기준은 1. 마켓 트렌드에서의 순위 변동과 2. 해당 키워드의 검색량과 버즈량의 감소 일 것 같습니다! 키워드 검색량, 버즈량 감소의 경우 급락하는 경우도 있겠지만, 보통은 꾸준한 감소를 보일 때 저물고 있다고 볼 수 있을 것 같아요. 고점에 다다르지 않았지만 트렌드인 경우는 강연에서 말씀해주셨던 것처럼 일단 뇌피셜(즉 마케팅의 역량)로 어느정도 파악하고 버즈 데이터를 유심히 살펴봐야할 것 같습니다
제 개인적인 생각으로, 데이터 마케팅의 퍼포먼스가 얼마나 좋았는지는 시간적인 측면과 (마케팅)실효성의 측면에서 평가할 수 있을 것 같습니다. '최근 떠오르는 트렌드를 얼마나 빠르게 읽어서 마케팅에 적용했는가' , 그리고 '해당 마케팅이 실제 어느 정도의 성과로 이어졌는가'를 평가함으로서 데이터 분석 및 실제 마케팅 기획 및 실행 단계를 평가할 수 있지 않을까 생각됩니다..!
뇌피셜, 있어보이는 말로는 Domain Knowledge 라고 표현합니다. 해당 영역에 대한 공부를 먼저 합니다. 고객이 현대자동차면 자동차를 공부하고, 족발야시장이면 요식업을, 토니모리면 화장품을.... 이런식이죠. 이런 Domain Knowledge 의 차이가 같은 데이터를 보고도 다르게 해석하는 상황을 만들어 냅니다.
머신러닝 같은 기법을 알고 있으면, 당연히 데이터 해석의 정확도가 더 올라가겠죠? 뭐가 중요하다 중요하지 않다가 아니라, 데이터를 비즈니스적으로 해석하는 역량과 기술적으로 분석하는 역량 모두 중요합니다. 둘 다 잘 하면 금상첨화! 입니다만, 현실적으로 둘 다 잘하기가 쉽지 않습니다. 문과와 이과를 동시에 잘 해야하는지라.... 저도 기술적으로 분석하는 것은 취약하여 머신러닝을 공부하는데, '머신러닝의 이 기법을 이렇게 구현하는 것이다'를 공부하는 것이 아닌 '이 기법은 이런 데이터를 요런 목적으로 분석할 때 유용하다'를 공부합니다. 예를들어 LDA 라는 알고리즘은 텍스트데이터에서 토픽클러스터링에 좋은 알고리즘이다. 라는 것을 알고, 어떠한 원리로 클러스터링을 만드는지는 알고 있지만, 실제로 LDA를 어떻게 코드로 짜는지는 전혀 모릅니다.
팀원들끼리 과제를 수행할 때 늘 우리가 너무 '뇌피셜'로만 말하는게 아닌가 싶었는데, 생각보다 필터링 없이 나오는 raw한 아이디어들이 인사이트의 시작이라는 사실을 알게되었습니다. 확실히 트렌드에 민감해야 연관되는 단어도 많이 떠오를 것 같고 합니다! 트랜드마다 시작되는 플랫폼이 다른데, 시작된 곳을 추적할 수 있는 방법도 있나 궁금합니다.
특정 트렌드의 시작을 추적할 때에는 그와 밀접히 관련된 사이트를 우선적으로 찾아볼 수 있습니다. 아기 용품은 맘카페를, 화장품은 화해나 글로우픽 등의 사이트를 우선적으로 찾아보는 것이 도움이 될 것이라 생각합니다. 따라서 어떤 상품에 어떤 사이트가 주로 관련이 있는지를 아는 것 또한 마케터의 역량이라고 생각합니다.
강사님께서 한달살기 관련해서 30개 가량의 도시를 일일히 검색해보면서 비교하셨다고 하신 것처럼, 본인의 배경지식과 판단 기준을 가지고 여러 플랫폼 중에 트렌드의 시작점이 될만한 곳을 선별하여 그 가운데에서 검색이나 텍스트마이닝 등의 방법을 이용해 트렌드의 시작을 분석해 볼수 있을 것 같습니다.
시작된 곳을 추적하는 방법은... 버즈데이터를 활용하면 일부 가능합니다. 예를 들어 "한달살기" 라는 키워드가 포함된 모든 버즈데이터를(모을 수 있다면) 수집하여 시계열적으로 뿌려보고, 가장 먼저 "한달살기" 키워드가 만들어진 플랫폼을 찾고, 시간의 흐름에 따라 어느 사이트/플랫폼으로 옮겨가는지 추적하면 시작된 곳과 함께 확산패턴을 찾을 수 있습니다. 일부 대기업에서는 자사 관련 "부정이슈"를 위와 같은 방법으로 추적해서 선제대응하고 있습니다.
좋은 설명 감사합니다! 영상을 보면서 평소 무심코 지나쳤던 데이터들에 대해 이렇게 전략적인 접근이 가능함을 많이 깨달았습니다. 데이터마케팅코리아에서 제공하는 AI기반의 "마대리"는 데이터에 대한 어느 정도의 "해석"이 가능한 지, 아니면 아직 데이터 해석은 마케터들의 영역인 지 궁금해졌습니다.
검색량 데이터에서 트렌드를 추적할 때, '숫자'에 큰 영향을 주는 주요 요소는 1. 사건/사고, 2. 미디어노출(특히 TV), 3. 법/제도의 변화 등 입니다. 따라서 숫자를 추적하면서 시계열적으로 '해당 시점'에 트렌드를 둘러싼 '주변'에서 무슨 일이 벌어졌는지 항상 더블체크 해야 합니다.
