[책]OKR로 빠르게 성장하기

스타트업은 보통 PMF(Product Market Fit)이라든가, 주로 생존에 관련된 부분에 초점을 맞춰 성장하고 시장에 성공적으로 안착해오지만, 어느정도 성장 궤도에 오르게 되면 문화나 성과관리가 중요해진다.

그런데 스타트업의 경우 빠르게 성장하는 것에 중점을 맞추다면, 기존 기업 대비 상대적으로 조직문화나 성과관리에 대해서 상당히 취약한 경우를 많이 보게 된다. 그래서 OKR 책을 보게 되었다.

주위 많은 회사들이 OKR을 도입하고 있지만, 막상 실무를 하는 분들과 이야기를 나눠보면 오히려 일이 늘어났을 뿐, OKR과 기존의 MBO나 KPI와 무슨 차이가 있는지를 모르겠다는 말을 종종 한다.

저자는 다음과 같은 질문을 통해 현 상황을 체크해볼 것을 권한다.

  • OKR 도입 이후, 내가 하는 일이 더 많아졌는가?
  • 나는 조직과 나에게 중요한 일을 하고 있다고 느끼는가?
  • 더 도전하고 싶은 목표를 수립하고 싶어지는가?
  • 목표에 대한 소통이 늘어나고 있는가?
  • 일을 처리하는 방식에서 변화를 시도하고 있는가?

위 질문을 통해서 회사의 Objective 가 뚜렷하게 정해져 있는지, 그리고 회사의 Objective를 구성원이 인지하고 업무를 수립할 수 있는 권한이 있는지, 마지막으로 Objective는 성장의지를 불러일으킬만큼 과감하게 수립되어 있는지를 파악할 수 있기 때문이다.

이 부분은 사실 뜨끔하였다.  아마 쉽게 대답할 수 있는 사람이 주위에 없다는 생각이 들었기 때문이다. 다행히 저자는 나와 같은 상황에 처한 사람이 상당히 많다고 말하며 CFR(Conversation, Feedback and Recognition)를 통해서 OKR을 이해하고 수립해서 실행해 나가야 한다고 말한다.

이 부분은 기존에 조직행동론 수업에서 구성원이 만족을 느끼기 위한 요건과도 상당히 흡사하였다. 출처도, 누가 이야기 했는지도 기억안나지만 대략 다음과 같은 내용이었다.

  • 구성원은 자신의 역할과 회사의 역할이 어떻게 연결되어있는지 인지한다.
  • 구성원은 자신의 역할의 성과가 회사의 성과 어떻게 연결되어 있는지 인지한다.
  • 구성원은 자신의 역할의 성과에 대한 보상을 합리적으로 받는다.

커뮤니케이션 차원에서 One on One 미팅이 중요하다고 생각은 했지만, 어떠한 대화를 나눠야할 것인가에 대해서 고민이 좀 많았다. 그런데 저자의 책을 읽으면서 조금씩 해소가 되었던 것 같다.

하나의 법인으로서 회사를 바라보면 사람은 세포로서, 그 위치에서 기능만을 수행하는 형태를 취할 수 있다고 생각한 적이 있다. 기존의 MBO가 이런 형태일 것이다.

이에 반해 OKR은 Objective라는 다소 정성적일 수 있지만 의미를 가질 수 있는 거대한 목표를 만들고 이를 다뤘다고 간주할 수 있는 Key Result를 합의하에 수립한다. 이를 개인 레벨까지 내릴 때 핵심은 결국 "의미"의 전달이 가능해진다.

그리고 "의미"를 일정하게 유지하기 위해서 지속해서 대화를 하고 피드백을 주고 인정을 해주는 것이 핵심이라는 것을 좀 이해하였다. 그 상황에서 나의 역할은 구성원이 OKR을 달성하기 위한 여정을 안내하고 돕는 것이라는 것 역시 이전대비 뚜렷하게 인지한 것 같다.

그간 OKR에 대해서 개인의 관점에서 하나의 시스템 정도로 간주하였으나 이 책을 통해서 보다 조직관점에서 OKR을 바라볼 수 있게 된 것 같다.

References

Read more

OLS 기반 인과추론 시 오차항 관련 체크 필요 가정

OLS 기반 인과추론 시 오차항 관련 체크 필요 가정

배경 * 아래 글을 DANBI에서 보다가 더 알아보게 되었습니다. OLS를 떠받치는 몇 개의 기둥이 있는데 그중 실용적으로 가장 중요한 것이 일치성(consistency)다. 쉽게 말해서 OLS를 통해 도출된 추정량이 있을 때 샘플사이즈가 커지면서 이 값이 참 값으로 접근한다는 것이다. 일치성이 충족되면 우리는 적당하게 큰 표본에 대해서 추정치가 좋은 속성을 지니고 있다고

인공지능이 문제가 아니라 결국 사람이 문제가 될 것입니다.

인공지능이 문제가 아니라 결국 사람이 문제가 될 것입니다.

사람들이 AI가 필요하다고 생각하는 시점 저 판사를 얼른 AI로 교체해야 한다. 유튜브에서 뉴스를 보다 보면 정말 많이 보이는 덧글입니다. 이러한 내용의 덧글이 달릴 때마다, 정말 많은 사람들이 공감을 표하곤 합니다. 왜 이렇게 사람들은 이러한 주장에 공감을 표하는 것일까? AI는 시킨대로 하기 때문에 공정하다는 인식 여러 이유가 있겠지만, 사람들은 아마 AI가

BG/NBD 모델은 고객 생애가치를 추정하는데 사용되는 확률 모델입니다.

BG/NBD 모델은 고객 생애가치를 추정하는데 사용되는 확률 모델입니다.

1. BG/NBD 모델이란? * BG/NBD(Beta-Geometric/Negative Binomial Distribution) 모델은 **고객의 생애 가치(Customer Lifetime Value, CLV)**를 추정하는 데 사용되는 확률적 모델입니다. * 특히 고객이 반복 구매를 할지, 아니면 더 이상 활동하지 않을지를 추정하는 데 유용합니다. 이 모델은 고객의 구매 행태를 두 가지 중요한 개념으로 나눕니다: * 고객은 활성(active)

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성(Multi Collinearity) * **Multi-Collinearity(다중공선성)**는 독립 변수들 간의 강한 상관관계가 존재할 때 발생합니다. 즉, 한 독립 변수가 다른 독립 변수에 의해 설명될 수 있을 정도로 상관관계가 높은 상황을 의미합니다. * 이 문제는 주로 회귀 분석에서 나타나며, 변수들 간의 관계를 해석하는 데 있어 큰 장애물이 될 수 있습니다. * 일반적인 회귀식을 $Y=