축구에서 라인간격 조절은 회사의 커뮤니케이션 방식과 유사하다.

축구에서 라인간격 조절은 회사의 커뮤니케이션 방식과 유사하다.
Photo by Tommy Silver / Unsplash

최근에 아시안 컵이 끝났다. 이번에는 아내와 조용히 함께 봤다. 그런데 보다보면서 가장 많이 듣는 이야기 중 하나가 라인 조절을 잘해야 한다는 말이었다. 라인 조절을 하지 않을 경우 공간이 생기게 되고, 그 공간에 패스를 하면서 상대편이 공격할 수 있는 여지를 주게 된다. 실점으로 연결될 가능성이 있는 것이다.

이 이야기를 듣는데, 문득 회사의 커뮤니케이션 방식에서도 이 라인간격이 매우 중요하다는 생각이 들었다. Top Line에서 Bottom Line까지 커뮤니케이션 패스(Path)가 분명히 있을 텐데, 이 부분에 대해서 간격을 제대로 조정하지 않으면 대화에 왜곡이 생기거나 공간이 생겨서 회사의 목표(=골)을 제대로 달성하지 못하게 될 수도 있겠다는 생각이 들었다.

그렇다면 이러한 커뮤니케이션은 어떻게 하면 좋을까? 우선 후방에서 전방을 바라볼 수 있도록 시야를 최대한 넓혀줄 필요가 있다. 이전에 " 실리콘밸리에선 어떻게 일하나요"의 저자  크리스 채는 불가능을 가능으로 바꾸는 질문 한마디로서 아래와 같은 내용을 책에서 언급한 바 있다.

"만약 당신에게 요술봉이 있다면 어떤 결정을 내리겠습니까?" -p47
이 질문을 던지는 목적은 요술봉처럼 모든 것을 이뤄주기 위함이 아니다. 그보다는 '기회'를 마련해줌으로써 직원들이 완성된 시나리오를 떠올리고, 이를 리더와 공유할 수 있는 환경을 조성하기 위함이다. -p48

수비수가 골을 넣을 수 있는 경우는 많지 않다. 하지만이 사람들이 시야가 넓다면 전방에서 원하는 상황을 만들어 줄 수 있을 것이고, 이는 목표를 향한 경로에서 하나의 추가적인 옵션을 제공해줄 수 있을 것이다. 그런 차원에서 이러한 질문은 중간 커뮤니케이션과 제약사항을 거쳐서 대화할 수 있는 계기를 만들어 줄 수 있다.

두 번째로, 최종 사용자(=골)와 만날 수 있도록 기회를 많이 창출해야 한다. 네덜란드의 명감독 리누스 미헬스는 토탈풋볼이라는 축구 전술을 창안하면서 수비와 공격의 개념을 무너뜨리고 융합한 것으로 유명하다. 즉 축구를 진정한 팀스포츠로 만든 것이다. 비즈니스도 그렇다. 도그푸딩(Dogfooding)이라는 말처럼 회사의 전 구성원이 자사의 서비스나 제품을 쓰고 아이디어를 낼 수 있도록 제공할 필요가 있다. 그리고 이 내용이 커뮤니케이션으로 자주 오고갈 수 있는 환경 조성이 필요할 것이다. 아이비엠(IBM)이 잼(JAM)이라는 형태로 집단으로 모여 아이디어를 창출한 사례가 있다.

마지막으로 포지션간에 적절한 스위칭을 통해서 서로를 이해할 필요가 있다. 좌우 포워드, 그리고 미들, 윙백등 다양한 포지션을 경험하도록 도울 필요가 있다. 현재 근무중인 기업은 IT서비스업으로 비즈니스와 프로덕트간 이견이 항상 발생하는 곳이다. 양쪽의 역할이 모두 다 중요하기 때문이다. 그래서 종종 비즈니스의 이익과 프로덕트의 기술부채간에 균형에 관한 다툼이 일어나기 쉽다. 이 때 이 두 이해관계자를 조율해내지 못한다면 IT서비스는 망할 수 밖에 없다.

결국 이렇게 축구와 커뮤니케이션을을 연결할 수 있는 이유 적고나니 명확해졌다. 팀스포츠라는 특징 때문에 그렇다. 팀스포츠이기 때문이다. 팀스포츠는 다른 이들간의 협력이 매우 중요하다. 공동의 목표를 위해 뛰어야하고 이 목표는 혼자 이룰 수 없기 때문이다.

축구가 그러하듯이, 회사의 커뮤니케이션도 아직 갈 길이 먼데 이렇게 매일매일 보는 정보에서 유사성을 찾고 어제보다 나은 오늘의 커뮤니케이션을 만들었으면 하는 바램으로 글을 정리한다.

Read more

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=

Bayesian P-Value는 불확실성을 감안하여 모델의 적합도를 평가합니다.

Bayesian P-Value는 불확실성을 감안하여 모델의 적합도를 평가합니다.

Bayesian P- Value * Bayesian P-Value는 **모델의 적합도(goodness-of-fit)**를 평가하는 데 사용됩니다. * 사후 분포(posterior distribution)를 이용하여 실제 데이터와 모델이 생성한 예상 데이터를 비교함으로써, 관측된 데이터가 모델에 의해 얼마나 잘 설명되는지를 평가합니다. * 빈도주의 p-값은 "관찰된 데이터보다 극단적인 데이터가 나올 확률"을 계산하지만, Bayesian P-Value는 "모델이 실제

Non-Identifiability는 Model Parameter를 고유하게 식별할 수 없는 현상입니다.

Non-Identifiability는 Model Parameter를 고유하게 식별할 수 없는 현상입니다.

Non Identifiability * Non-Identifiability는 주어진 데이터와 모델에 대해 특정 파라미터를 고유하게 식별할 수 없는 상황을 의미합니다. 즉, 여러 파라미터 값들이 동일한 데이터를 생성할 수 있으며, 이로 인해 특정 파라미터 값을 확정적으로 추정하기 어렵게 됩니다. * 베이지안 추론에서 Non-Identifiability는 사후 분포가 특정 파라미터 값에 대해 명확하게 수렴하지 않고, 여러 값들에 대해 비슷한 확률을

Rootgram은 큰 분산을 갖거나 비정규 형태의 데이터를 위한 히스토그램입니다.

Rootgram은 큰 분산을 갖거나 비정규 형태의 데이터를 위한 히스토그램입니다.

Rootgram * 히스토그램의 변형으로 데이터가 비정규적이거나 큰 분산을 가지는 경우, 정확한 분포를 파악하기 위해 사용됩니다. * 일반적으로 히스토그램은 데이터의 빈도를 직접적으로 나타내기 때문에, 큰 값이 빈번하게 발생하는 경우 상대적으로 작은 값을 잘 드러내지 못하는 경향이 있습니다. 반면, Rootgram은 빈도를 제곱근 형태로 변환하여, 데이터 분포의 차이를 더 잘 시각화할 수 있도록 돕습니다 * 여기서