Communication

정확한 단위로 대화를 하는 것이 중요합니다.

Bongho, Lee

2024년 8월 30일 — 2 min read

자전거를 타고 약속장소로 이동하는 중이었습니다. 근처 과일 가게에 이런 문구가 적혀있었습니다. "한 상자에 X,000원" 과일을 직접 사먹지는 않는 편이기 때문에 가격은 모르지만 꽤 매력적인 가격대였습니다. 그래서 잠시 "살까?" 망설였습니다. 하지만 이내 자전거를 타고 다시 가던 길을 갔습니다. 한 상자 안에 몇개가 들어가 있을지를 몰랐기 때문입니다.

이 생각을 비즈니스에 접목시켜보니, 회사가 제공하는 단위와 고객이 원하는 단위가 다른데서 발생하는 리스크에 대해서 고민해보게 되었습니다. 앞서 언급한 것처럼 제가 알고 싶어하는 단위는 상자안에 몇개의 과일이 들어있고, 그래서 상자의 가겨이 얼마였는지였습니다. 이러한 부분에서 가게는 알려주고 싶어하지 않았을 수도 있습니다.(제 해석입니다.)

여기서 우리는 1차적으로 고객의 이탈을 예상할 수도 있겠다는 생각이 들었습니다. 간단하지만 명료하게 고객과 대화하기 위해서는 이러한 단위만 맞춰서 어느정도는 수치를 끌어올릴 수 있다는 생각도 들었습니다. "How to Measure Anything"이라는 책에 따르면 측정이란 "불확실성을 줄이기 위한 일련의 행위"라고 정의된다고 합니다. 즉 잘못된 단위로 인한 커뮤니케이션 상의 오해는 불확실성을 더욱 키울 수도 있겠다는 생각이 들었습니다.

이렇게 적고보니 커뮤니케이션은 정말 힘든 일이네요. 너무 많은 변수가 실시간으로 펼쳐지고 있는... 그런 행위인 것같습니다. "크게 생각할수록 크게 이룬다 (리더의 자기 암시법)" 라는 책에서 언급된 것처럼 이러한 두려움에는 정면으로 맞서되 가급적이면 분할정복을 통해서 좀 더 접근해봐야겠습니다.

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- 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 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.

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

Read more

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

Bayesian P-Value는 불확실성을 감안하여 모델의 적합도를 평가합니다.

Non-Identifiability는 Model Parameter를 고유하게 식별할 수 없는 현상입니다.

Rootgram은 큰 분산을 갖거나 비정규 형태의 데이터를 위한 히스토그램입니다.