데이터 기반 문화를 만들기 위한 10단계

1.문화는 위로부터 시작되어야 한다.

• 결국 Top-Down의 의지가 매우 중요하다.
• 방법론은 차치하고서라도,  증거 기반으로 목표를 제시하는 자세가 Top-Level부터 있어야 한다.

2.측정을 해야 한다. 꾸준히 해야 한다.

• 측정할 수 없는 것은 관리할 수 없다.
• 무엇을 통해서 측정할지 고민해봐야 한다.
• 불확실성을 줄인다는 관점에서 측정지표를 만들고 꾸준히 데이터를 모으면 트렌드를 알 수 있고, 업무에서의 패턴을 찾을 수 있게 된다.
• 장기적으로 예측 정확도는 높일 수 있다.

3.데이터 사이언티스트는 비즈니스 최전선으로 나와야 한다.

• 데이터사이언티스트는 격리 대상이 아니다. 비즈니스 리더와 자주 어울릴 수 있게 도와줘야 한다. 이를 통해서 데이터 사이언티스트가 비즈니스 가치를 목표로 삼을 수 있도록 가이드 해줘야 한다.
• 도메인 지식과 기술 노하우를 융합할 수 있도록 도와줘야 하고, 조직의 장이 개발을 할 수는 없더라도 수치에 기반한 대화에 익숙할 수 있도록 도와줘야 한다.

4.기본적인 데이터 접근은 최대한 쉽게 만들어야 한다.

• 더 많은 직원들이 자신의 업무에서 중요한 문제를 해결하는데 있어 필요로 하는 데이터를 원활히 접근하고 활용할 수 있도록 셀프서비스를 강화하고,
• 동시에 적절히 큐레이팅된 대시보드 구축을 통해서 많은 구성원이 빠르게 회사의 핵심 지표나 전략적으로 중요한 이슈를 읽을 수 있도록 함으로써 데이터 접근을 용이하게 만들어야 한다.

5.불확실성을 측정해야 한다.

• 100% 확신할 수 있는 의사결정은 없다.
• 불확실성을 측정할려고 할 때, 불확실성의 원인에 대해서도 논의할 수 있는 기회가 생기게 될 것이고, 나아가 실험하는 문화가 자연스럽게 탄생할 수 있다.

6.쉬운 것부터 시작해서 성과를 만들어야 한다.

• 처음부터 완벽할 수는 없다. 오히려 완벽한 계획은 변경에 상당한 시간이 소요되기 때문에 조직에 상당한 부담으로 다가올 수 있다.
• 작더라도 확실한 과제부터 시도해봄으로써 성공률을 높이고 이를 기반으로 스케일을 키워보는 것이 차라리 낫다.

7. 적절한 시점의 교육이 가장 효과적이다.

• 한번에 빅뱅으로 교육프로그램을 제공한다 한들, 그 많은 기술을 한 번에 필요로 하는 직원은 없다.
• 중요한 것은 필요한 시점 직전에, 교육을 들을 수 있게 해주는 것이다.

8.내부 구성원을 위해서 분석기술을 활용해야 한다.

• 모두가 개발자가 될 필요는 없다.
• 하지만 최소한의 외국어가 생활에 도움이 될 수 있는 것처럼 업무 자동화(RPA)등을 통해서 기술을 활용하도록 지원할 수 있다면, 기술부서는 조금 더 난이도 있는 업무에 시간을 좀 더 할애할 수 있을 것이다.

9. 단기적 관점에서는 유연성보다는 일관성이 중요하다.

• 앞서 언급한 직원 교육 차원에서, 다양한 기술을 허용하는 것은 좋으나, 단기적으로는 범용적으로 쓰이는 하나의 언어(예: Python)를 사용하도록 권함으로써, 회사에 데이터 기반 문화가 빠르게 정착되도록 할 필요가 있다.

10.분석적사고로 설명하는 습관을 가져야 한다.

• 분석은 하나의 절대적인 답과 접근 방식이 있는 것이 아니다.  합의가 있을 뿐이다.
• 그리고 전 구성원이 만족할 수 있는 합의가 있기 위해서는 많은 분석적 대화가 오고갈 필요가 있다.
• 리더들은 구성원보다 이런 문화 조성에 앞장서야 한다. 훈수는 잠시 내려놓을 필요가 있다.

References

• 10 Steps to Creating a Data-Driven Culture