소량의 데이터나 분석 기술이 간단하더라도 자신의 업무와 연결시킬 수 있는 창의력이 필요하다고 하셨는데, 자칫하다가는 자의적인 해석으로 인한 논리의 비약이 발생할 수 있을 것 같다는 생각이 듭니다. 적절한 창의성과 논리적 비약이 명확하게 구분될 수 있는 영역인지 궁금하고, 이를 판단할 수 있는 기준이 있을지 궁금합니다.
창의성과 논리적 비약을 구분하는 것은 '귀납법'으로 입증이 되느냐 입니다. 그래서 다른 비슷한 사례를 많이 찾아서 데이터를 대입 해 보고, 대부분의 경우에서 해당 논리가 통한다면, 이는 논리적으로 타당한 '적절한 창의성'이 됩니다. (개인적으로는 70% 이상이면 논리적으로 타당하다고 생각합니다.) 극단적으로는 51:49 만 나와도 의사결정에는 도움이 됩니다.
저는 무엇보다 데이터 분석에 관심있는 친구들과 함께 학회 생활을 해보는 것이 도움이 되는 것 같아요! 같은 기간동안 프로젝트를 진행해도 각각의 주제와 인사이트가 다 다르고, 팀 내에서도 같은 데이터를 통해 어떤 결론을 도출해내면 좋을지 의견이 다르더라고요! 하지만 실제 현업에서 데이터 리터러시 능력을 기르기 위해 어떤 방법들을 쓰시는지 저도 궁금합니다!
말씀해주신 것처럼 많이 보고 다루다보면 능력을 키울 수 있을 것이라 생각합니다. 하지만 영상에서도 말씀해주신 것과 같이 단순히 보고 다루는 것을 넘어서 어떤 의미있는 정보를 얻어내기 위해 많이 생각하고 공통점 차이점을 생각해보는 꾸준한 연습이 있으면 데이터 리터러시 능력을 더욱 향상시킬 수 있지 않을까 생각합니다.
어떤 데이터의 특이점(급락, 급상승, 분포 변화 등)의 이유를 데이터를 면밀히 보면서 우선 생각해보고 그 데이터를 처음 보는 사람에게 데이터와 함께 그 이유를 함께 설명해 보는 것도 좋은 방법일 것 같습니다! 상대가 자신의 이유로 설득이 되는 비율이 많아 지면 해석이 합리적으로 되고 있다고 볼 수 있기 때문이죠. 반면에 설득되지 않는다면 그 이유에 모순 혹은 본인의 편견이 들어 갔을 수 있으니 그 부분을 다시 생각해 보는 것도 데이터 해석에 도움이 될 것 같습니다.
요즘 데이터마케팅을 공부하면서, 데이터를 해석한다는 건 결국 '뇌피셜 싸움'이구나 라는 생각이 들었습니다. 다양한 데이터를 보고 이를 해석할 수 있는 '창의력', 좋은 뇌피셜을 만들 능력은 어떻게 얻을 수 있을까요? 실제 데이터 분석하시는 분들은 어떤식으로 노력하는지 궁금합니다!
저도 같은 공부를 하는 입장에서 가장 큰 고민거리 중 하나라고 생각합니다! 데이터를 해석하는 데에 있어서도 직관적인 감이나 요즘 사회 트렌드 변화를 민감하게 캐치하는 등의 타고난 능력 역시 무시할 수는 없겠지만, 뉴스를 챙겨보며 넓은 분야에 걸쳐 지식을 쌓고자 노력하고 향후에 본인이 분석하고 싶은 데이터의 분야를 구체화시키고 해당 도메인 지식에 대한 공부도 갖추어진다면 조금 더 나은 뇌피셜, 해석을 도출할 수 있을 것이라고 생각합니다!
저도 비슷한 고민을 많이 했어요! 제 생각에는 주어진 데이터를 정제하고, 변환하며 데이터에서 더 명확한 정보를 이끌어 내는 것은 데이터분석의 경험과 학술적 지식이 도움이 될 수 있을 것 같아요. 다만 거기에서 지혜로운 해결방안이나, 실제 적용가능한 해석이 나오기 위해서는 사람과 문화에 대한 이해를 바탕으로 인문학적 지식을 쌓는 것도 중요한 것 같아요!
Domain Knowledge 를 쌓기위한 노력을 합니다. 또한 다양한/다방면의 지식을 습득하기 위해 끊임없이 무언가를 보고 듣고 읽습니다. 물론 2~3가지 영역에 대해서는 아주 깊이 있게 공부하고 이해하려 노력합니다. 제가 다른 사람들보다 깊이있게 공부하고 이해하려고 노력한 영역은 '역사, 전술, 교육, 야구, 텍스트분석' 입니다.
저는 51:49 입니다. 데이터가 나에게 51% 확신을 준다면, 액션을 취할 수 있습니다. 생명을 좌우하는 의사라면 거의 100에 가까운 확신이 있어야 하겠지만, 마케터에게 생명을 좌우하는 의사결정은 없습니다. 따라서 51:49 로 마케터가 행동 할 수 있도록 데이터가 나와준다면 나머지 일의 성패는 '실행'에 달려 있습니다. 물론 잘못된 의사결정을 할 수도 있지만, 데이터가 애매하여 아무것도 안 하는 것 보다는 틀린 결정이라도 하는 것이 낫습니다. 그 이유는 1. 틀린 결정이라도 실행단에서 만회 할 수 있습니다. 2. 결과가 안 좋아도 '아~ 이렇게 하면 안 되는구나'를 배우고 빨리 다시하면 되기 때문입니다. 이게 제 방식입니다.
