[데이터] 데이터 리터러시에 주목하라! - 1편

 

👉 '강양석 저의 데이터 리터러시'를 읽은 후 정리한 내용이라는 점을 미리 공시합니다.

 

데이터 리터러시

---

 

(p.357)
데이터 리터러시는 똑같은 데이터라도 좀 더 값진 자산으로 만드는 힘이 되고, 그렇기에 데이터 대홍수 시대를 살아가는 데 있어 필수 중의 필수인 역량에 해당한다. 

 

 

 

수십 년 동안 여러 기업에서 정말 다양한 데이터를 쌓아왔다. 언젠간 쓸 일이 있겠지 하며 쌓아둔 데이터를 '다크 데이터'라 칭한다. 하지만 그중 80%가 버려지고 8%만이 성공했다. 사람들은 왜? 데이터를 사용하지 않는 걸까?

 

 

---

1
다크 데이터가 등장한 배경

 

① 데이터 공유의 부재

출처: 액센츄어,2018

 

첫 번째로 주목할 만한 문제는 '데이터 사일로(Data Silos) 현상'이다. 사일로 현상은 서로 교류하지 않고 폐쇄적 성향을 띠어가는 상태를 의미한다. 즉, 각 부서가 가지고 있는 데이터와 통찰을 다른 부서와 공유하지 않는 현상이라고 해석할 수 있다. 이러한 현상이 일어나게 된 나름의 이유에는 데이터 보안 문제가 있다. 데이터가 혁신의 중심이 되려면 많이 유통되고 쓰여야 하는데, 이 과정에서의 투명성이 보안성과 충돌하는 양상을 띤다.

 

 

---

 

② 데이터 리터러시 기술의 부족

 

인공지능이 급격히 발달 중이고 데이터 분석 솔루션에 수백 조원의 돈이 쓰이는 시대에 데이터를 읽고 쓸 줄 모른다는 것은 적잖이 놀라운 일이다. 가트너의 조사에 따르면, '데이터 리터러시 부족'은 인력 부족, 예산 부족, 모호한 사업방향, 심지어 애매한 CDO의 역할보다 더한 골칫거리로 지목되었다.

 

데이터 리터러시는 데이터를 읽고 쓸 수 있는 역량을 뜻하는데, 2016년 데이터 전문가 아니카 월프 (Annika Wolff)는 다음과 같이 정의한다.

 

데이터 리터러시는 데이터를 건전한 목적과 윤리적인 방법으로 사용한다는 전제하에, 현실 세상의 문제에 대한 끊임없는 탐구를 통해 질문하고 답하는 능력을 말한다. 이를 위해 핵심적으로 필요한 것은 실천적이고도 창의적인 능력들인데 전문가들의 데이터 취급역량도 일부 포함된다. 예를 들면 데이터를 취사선택하고, 가다듬고, 분석하고, 시각화하고, 비판하고, 해석하는 역량, 더 나아가 스토리를 전개하며 소통하고 일하는 방식을 개선하는 역량 등이 그 예다.

 

 

또한 가트너는 데이터 리터러시를 다음과 같이 정의한다.

 

"상황에 맞추어 데이터를 읽고 쓰며 소통할 수 있는 능력"

 

가트너는 데이터를 언어로 보는데, 데이터를 통해 우리의 인지력과 판단력, 설득력 그리고 남에게 동기를 부여하는 역량이 발달한다고 본다. 또한 가트너의 정의에서 반드시 언급되어야 하는 부분이 있는데, 바로 '맥락에 맞게' 데이터를 읽어내는 것이다.

 

(데이터와 맥락적 분석에 대한 언급은 이 책의 전반에서 이뤄진다는 점에서 저자는 굉장히 가트너의 정의를 지지하고 있다.)

 

---

 

2
데이터 리터러시에 주목하라!

 

데이터와 CDO의 증가세는 얼추 비슷하다.

