빅데이터와 인공지능 시대가 도래하면서 데이터 분석은 모든 직장인의 고민거리인 동시에 필수 과제가 되었습니다. 데이터 분석을 배운 적도 없고, 가르쳐줄 사람도 없지만 어떻게든 이 문제를 극복해야 합니다. 직장에서 생존하고, 시장에서 이기기 위해 반드시 넘어야 할 것이 바로 데이터 분석이라는 산입니다.

‘데이터 기반으로 예측하라’는 말의 의미

“이번에 새로 오픈하는 대리점의 올해 매출을 데이터 기반으로 예측해서 보고하세요.”

OO전자 본부1팀 김 팀장에게 이런 업무가 주어졌습니다. 김 팀장은 으레 하던 방식으로 주변 매장의 매출, 본사에서 할당한 매출 목표, 영업사원의 의견, 소요 경비 등을 고려해서 적당한 매출을 잡았습니다. 하지만 본부장에게 예상 밖의 피드백을 들었습니다.

“내가 요청한 것은 예상 매출이나 목표 매출이 아닙니다. 데이터 기반 예측이죠.”

김 팀장은 머리가 복잡합니다. 매출을 예측하라고 해서 추정 매출을 보고했는데, 뭐가 잘못된 걸까요?

데이터 분석의 두 가지 목적

일반적으로 데이터를 분석하는 목적은 두 가지입니다. 예측과 추론이죠. 예측(Prediction)은 결과를 맞히는 것이고, 추론(Inference)은 원인과 결과 사이의 관계를 분석하는 것입니다.

두 개념의 차이가 잘 와닿지 않을 수 있습니다. 예측도 원인과 결과 사이의 관계를 보니까요. 하지만 예측에서는 관계보다 ‘결과를 정확하게 맞히는 것’이 더 중요합니다. 추론에서도 결과를 도출하기는 하지만, ‘원인과 결과 간 관계’에 더 초점을 둡니다. 예를 들어 우산을 든 사람 사진을 보고 ‘ 우산을 든 사람의 성별이 무엇인가? ’를 맞히는 것은 예측입니다. 그런데 사진 속 사람이 ‘ 왜 우산을 들고 있는가? ’를 맞히는 것, 즉 비를 피하기 위해서인지 아니면 햇볕을 피하기 위해서인지를 분석하는 것은 추론입니다.

본부장은 매출을 예측하라고 했지만, 그 지시의 의도를 한번 생각해봅시다. 만약 신규 대리점을 ‘열지 말지’ 결정해야 한다면 예측이 더 중요할 수 있어요. 그런데 이미 오픈을 결정했다면, 중요한 것은 매출을 맞히는 것이 아니라 매출을 높이는 것이겠죠.

이럴 때 추론이 필요합니다

매출에 영향을 주는 요인은 무엇일까요? 매장 크기, 점주 역량, 직원 친절도, 직원 수, 유동인구, 제품 종류, 입구 위치 등 여러 가지가 있을 거예요. 그중에서 영향을 크게 미치는 요인이 어떤 것인지를 알면 좋겠죠. 그래야 매출을 높이는 전략을 수립할 수 있을 테니까요. 어떤 요인이 매출에 얼마나 기여하는지를 수치로 나타낼 수 있으면 더 좋을 겁니다. 어떤 요인에 얼마나 투자해야 하는지 합리적으로 결정할 수 있을 테니까요.

그러니까 본부장은 예상 매출이 아니라, 매출을 높이는 요인을 분석해서 그 방안을 보고하라고 한 것입니다. ‘데이터 기반으로 예측’하라는 지시는, 결국 ‘추론’을 하라는 뜻인 거죠. 물론 상사가 잘못 지시했다고 볼 수도 있습니다. 하지만 일 잘하는 사람이라면 이 시점에서 예측하라고 지시해도 추론해서 보고하겠죠. 보통 수준으로 일하는 사람이라면 예측해서 보고할 테고요. 일 못하는 사람이라면 말 그대로의 예측도 할 수 없을 겁니다. 여기서 핵심은 분석의 목적이 무엇인지 파악하고 그에 맞게 접근해야 합니다. 데이터 분석에서 가장 중요한 것이 이 부분입니다.

촉 말고 데이터가 필요한 이유

추론도 두 가지로 나눌 수 있어요. ‘직관에 의한 추론’과 ‘데이터 분석에 근거한 추론’으로요. 직관에 의한 추론은 상식이나 감이라고 얘기할 수 있습니다. 예를 들어 유동인구가 많은 지역은 임대료가 높을 테고, 유동인구가 많으면 그 지역 매장의 매출도 높을 겁니다.

하지만 모두 그런 것은 아닙니다. 최고급 호텔 쇼핑 아케이드는 오가는 사람이 별로 없어도 웬만한 상권보다 임대료가 높습니다. 유동인구는 적지만 지나가는 사람의 소비액이 크기 때문에 임대료가 높아요. 상식이나 감이 맞을 확률이 높긴 하지만 틀릴 경우도 있는 것입니다.

여기서 더 나아가보죠. 유동인구가 10% 늘면 임대료는 얼마나 오를까요? 매출액은 몇 % 증가할까요? 상식이나 감으로는 이 질문에 정확하게 답할 수 없어요. 직관에 의한 추론만으로는 비즈니스를 합리적으로 추진할 수가 없습니다. 데이터 분석은 유동인구가 늘면 임대료와 매출이 어떻게 얼마나 오르는지 구체적인 값을 제시할 수 있어요. 데이터 분석에 근거하여 추론하면 비즈니스 현장에서 더욱 합리적이고 현명한 의사결정을 할 수 있습니다. 본부장이 요구한 것도 바로 이것입니다.

여러분의 비즈니스에서는 어떤 데이터를 활용할 수 있는지, 지금 업무에서 데이터 기반한 의사 결정을 하고 있는지 살펴보세요.

📖 이 글은 책 『감으로만 일하던 김 팀장은 어떻게 데이터 좀 아는 팀장이 되었나』를 발췌했습니다.

👀끊임없이 성장하는 당신에게, May the Force be with you(포스가 함께하길).