최근 한달살기와 관련된 공모전을 나갔었는데, 제가 제시했던 아이디어는 굉장히 무논리적이었던 건 아닐까 부끄러워지네요...ㅎㅎㅎ 영상을 통해 데이터 분석과 인사이트 도출이 얼마나 중요한 것인지 다시 한 번 느끼고 갑니다! 굉장히 근본적인 곳에서 부터 데이터를 가지고 접근하신다는 생각이 들었는데요, 만약 원하는 데이터를 구하기 힘드신 상황에서는 어떤 식으로 논리 플로우를 풀어가시는지 궁금합니다.
어떻게든 데이터를 구해봅니다. 데이터 없이예전에 화장품 리뷰데이터를 얻기 위해서 '화해' 어플 들어가서 리뷰 하나씩 보면서 타이핑 쳤습니다. 그리고 텍스트분석 진행했습니다. '데이터마케터'에게 데이터가 없으면 논리 플로우를 만들 수 없습니다. 그럼 '규정과 방침 내에서 수단/방법 가리지 않고' 데이터를 확보하는 것이 답입니다.
![[#DM9_8영역] 인공지능을 마케팅에 활용하면 이런 것까지 알 수 있다고? | 데이터맛집 27화](http://i.ytimg.com/vi/kROwcJy8DnY/mqdefault.jpg)
![[#DM9_8영역] 인공지능을 마케팅에 활용하면 이런 것까지 알 수 있다고? | 데이터맛집 27화](/img/tr.png)
![[데이터분석] 비전공자 데이터분석 직무 합격 비결 & 면접 답변 예시와 직무 인사이트 [취보라 시즌 2 08]](http://i.ytimg.com/vi/4K_DkIVy8FE/mqdefault.jpg)
![[이슈 픽! 쌤과 함께] 빅데이터 전문가 송길영이 말하는 '빅데이터란 무엇인가?' KBS 29291118 방송](/img/1.gif)
- 타임라인
00:00 인트로
00:19 의미있는 인사이트를 얻기 위한 원칙?
01:05 데이터 읽기와 해석하기 구분
03:06 '한달 살기' 데이터를 더 의미있게 쓰이려면?
05:36 다음에 '한달살기'로 뜰 도시는?
07:27 요식업계에서도 인사이트를 얻을 수 있다!
07:52 데이터 리터러시
08:25 데이터 리터러시 키우는 법
아빠 화이팅!
제가 원하는 것을 알기 위해 어떤 데이터를 활용해야 하는지, 어떻게 조합했을 때 유의미한 결과가 나오는지 감이 잘 오지 않았는데 이번 영상을 통해서 이에 대한 궁금증을 어느 정도 해결할 수 있어서 좋았습니다! '미디어 리터러시'에 관한 이야기를 듣던 것이 엊그제 같은데, 이제는 '데이터 리터러시'의 중요성이 강조되고 있다보니 데이터를 잘 활용하기 위한 능력을 키우고, 세상을 보는 통찰력을 키워야겠다는 생각이 듭니다.
아, 얼른 여러 나라, 도시들에서 한달살기 할 수 있는 날이 오면 좋겠습니다~
좋은 영상 감사합니다
데이터와 대화하는 그날이 점점 다가오는 것 같습니다.
한달살기 예시로 데이터 리터러시를 잘 이해할 수 있었습니다.
좋은 영상 감사합니다~~^^
소량의 데이터 심플한 분석기술이라 하더라도 그결과를 내 엄불안 잘 연결시킬 수 있는 창의력 이게 있어야만 제대로 된 인사이트를 발굴할 수 있다.
데이터를 이해하는 것을 넘어 그 속에서 의미있는 인사이트를 도출하여 의사결정을 할 수 있는 방법을 자세히 알려주셔서 감사합니다. 인사이트를 도출하는 법에서 나아가, 제가 맞는 인사이트를 도출했는지를 확인하는 법도 궁금합니다.
데이터 리터러시 능력을 통해 데이터를 해석하고 인사이트를 도출하는 과정이 매우 흥미로웠습니다. 특히 한달살기로 유명한 장소의 공통점을 찾는 과정이 인상깊었습니다. 이때 기초 지식이나 상식이 중요하다고 생각했습니다. 물이 있는 곳을 한달살기로 유명한 곳의 공통점이라고 했을 때, 둘의 인과 관계를 명확히 확인할 수 있는 방법이 있을지 궁금합니다!
실제 사례를 통해 설명을 들을 수 있어서 이해하기 쉬웠습니다. 데이터 외적인 요소와의 연계를 고려할 할 때 주의해야 할 점이 있다면 무엇인지, 도출해 낸 인사이트가 확실하고 실행할 수 있음을 확인할 방법이 있는지 궁금합니다!
좋은 영상 감사합니다!
데이터를 표면적으로 보는 것이 아닌 여러 데이터와 조합해 인사이트를 얻는 과정이 흥미로운 강의였습니다! 말씀해주신 것 처럼 한달살기 데이터와 코로나 발생 시점을 조합하기 위해선 어느정도의 배경지식과 센스가 필요한 것 같은데요! 데이터를 조합하는 인사이트를 얻는 데에 뉴스 외에 어떤 사이트나 칼럼을 참고할 수 있을지 궁금합니다!