 

 

시간이 지나며 데이터 리터러시에 대한 담론들이 증가하고 있다. 특히 구글은 이런 언급도 가장 먼저 했다. 구글의 미션은 전 세계인의 데이터 접근성을 향상 시키는 것이다. 모든 도서관 책의 디지털화, 무인자동차 개발, 아프리카 상공에 띄운 와이파이 열기구 등은 모두 구글의 미션을 위해 진행하는 프로젝트이다. 심지어 구글의 핵심 가치 중에는 '데이터로 말하라'라는 구체적인 소통 원칙도 있으니 구글은 그야말로 데이터의 데이터에 의한, 데이터를 위한 기업이다.

 

데이터는 소수의 전문가의 손에선 권력이 되고, 다수의 손가락 끝에선 혁신이 된다. 그렇기에 데이터 리터러시는 큰 조직이든 작은 조직이든 한 단계 끌어올린다.
-브랜트 다이크스(Brent Dykes), 2017-

 

 

4차 산업혁명 시대인 지금. 조직에게 가장 요구되는 역량은 '전략적 유연성과 몰입'이다. 기업들은 가급적 많은 직원에게 시장, 고객, 경쟁사, 재무, 인사 관련 데이터를 열어줘야 한다. 이렇게 하면 직원들이 자신들의 업무와 관련된 고민을 하기 시작하고 재미로라도 혁신 목표를 세우게 되기 때문이다. 다시 말해 데이터의 투명성이 직원들의 자발성을 관리하게 되는 것이다. 자발성은 몰입을 낳고 몰입은 좋은 목표를 낳으며 좋은 목표가 많은 회사는 연쇄적인 혁신 제품과 서비스로 시장을 이끌어가게 된다.

 

👉팀의 데이터 리터러시 역량 높이기 (하버드 비즈니스 리뷰, 2020) 좋은 질문을 할 수 있는 역량 필요한 데이터를 선별하고 검증할 수 있는 역량 데이터 해석 능력을 기반으로 쓸모 있는 결론을 만들어내는 역량 가설 기잔 A/B테스트를 수행하여 결과를 표현할 수 있는 역량 의사결정자들도 이해하기 쉽게 분석 결과를 표현할 수 있는 역량 데이터 스토리텔링 역량

 

데이터 리터러시 수준이 높은 기업은 기업가치가 5% 정도 (3억 2,000만~5억 3,400만 달러)가 높았지만, 정작 직원들의 데이터 리터러시를 희망하는 92%의 기업 중 구체적으로 장려하는 회사는 17%에 불과했다.

 

 

 

 

3
데이터 마인드/사고력

 

데이터를 잘 다룬다는 것은 단순히 분석 툴에 능하다는 것을 넘어 데이터로 문제를 해결하고 데이터가 갖는 증거의 힘을 믿는 자세까지 뜻하기에 데이터 리터러시는 데이터 마인드, 데이터 사고력, 데이터 역량을 구분할 필요가 있다.

 

① 데이터 마인드

 

데이터 마인드를 위해 갖춰야 할 첫 번째 자세는 '증거주의'다. 주장을 펼칠 때나 받아들일 때 모두 그 내용보다 근거에 집착해야 한다는 것을 뜻한다. 누군가의 주장을 접할 때면 반드시 증거를 살펴보는 노력을 소홀히 하지 말고, 주장 자체가 아닌 증거에 반응하는 습관을 가져야 한다.

 

 

두 번째 자세는 '의무적 회의감과 지적 겸손'이다. 의무적 회의감은 누군가의 의견을 받아들일 때 반드시 그에 대한 회의적 시각을 가져보는 태도이며, 지적 겸손은 난 늘 틀릴 수 있다는 겸허한 자세를 의미한다. 내가 틀린 게 아니라 나의 증거가 틀렸거나 부족할 때 이런 융통성이 발현되어야 한다. 이와 관련한 또 다른 요소는 회복탄력성인데, 이는 자기의 주장이 꺾일 경우 불필요한 감정에 동요되지 않고 다시 전투력을 유지하는 것도 증거주의 문화를 만들어 가는데 중요한 역량이다.

