데이터 분석이란

 

많은 사람이 오프라인보다 온라인에서 많은 시간과 돈을 사용하고 있다. 오프라인과 달리 온라인은 디지털 로그를 통해 소비자의 행동패턴을 데이터로 분석하는 것이 가능하다. 이에 따라 데이터를 활용할 수 있는 역량은 매우 중요해졌다.

 

데이터 분석은 분석의 대상에 대한 문제점을 찾고, 해결할 데이터를 수집 분석하여 해결방안을 찾아 이를 업무와 시스템에 도입하는 것을 의미한다. 데이터 분석은 문제의 발견, 데이터 수집 및 가공, 데이터 분석 및 액션의 과정을 통하여 이루어진다. 먼저 문제의 발견은 기업 문제 파악, 문제에 대한 정의, 데이터 분석 문제 전환 과정을 말한다. 다음으로 데이터 수집 및 가공은 데이터 현황 파악, 개인정보보호 검토, 수집방안 검토, 활용타당성 검토, 데이터 전처리, 활용을 위한 품질점검을 포함한다. 분석 및 결과 평가는 분석 수행, 주요 발견과 결과 공유, 시각화 강화 과정을 말한다. 마지막으로 업무반영은 운영 시스템 등 반영을 말한다.

 

데이터 분석을 위해서 정확한 데이터 측정이 반드시 필요하다. 측정이란 어떤 현상을 숫자로 표현해내는 것을 말한다. 피터 드러커는 “어떤 현상을 숫자로 표현하지 못하는 것은 문제를 정확히 알지 못한다는 것이고, 정확히 모른다는 것은 그것을 관리할 수 없으며, 관리할 수 없다는 것은 현재의 상태를 개선할 수 없다”라는 말로 측정의 중요성을 강조했다.

 

 

분석을 위한 주요 데이터의 유형으로는 행동 데이터와 행태 데이터가 있다. 행동 데이터는 사이트에 유저가 어떻게 유입되었는지, 구입을 얼마나 하는지 등 유저들의 행동을 말한다. 행동 데이터를 그대로 해석하는 것이 데이터 분석이 아니다. 행동 데이터에서 실제 의미있는 의사결정 데이터를 추론하는 일이 데이터 분석이다. 이렇게 추론된 데이터를 행태 데이터라고 표현한다. 즉, A라는 사람이 페이스북을 통해 접속하여 구매를 완료했다면, 그가 왜 구매했는지 등을 추론하여 페이스북이 주요한 채널인지 결론내린 것을 말한다. 행태 데이터를 도출하기 위해서는 비즈니스에 대한 이해가 중요하다. 비즈니스에 대한 이해도가 높지 않다라고 한다면, 설문조사 혹은 FGI를 통해 비즈니스 인사이트를 도출해야 한다. 다시 정리하자면, 데이터 분석은 행동 데이터에서 의사결정을 위한 행태 데이터를 추론하는 것을 말한다.

 

명심해야 할 사항은 데이터 분석은 그 자체가 목표가 아니라는 점이다. 데이터 분석은 ROI 마케팅(높은 투자 대비 수익율을 얻어낼 수 있는 마케팅)을 지원하는 방법론에 불과하다. 분석가가 데이터를 기반으로 의미있는 인사이트를 도출하는 것이 ROI 마케팅이라 할 수 있고, ROI 마케팅의 수단이 되는 것이 데이터 분석이다. 따라서 절대로 분석을 위한 분석을 진행하지 말고, 목표하는 의사결정이나 매출 비용절감과 같은 목적을 달성하기 위한 수단으로 데이터 분석을 활용해야 한다.