저는 최근 트렌드들을 정리해서 공유해주는 사이트나 계정을 주로 참고하는데요, 특히 마케팅 분야의 콘텐츠들이 트렌드를 빠르게 반영하는 같습니다. 마케팅 관련 사이트, 인스타그램 계정들, 구독지가 여러가지 있으니 한 번 살펴보시면 좋을 것 같아요 :)
JIN님의 답변처럼 트렌드를 분석하기 위해서는 트렌드 속으로 들어가야 합니다. Domain Knowledge! 이게 중요합니다.
지난 시간에 배웠던 데이터 리터러시에 대해 다시 한번 생각해 볼 수 있는 좋은 영상 감사합니다. 데이터를 통해 의미있는 정보를 도출해 낼 수 있다는 사례로 추후에 각광받을 수 있는 한달살기 명소들을 말씀을 해주셨습니다. 이런 미래에 대한 예측 데이터의 정확도 또한 데이터를 통해서 알 수 있는지, 그 정확도는 어느정도에 도달했는지 궁금합니다.
개인적으로는 미래를 예측한다는 것은 '과거의 패턴 + 뇌피셜' 이라고 생각합니다...! 어떤 패턴이 존재하더라도, 그 데이터를 해석하는 사람이 어떤 배경지식을 가지고 있느냐에 따라 다른 분석이 나올 수 있는 만큼, 패턴의 정확성은 수치로 나올 수 있어도 정확한 미래예측은 사람의 손을 타는 것 같아 측정이 어려울 것 같습니다! (물론 이것도 저의 뇌피셜...!)
예측 데이터의 정확도는 지나간 다음에 확인할 수 있지 않을까요? 시간이 지나면 맞았다/틀렸다 결과가 나올 것이고, 그 결과를 다시 데이터분석에 input 시키고... 그 다음에 데이터 다시 확인하고.... 이걸 무한히 반복하면 정확도 올라갑니다. 물론 인간이 눈과 손으로 할 수 있는 영역이 아닙니다. 그래서 머신러닝, 인공지능 활용하는 겁니다.
데이터 리터러시 전반적인 프로세스에 대해 맛볼 수 있어서 유익한 강의였습니다! 마케터라면 결국 데이터를 통해 얻은 분석 결과를 어떤 산업에서 어떻게 활용하여 수익을 창출할 수 있을것인가에 대한 아이디어가 중요한 것 같다는 생각이 듭니다. 같은 데이터가 주어지더라도 남들이 하지 못하는 생각을 하는 사람이 데이터 리터러시 능력이 뛰어난 것이라고도 말할 수 있을 것 같은데 이러한 데이터 활용 부분은 인간만의 고유한 크레이티브한 영역으로 남을 수밖에 없을지 궁금합니다!
저는 개인의 창의성보다는, 각 개인이 가지고 있는 도메인 지식이 데이터 해석에 더 중요하다고 생각해요 :) 사실 어떤 해석이 '더 좋은 건지'는 나중에야 알 수 있는 것이고, 전략을 수립하는 단계에서는 다각도의 해석이 '좋은 해석', '팀에게 도움이 되는 해석'이 될 수 있다고 생각합니다. 좋은 질문 나눠주셔서 감사합니다!
데이터 활용에 있어서도 AI가 발전할수록 새로운 '조합'을 만들어 내는 가능성은 점차 높아져만 갈 것 같습니다.
하지만 AI가 연산을 하고 조합을 뽑아내어 최적의 예상결과를 만든다 하더라도, 결국 이것을 실행에 옮기느냐, 다시 말해 이 해석을 활용하느냐 라는 의사 결정 부분은 여전히 인간만의 것으로 남지 않을까 하는 생각이 듭니다.
물론 그만큼 필요한 인력의 수는 점차 줄어들겠지만요...!
이상윤님의 의견이 제 생각과 아주 비슷합니다. "실행"은 인간의 몫입니다. 어쩌면 멀지 않은 미래에 AI가 해석하고 활용하는 것도 인간보다 잘 할 지도 모릅니다. 그 전에 세상을 떠야하나 싶습니다. ㅜㅜ
데이터해석에 객관적인 내용이 아니라 주관적인 해석을 바탕으로 내용을 키워나간다는 것이 인상적이었습니다. 혹시 더 나아가서 도식화된 해석과정이 있는지 궁금해집니다!
좋은 영상 감사합니다! 과제를 할 때 '과연 이런 인사이트가 의미가 있을까?' 계속해서 고민했는데 기본적인 틀이 잡힌 것 같아서 좋았습니다. 데이터를 해석하는 것은 중요한데 산업군별로 똑같은 데이터를 다른 방향으로 해석한다는 점이 인상적이었습니다. 또한 한가지 데이터의 흐름 뿐만아니라 여러개의 데이터를 비교하면 훨씬 더 흥미로운 인사이트를 찾을 수 있다는 것도 알았습니다. 마지막에 소량의 데이터라도 결과를 업무와 연결시킬 수 있는 창의력이 있으면 좋다고 하셨는데, 보통 어느정도 데이터(검색량)가 있을 때 신뢰도가 높다고 말할 수 있을까요?