 

 

세 번째 자세 역시 지적 겸손과 관련된다. 세 번째 자세는 데이터로 증거를 만드는 과정은 자신의 주장을 강화하는 과정인 동시에 그것이 정말 합당한 지 돌아보는 수양의 과정이라는 것을 이해하는 자세이다. 모든 데이터는 기본적으로 고유의 사실성을 가지고 있기에 넓고 깊은 증거를 만들수록 데이터를 통해 자신의 주장을 검토하는 기회를 갖게 되는데, 이 과정에서 언제든 자신의 주장보다 사실성에 손을 들어줄 수 있는 용기가 있어야 한다.

 

 

네 번째 자세는 데이터의 힘과 한계를 동시에 이해하는 것이다. 데이터는 분명 우리의 인지력, 판단력, 설득력 등에 도움을 주지만 한편으론 조작될 가능성이 높고 제한된 결론만 줄 때도 많다. 데이터에는 많은 양면성이 존재하는데, 이를 악용한 사례가 바로 나치다. 나치의 선정부 장관이었던 괴벨스는 "선동은 한 문장으로 가능하지만 그것을 반박하는 데는 수십 장의 문서와 증거가 필요하다. 그리고 그것들을 통해 반박하려 할 때 이미 사람들은 선동되어 있다."는 끔찍한 발언을 하기도 했다.

 

 

 

② 데이터 사고력

데이터 사고력이 중요한 이유는 데이터가 생각을 이끌고 가는 것이 아니라 생각이 데이터를 끌어가야 하기 때문이다. 우리가 세운 생각의 성을 누군가가 데이터로 공략하려 한다면 비판적 사고력이, 반대로 자심이 데이터로 누군가의 성을 공략하려 한다면 문제 해결 사고력이 데이터 스킬보다 먼저 갖춰져야 한다. 일반적인 비판적 사고력은 상황, 목적, 의사결정 사이의 궁합이 합리적인지 간파하는 능력을 말한다. 그리고 이런 생각 습관을 가진 사람들은 몇 가지 특징이 있다.

 

① 생각과 생각 사이의 관계를 논리적으로 파악 ② 주장을 명확히 이해하고 합리적으로 평가 ③ 도출된 결론을 주체적으로 수용

 

내가 주장을 펼치고 있는 상황에서는 어떤 약화 요인들이 존재할 수 있는지를 머릿속으로 상상해낼 수 있어야 하고, 상대의 주장을 받아들이는 상황이라면 역으로 상대 주장의 약화 요인을 충분히 지목할 줄 알아야 한다.

 

 

③ 문제 해결 역량

데이터 사고력과 연관되는 또 다른 것은문제 해결 역량이다. 일반적인 문제 해결 과정은 크게 '①문제 정의 > ②가설 수립 > ③가설 검증 > ④소통'의 순서로 진행된다. 다만 데이터 기반의 문제 해결 과정에선 직관이 아닌 데이터를 활용하는 만큼 이에 특화된 몇 가지 역량이 추가로 필요하다.

 

데이터 기반의 문제 해결 과정

출처: 데이터 리터러시

① 문제 인지

② 문제 맥락 파악 : 문제 원인 / 심각성 파악

③ 문제 세분화 / 구조화 : 어떤 데이터를 획득할지 결정

④ 가설 수립

⑤ 스스로 점검 : 가설 상호 비판, 날카로운 직관 필요

⑥ 문제 해결을 위한 방법에 접근(어프로치) : 어떤 어프로치를 택하느냐에 따라 전문가들도 각양각색의 결론을 내림.

⑦ 어프로치 기반 데이터 획득

⑧ 가설 진화 단계

⑨ 충분성 확보, 방어 논리

⓪ 설득 : 데이터는 고유의 사실 성덕에 상대가 내 의견에 대해 가질 심리적 저항감을 감소시켜 줌.

 

 

이런 사고과정이 있어야 데이터를 찰흙처럼 뭉칠 수 있고, 그래야 생각을 단단한 돌처럼 형상화하는 것도 가능해진다. 더불어 이런 단단한 돌맹이들을 개개인이 갖추고 있을 때 또 다른 괴벨스의 출현도 막을 수 있다.

 

 

2편에서 계속 👉

[데이터] 데이터 리터러시에 주목하라! -2편

 

 

---