[데이터 리터러시 강의] 결과 vs 결론, 결론을 잘 정리하는 법

• 결과
  • 데이터 처리, 분석, 모델링 후에 얻어진 구체적인 데이터의 출력
  • 계산과 분석을 해서 나온 결과물
• 결론
  • 분석된 데이터 결과를 바탕으로 이끌어낸 의미나 통찰
  • 데이터에 기반한 해석, 추론 또는 권고 사항을 포함
• 실제로 우리가 필요한 것은 '결론'이지만, 보통 결과를 많이 이야기함
• 결과-결론 도출 시에는 스토리텔링이 필요하지만,
  • 필요 이상으로 자신의 해석을 융합하면 안되고
  • 데이터를 통해 알 수 있는 범위에서만 생각해야함
• 결론을 잘 정리하는 법
  • 문제 정의, 지표 설정을 할 당시의 목적을 떠올리며 정리
  • 결론을 공유할 대상이 누구이며, 어떻게 변화하길 원하는지 생각하기
  • 단순하고 쉽게 전달
  • 흥미 유발
  • 대상자 관점에서 접근
  • 시각화 팁
• 결론 보고서에 쓰면 좋은 플로우
  • 전체 내용을 한 문장으로 정리하는 요약
  • 해당 보고서의 메인 주제
  • 해당 보고서를 쓴 이유와 원하는 변화
  • 문제 정의 단계
  • 핵심 내용 전개
  • 결론 및 액션 아이템
• 데이터 리터러시와 관련된 도서 추천
  • 빅데이터 시대, 성과를 이끌어 내는 데이터 문해력 / 카시와기 요시키 저
  • 로지컬 씽킹 / 데루야 하나코, 오가다 게이코 저

 

단순히 데이터를 보는 방식이나 분석 방법론, 통계 지식에 매몰되지 않고 왜?를 항상 생각하기

- 배웠던 내용 내 언어로 정리하기

데이터 리터러시란 데이터를 보고 우리가 나름적으로 확실한 판단을 내릴 수 있는 능력이다. 데이터 분석을 위해서 문제 상황에서 문제를 객관적으로 바라보고 이에 대해 문제를 제기할 수 있어야 한다. 그 문제가 정말 상황에 적절하고 가장 troublesome한 문제인지 확인하고 이에 대한 가설을 세운다. 데이터 분석을 한뒤에는 결과를 도출해야하는데 이때 결과에서 결론으로 가는 과정에서 객관적인 근거자료 없이 내 개인적인 생각이 추가되지 않도록 유의한다. 데이터 분석을 마친 뒤에는 결과를 내는 과정에서 분석에 들어가기 전에 문제정의나 가설설정 단계에서 어떤 것을 목표로 했는지 다시 한번 상기하며 그 문제가 제대로 해결될 수 있는 확실한 방향으로 결론을 짓는 것이 중요하다. 또한 시각화를 할 때에 내가 아는 내용이라고 주요 용어를 제대로 설명하지 않고 넘어가는 일은 없도록 주의한다. 항상 여러 사람이 본다는 사실을 인지하고 이에 맞춰 알기 쉽게, 그리고 직관적으로 이해할 수 있게 시각화자료를 제작하도록 한다. 마지막으로 내가 원하던 방향대로 결과가 나오지 않았다고 해서 이 과정 모두를 부정하는 일은 만들지 않도록 한다. 그 결과를 덤덤하게 받아들이고 틀렸음을 인정해야한다. 가설이 기각되었으므로 새로운 방향을 설계해야할 필요가 있다는 말을 붙여 마무리 짓는다.