한달살기 키워드를 중심으로 여러도시를 연관검색어로 데이터분석하여 한달살기로 핫한 지역을 찾아내고, 이 지역들간의 특성을 파악하여 향후 미래 한달살기 부동산 지대까지 찾아내는 일련의 흐름이 매우 흥미로웠습니다. 데이터가 왜 그렇게 나오는지 고민하고 기준을 가지고 데이터끼리 비교하며 비즈니스 인사이트를 얻어야한다고 말씀하셨는데, 데이터를 분석할 때 현상의 근본적인 이유를 파악하기 어려움에도 불구하고 미래를 예측하는 경우가 있을까요?
이유를 파악하기 어려운데, 미래를 예측하면... 그게 "감" 아닐까요? ^^ 하지만 정말 경험이 많은 분이라면, 그 "감"도 상당히 믿을만 합니다.
따라서 경험이 많은 분들이 데이터까지 활용하면 금상첨화가 될 것이고, 경험은 적어도 데이터를 확실히 활용 할 수 있다면, 일정 경지에 오르기 위해 필요한 경험치를 줄 일 수 있습니다.
즉, 여러분에게 데이터가 없다면 마케팅 영역에서 절대로 이진형 교수님을 뛰어넘을 수 없겠지만, 여러분에게 데이터를 쥐어주고, 이교수님께 경험으로만 결정해라 한다면? 해 볼만한 경쟁이 될겁니다.
검색량을 기반으로 어떤 트렌드를 확인하는 것은 항상 재미있는 것 같습니다! 하지만 검색량만으로는 정말 그 도시의 한달살기가 수요가 있는지, 매출이 있는지를 확신하기에는 어려울 것 같은데, 추가적으로 확인하시는 데이터에는 어떤 것들이 있는지도 궁금합니다!
성빈님 말씀처럼 특정 분야의 수요 증가를 확신하기 위해선 검색량 뿐만 아니라 다양한 자료를 판단의 근거로 써야 할 것 같습니다! 말씀해주신 한달살기 같은 경우, 검색량과 더불어 여기어때, 에어비앤비 등의 숙박 플랫폼을 이용하여 숙박 예약률(한달살기는 예약 기간도 확인해봐야 할 것 같네요!)등을 확인함으로써 한달살기가 트렌드로 자리 잡고 있는 것으로 판단을 내릴 수 있을 것 같습니다.
추가적으로 다른 데이터를 가져다 분석 할 수 있다면 정말 좋겠습니다만! 쉽진 않습니다. 만약 다른 데이터를 구할 수 있다면... '카드사 매출데이터'를 구해서 분석하겠습니다.
해당 도시에 적을 두지 않은 고객이 해당 도시에 들어와서 2주 이상 카드를 사용하는 패턴을 찾아내고 그 패턴이 늘어나는지 줄어드는지 확인하면 트렌드는 바로 확식 할 수 있습니다.
아니면 '소셜버즈 데이터'. 통상 검색은 행동하기 전에 발생하고, 소셜버즈는 행동 후에 남깁니다. 한달살기에 대해 행동 전, 행동 후 데이터가 모두 많이 나온다면, 이는 한달살기에 대한 관심과 수요가 충분하다고 볼 수 있습니다.
9년 간의 데이터분석가로 활동하시면서 많은 프로젝트를 진행해보셨을 것 같습니다! 회사 사업 프로젝트를 제외하고 혼자서 진행한 사이드 프로젝트에는 어떤 것이 있는지 궁금합니다.(또 이런 사이드프로젝트는 주로 단순한 궁금증 해결을 위해서 하셨는지, 평소 관심사에 대해 좀 더 알아보고 싶어서 하셨는지 등 동기도 궁금합니다)
아무 이유없는 분석은 잘 안 합니다. 업무적으로 분석할 것만 해도 어마어마하게 쌓여있어서... 다만 프로야구에 대해 관심이 많고 엄청 좋아해서 야구 관련 데이터는 'toy'프로젝트로 가끔 진행합니다. 아직 업무적으로 해볼만한 분석과제가 없다면, 평소에 본인이 관심있었던 부분에 대해 분석을 시도 해 보시는게 좋은 연습이 될 것 입니다.
어떻게 데이터를 통해 인사이트를 얻는 지 예시를 통해 쉽게 이해할 수 있었습니다! 검색량이 감소하는 특별한 이유는 찾을 수 없고, 서서히 사람들에게 잊혀져가는 트랜드의 경우 마케터의 입장에서 이는 살릴 것이 없는 데이터인지, 이러한 데이터로도 인사이트를 끌어낼 수 있는지 궁금합니다!
구체적인 예시를 들어주셔서 더 쉽게 이해되는 영상이었습니다! :)
갑자기 검색량이 증가한 키워드는 버즈 데이터를 통해 검색량 증가 이유를 확인할 수 있다고 하셨는데, 반대로 검색량이 줄어드는 이유는 어떻게 확인할 수 있나요? 앞서 말해주신 '한달살기' 의 경우에는 검색량 하락 이유(코로나 확산)를 추측하기가 비교적 쉬운 것 같은데, 만약 생소한 분야의 데이터를 해석해야 한다면 무엇을 참고해야 보다 정확한 해석을 할 수 있을지 궁금합니다!
제 생각에 검색량이 줄어드는 경우에는, 검색량이 반짝 하고 높아졌을 때 그 이후로 그 화제성을 끌고가기 어려운 경우라고 생각합니다.
보다 강력한 경쟁자 또는 브랜드 자체의 메세지 부재, 또는 브랜드 전반의 문제점이요!
