좋은질문 만들기
EX) 이번 주부터 런칭한 광고의 효과를 파악하고자 함
-
이번주 매출이 얼마인가? (X)
-
지난 주 대비 이번 주 매출이 얼마나 늘었는가? 이 광고 덕분에 매출이 늘었다고 볼 수 있을까? (O)
-
궁금한 것과 필요한 것의 구분
-
목적에 대한 답변의 형태를 예상한 후, 이를 위해 필요한 단계의 질문인지를 확인한다.
-
질문에 대한 답변 형태의 예상
-
목적이 불명확한 경우 목적의 합의가 우선되어야한다.
측정 가능한 형태의 질문
- 새로운 기능을 사람들이 얼마나 좋아할까? (X)
- 새로운 기능을 두 번 이상 사용하는 사람들이 몇 퍼센트나 되는가? (O)
- 불확실하거나 정성적인 부분을 명확하게 정의함
- 답변이 불확실한 경우 확률료 표현 가능 여부 확인
- 정의한 내용에 대해 모두가 합의함
- 샘플링, 외부 통계 자료 활용 등을 통한 추정 가능 여부 확인
- 문제는 정의만 잘 해도 절반은 풀린 것이다. (찰스 케터링)
작은 데이터를 꼼꼼하게
동일 섹션에 노출된 상품 비교
-
동일한 절댓값 매출 비교 (X)
-
옵션, 패키지 등을 고려한 후에 비교한다.
-
동일한 집계 기준
-
그래프 제대로 읽고 그리기
-
데이터의 추이, 비교과 왜곡되지 않도록 함
-
X, Y 축과 데이터의 증감 정도를 재차 확인한다.
-
그래프에 사용된 데이터 내역도 같이 확인이 필요하다.
완전한 데이터를 기대하지 말기
- 데이터에는 오류가 있을 수 있음
- 잘잘못을 가리기 어려운 데이터의 오류 다수 존재한다.
- 중요한 것은 오류를 아는 것이다. (오류가 없다는 것이 아님)
- 필요시 추가로 남길 수 있다.
결과가 문제의 목적에 일치하는 지 확인하기
- A 안이 설문에서 호감도가 가장 높게 나타났으니 A 안을 결과로 도출한다. (X)
불균형 용어 사용을 자제한다
-
긍정형 / 부정적 뉘앙스를 담은 단어로 결과의 의도적 해석을 막을 것
-
대답을 이끄는 질문 자제 : 답정너를 위해서 데이터를 사용하는 것이 아님
-
질문을 뒤집었을때도 동일한 답을 하는지 살펴보기
-
여러 내용을 한 문장에 섞지 말기
앵커링, 후광 효과등은 없는지 살펴보기
-
앵커링: 사전에 가지고 있는 인지가 이후의 결과 해석에 영향을 미침
-
예) 이전 기준 숫자를 4와 6이라고 생각했던 두 그룹 사이에서 5라는 숫자에 대한 인식이 다름
-
후광 효과: 이전의 결과에 대한 인상이 이후 정보의 해석에 영향을 미침
-
예) 특정 부서가 일을 잘 한다고 생각하는 경우 그 부서에서 나온 정보는 편향되게 인식함
개인 정보의 과다한 사용 지양
- 문제의 해결에 반드시 필요한 내용이 아닌 개인정보는 사용 지양
- 최대한 집계 데이터를 사용
- 마케팅 등 개인정보가 필요한 경우 사용 후 반드시 폐기
- 개인정보 사용 담당자에게 맡길 것
보안 사항 확인
- 사외 데이터 반출을 지양
- 업무 분야에 따라 적용되는 법 및 규정 사전 확인
- 반드시 필요한 경우 보안 담당자 및 데이터 담당자와 상의
데이터 분석과와 일하기
- 데이터를 어떻게 사용해야할지 물으면 가이드를 줄 수 있음
- 데이터를 사용할 때, 이미 답을 내리기 보다는 어떤 고민을 더 할 수 있는지 같이 이야기하면 도움이 됨
- 단순한 숫자의 차이가 있더라도 그게 통계적으로 의미가 있는지, 고려해야 할 전제조건은 없었는지를 고민해야 한다.
- 해당 과정에 활용되는 도구로 여러가지 검정 방법이 존재한다.
참고 문헌
>> Home