이것 역시 경쟁 브랜드와 비교하는 방향으로 해석할 수 있을 것 같습니다
박서현님 의견처럼 강력한 경쟁자에 의해 줄어들기도 하는데, 사실 왜 올라갔는가는 추적이 쉬운 반면, 왜 떨어졌는가는 추적이 어렵습니다. 특히 검색데이터와 버즈데이터는 더 그렇습니다. 생소한 그 분야를 먼저 공부하셔야 그나마 쉬워지고 정확해집니다.
실생활의 사례를 말씀해주셔서 좀 더 잘 이해가 되는 강연이었습니다 감사합니다. 제가 개인적으로 궁금한 내용은, 어떤 현상을 '트렌드'라고 파악한 후에 관련 마케팅 전략을 수립하고 실행을 하게 될텐데요, 이렇게 전략을 실행한 후에 때로는 트렌드라고 파악했던 현상이 예기치 못한 변수로 저물 수도 있고, 때로는 아직도 고점에 다르지 않은 채 성장하는 트렌드라고 판단하게 되시는 경우가 있을 것 같습니다. 이러한 판단, 즉 데이터 마케팅의 퍼포먼스가 얼마나 좋았는지 평가하시는 척도에는 무엇이 있을까요?
제 생각에는 '어떤 것이 더 이상 트렌드가 아니다'의 데이터 기준은 1. 마켓 트렌드에서의 순위 변동과 2. 해당 키워드의 검색량과 버즈량의 감소 일 것 같습니다! 키워드 검색량, 버즈량 감소의 경우 급락하는 경우도 있겠지만, 보통은 꾸준한 감소를 보일 때 저물고 있다고 볼 수 있을 것 같아요. 고점에 다다르지 않았지만 트렌드인 경우는 강연에서 말씀해주셨던 것처럼 일단 뇌피셜(즉 마케팅의 역량)로 어느정도 파악하고 버즈 데이터를 유심히 살펴봐야할 것 같습니다
제 개인적인 생각으로, 데이터 마케팅의 퍼포먼스가 얼마나 좋았는지는 시간적인 측면과 (마케팅)실효성의 측면에서 평가할 수 있을 것 같습니다. '최근 떠오르는 트렌드를 얼마나 빠르게 읽어서 마케팅에 적용했는가' , 그리고 '해당 마케팅이 실제 어느 정도의 성과로 이어졌는가'를 평가함으로서 데이터 분석 및 실제 마케팅 기획 및 실행 단계를 평가할 수 있지 않을까 생각됩니다..!
종사하는 필드에 따라 데이터의 가치가 결정된다는 점이 새로웠습니다. 뇌피셜을 우선적으로 활용하실 때가 있으시다고 하셨는데 이또한 어떻게 보면 마케터의 능력중 하나라고 생각됩니다. 그렇다면 이러한
뇌피셜을마 케터님께서는 어떠한 방법으로 발전시키고 계신지 궁금합니다.
뇌피셜, 있어보이는 말로는 Domain Knowledge 라고 표현합니다. 해당 영역에 대한 공부를 먼저 합니다. 고객이 현대자동차면 자동차를 공부하고, 족발야시장이면 요식업을, 토니모리면 화장품을.... 이런식이죠. 이런 Domain Knowledge 의 차이가 같은 데이터를 보고도 다르게 해석하는 상황을 만들어 냅니다.
결국 현상을 보고 이유를 파악해내는 능력이 중요할 뿐만 아니라, 최종적으로는 미래에 대한 예상을 할 줄 알아야한다고 말씀을 해주샸습니다.
그렇다면 단순히 데이터를 해석해내는 공부뿐이 아니라, 머신러닝과 같은 기법들 역시 공부를 해야하는걸까요?
머신러닝 같은 기법을 알고 있으면, 당연히 데이터 해석의 정확도가 더 올라가겠죠? 뭐가 중요하다 중요하지 않다가 아니라, 데이터를 비즈니스적으로 해석하는 역량과 기술적으로 분석하는 역량 모두 중요합니다. 둘 다 잘 하면 금상첨화! 입니다만, 현실적으로 둘 다 잘하기가 쉽지 않습니다. 문과와 이과를 동시에 잘 해야하는지라....
저도 기술적으로 분석하는 것은 취약하여 머신러닝을 공부하는데, '머신러닝의 이 기법을 이렇게 구현하는 것이다'를 공부하는 것이 아닌 '이 기법은 이런 데이터를 요런 목적으로 분석할 때 유용하다'를 공부합니다. 예를들어 LDA 라는 알고리즘은 텍스트데이터에서 토픽클러스터링에 좋은 알고리즘이다. 라는 것을 알고, 어떠한 원리로 클러스터링을 만드는지는 알고 있지만, 실제로 LDA를 어떻게 코드로 짜는지는 전혀 모릅니다.
팀원들끼리 과제를 수행할 때 늘 우리가 너무 '뇌피셜'로만 말하는게 아닌가 싶었는데, 생각보다 필터링 없이 나오는 raw한 아이디어들이 인사이트의 시작이라는 사실을 알게되었습니다. 확실히 트렌드에 민감해야 연관되는 단어도 많이 떠오를 것 같고 합니다!
트랜드마다 시작되는 플랫폼이 다른데, 시작된 곳을 추적할 수 있는 방법도 있나 궁금합니다.
특정 트렌드의 시작을 추적할 때에는 그와 밀접히 관련된 사이트를 우선적으로 찾아볼 수 있습니다. 아기 용품은 맘카페를, 화장품은 화해나 글로우픽 등의 사이트를 우선적으로 찾아보는 것이 도움이 될 것이라 생각합니다. 따라서 어떤 상품에 어떤 사이트가 주로 관련이 있는지를 아는 것 또한 마케터의 역량이라고 생각합니다.
강사님께서 한달살기 관련해서 30개 가량의 도시를 일일히 검색해보면서 비교하셨다고 하신 것처럼, 본인의 배경지식과 판단 기준을 가지고 여러 플랫폼 중에 트렌드의 시작점이 될만한 곳을 선별하여 그 가운데에서 검색이나 텍스트마이닝 등의 방법을 이용해 트렌드의 시작을 분석해 볼수 있을 것 같습니다.
시작된 곳을 추적하는 방법은... 버즈데이터를 활용하면 일부 가능합니다. 예를 들어 "한달살기" 라는 키워드가 포함된 모든 버즈데이터를(모을 수 있다면) 수집하여 시계열적으로 뿌려보고, 가장 먼저 "한달살기" 키워드가 만들어진 플랫폼을 찾고, 시간의 흐름에 따라 어느 사이트/플랫폼으로 옮겨가는지 추적하면 시작된 곳과 함께 확산패턴을 찾을 수 있습니다.
일부 대기업에서는 자사 관련 "부정이슈"를 위와 같은 방법으로 추적해서 선제대응하고 있습니다.
좋은 설명 감사합니다! 영상을 보면서 평소 무심코 지나쳤던 데이터들에 대해 이렇게 전략적인 접근이 가능함을 많이 깨달았습니다. 데이터마케팅코리아에서 제공하는 AI기반의 "마대리"는 데이터에 대한 어느 정도의 "해석"이 가능한 지, 아니면 아직 데이터 해석은 마케터들의 영역인 지 궁금해졌습니다.
홍보효과를 알려주는 기능과 같이 데이터를 수치화하고 실시간으로 비교분석해주는 것은 마대리가 할 수 있지만, 계산적인 면을 제외한 해석과 판단은 아직 마케터들의 영역이라고 생각합니다!
이성준 님께서 정확하게 답해주셨습니다.
코로나19의 범적 유행은 발발 이후로 모든 트렌드 분석에서 빠질 수 없는 요소로 보입니다. 이전에 분석에 영향을 미치는 주된 요소들에는 어떤 것들이 있었을지 궁금합니다.
검색량 데이터에서 트렌드를 추적할 때, '숫자'에 큰 영향을 주는 주요 요소는 1. 사건/사고, 2. 미디어노출(특히 TV), 3. 법/제도의 변화 등 입니다. 따라서 숫자를 추적하면서 시계열적으로 '해당 시점'에 트렌드를 둘러싼 '주변'에서 무슨 일이 벌어졌는지 항상 더블체크 해야 합니다.
소량의 데이터나 분석 기술이 간단하더라도 자신의 업무와 연결시킬 수 있는 창의력이 필요하다고 하셨는데, 자칫하다가는 자의적인 해석으로 인한 논리의 비약이 발생할 수 있을 것 같다는 생각이 듭니다. 적절한 창의성과 논리적 비약이 명확하게 구분될 수 있는 영역인지 궁금하고, 이를 판단할 수 있는 기준이 있을지 궁금합니다.
창의성과 논리적 비약을 구분하는 것은 '귀납법'으로 입증이 되느냐 입니다. 그래서 다른 비슷한 사례를 많이 찾아서 데이터를 대입 해 보고, 대부분의 경우에서 해당 논리가 통한다면, 이는 논리적으로 타당한 '적절한 창의성'이 됩니다. (개인적으로는 70% 이상이면 논리적으로 타당하다고 생각합니다.) 극단적으로는 51:49 만 나와도 의사결정에는 도움이 됩니다.
데이터에서 인사이트를 얻어내는 방법에 대해 한달살기 예시를 들어주서서 더 쉽게 이해가 되었습니다:) 가장 중요한 건 데이터 리터러시라고 하셨는데, 이 능력을 키울 수 있는 방법은 무엇이 있을까요? 데이터를 많이 보고 다루다보면 이 능력을 키울 수 있을까요?
저는 무엇보다 데이터 분석에 관심있는 친구들과 함께 학회 생활을 해보는 것이 도움이 되는 것 같아요! 같은 기간동안 프로젝트를 진행해도 각각의 주제와 인사이트가 다 다르고, 팀 내에서도 같은 데이터를 통해 어떤 결론을 도출해내면 좋을지 의견이 다르더라고요! 하지만 실제 현업에서 데이터 리터러시 능력을 기르기 위해 어떤 방법들을 쓰시는지 저도 궁금합니다!
말씀해주신 것처럼 많이 보고 다루다보면 능력을 키울 수 있을 것이라 생각합니다. 하지만 영상에서도 말씀해주신 것과 같이 단순히 보고 다루는 것을 넘어서 어떤 의미있는 정보를 얻어내기 위해 많이 생각하고 공통점 차이점을 생각해보는 꾸준한 연습이 있으면 데이터 리터러시 능력을 더욱 향상시킬 수 있지 않을까 생각합니다.
어떤 데이터의 특이점(급락, 급상승, 분포 변화 등)의 이유를 데이터를 면밀히 보면서 우선 생각해보고 그 데이터를 처음 보는 사람에게 데이터와 함께 그 이유를 함께 설명해 보는 것도 좋은 방법일 것 같습니다! 상대가 자신의 이유로 설득이 되는 비율이 많아 지면 해석이 합리적으로 되고 있다고 볼 수 있기 때문이죠. 반면에 설득되지 않는다면 그 이유에 모순 혹은 본인의 편견이 들어 갔을 수 있으니 그 부분을 다시 생각해 보는 것도 데이터 해석에 도움이 될 것 같습니다.
데이터를 보고 다루는 것 이외에도 상황에 대한 전반적인 이해가 있어야할 것 같습니다! 숫자를 해석하기 위해 코로나 상황이라는 외부적인 요인을 끌어온 것 처럼 상황의 요인을 센스 있게 캐치할 수 있는 능력도 필요한 것 같습니다!
데이터 리터러시도 물론 중요하지만, 마케터로서 트렌드를 놓치지 않는 것도 정말 중요한 것 같아요. 평소 다양한 SNS, 인사이트 등을 모닝터링 하면서 현재 상황이 어떻게 돌아가고 있는지에 대한 꾸준한 분석을 하면 도움될 것 같습니다!
요즘 데이터마케팅을 공부하면서, 데이터를 해석한다는 건 결국 '뇌피셜 싸움'이구나 라는 생각이 들었습니다. 다양한 데이터를 보고 이를 해석할 수 있는 '창의력', 좋은 뇌피셜을 만들 능력은 어떻게 얻을 수 있을까요? 실제 데이터 분석하시는 분들은 어떤식으로 노력하는지 궁금합니다!
저도 같은 공부를 하는 입장에서 가장 큰 고민거리 중 하나라고 생각합니다! 데이터를 해석하는 데에 있어서도 직관적인 감이나 요즘 사회 트렌드 변화를 민감하게 캐치하는 등의 타고난 능력 역시 무시할 수는 없겠지만, 뉴스를 챙겨보며 넓은 분야에 걸쳐 지식을 쌓고자 노력하고 향후에 본인이 분석하고 싶은 데이터의 분야를 구체화시키고 해당 도메인 지식에 대한 공부도 갖추어진다면 조금 더 나은 뇌피셜, 해석을 도출할 수 있을 것이라고 생각합니다!
저도 비슷한 고민을 많이 했어요! 제 생각에는 주어진 데이터를 정제하고, 변환하며 데이터에서 더 명확한 정보를 이끌어 내는 것은 데이터분석의 경험과 학술적 지식이 도움이 될 수 있을 것 같아요. 다만 거기에서 지혜로운 해결방안이나, 실제 적용가능한 해석이 나오기 위해서는 사람과 문화에 대한 이해를 바탕으로 인문학적 지식을 쌓는 것도 중요한 것 같아요!
Domain Knowledge 를 쌓기위한 노력을 합니다. 또한 다양한/다방면의 지식을 습득하기 위해 끊임없이 무언가를 보고 듣고 읽습니다. 물론 2~3가지 영역에 대해서는 아주 깊이 있게 공부하고 이해하려 노력합니다. 제가 다른 사람들보다 깊이있게 공부하고 이해하려고 노력한 영역은 '역사, 전술, 교육, 야구, 텍스트분석' 입니다.
기업에서는 데이터로 결국에는 어떠한 의사결정을 내려야 할 텐데, 단순 데이터 해석을 넘어 그 해석을 바탕으로 어떠한 액션을 실행해도 될 것이다 라는 확신 혹은 결정을 내릴 근거를 보통 어떤거에 두시는지 궁금합니다!
저도 이부분이 궁금합니다! 데이터 분석 결과와 더불어 어떤 부분들이 실행에 있어서 가장 큰 영향을 미칠까요?
저는 51:49 입니다. 데이터가 나에게 51% 확신을 준다면, 액션을 취할 수 있습니다. 생명을 좌우하는 의사라면 거의 100에 가까운 확신이 있어야 하겠지만, 마케터에게 생명을 좌우하는 의사결정은 없습니다. 따라서 51:49 로 마케터가 행동 할 수 있도록 데이터가 나와준다면 나머지 일의 성패는 '실행'에 달려 있습니다. 물론 잘못된 의사결정을 할 수도 있지만, 데이터가 애매하여 아무것도 안 하는 것 보다는 틀린 결정이라도 하는 것이 낫습니다.
그 이유는 1. 틀린 결정이라도 실행단에서 만회 할 수 있습니다. 2. 결과가 안 좋아도 '아~ 이렇게 하면 안 되는구나'를 배우고 빨리 다시하면 되기 때문입니다.
이게 제 방식입니다.
최근 한달살기와 관련된 공모전을 나갔었는데, 제가 제시했던 아이디어는 굉장히 무논리적이었던 건 아닐까 부끄러워지네요...ㅎㅎㅎ 영상을 통해 데이터 분석과 인사이트 도출이 얼마나 중요한 것인지 다시 한 번 느끼고 갑니다! 굉장히 근본적인 곳에서 부터 데이터를 가지고 접근하신다는 생각이 들었는데요, 만약 원하는 데이터를 구하기 힘드신 상황에서는 어떤 식으로 논리 플로우를 풀어가시는지 궁금합니다.
어떻게든 데이터를 구해봅니다. 데이터 없이예전에 화장품 리뷰데이터를 얻기 위해서 '화해' 어플 들어가서 리뷰 하나씩 보면서 타이핑 쳤습니다. 그리고 텍스트분석 진행했습니다.
'데이터마케터'에게 데이터가 없으면 논리 플로우를 만들 수 없습니다. 그럼 '규정과 방침 내에서 수단/방법 가리지 않고' 데이터를 확보하는 것이 답입니다.