메일을 쓸 때 최소한의 양식을 갖추면 좋은 이유

메일을 쓸 때 최소한의 양식을 갖추면 좋은 이유
Photo by Victória Kubiaki / Unsplash

육아휴직을 하면서 종종, 다양한 분들과 커피챗을 하게 됩니다. 이번에도 그렇게 커피챗 일정을 잡고 논의를 하는 중이었습니다.

저와 커피챗을 진행하신 분은 저를 좋게 봐주셨는지, 혹시 회사 입사 프로세스를 진행하실 생각이 있으실지 이야기를 주셨습니다. 그래서 가족과 이야기를 나눈 후 정중하게 메일을 써서 거절을 하였습니다.

그리고 받은 메일을 보았는데, 굉장히 당황스러웠습니다. 딱 세문장이었습니다. 정말 본인의 용건만 답변하는 내용이었습니다. "Yes, I Understand. Have a Nice Day." 같은 느낌이었습니다. 인사, 서명 아무것도 없었습니다. 누가 봐도 길을 가다, 또는 점심을 먹다 폰으로 보냈을 법한 회사였습니다.

신입사원시절, 저는 다양한 에티켓 교육을 받았는데, 그 중의 하나가 메일이었습니다. 인사와 적절한 안부, 그리고 명확한 메일의 목적으로 시작되어 마지막에는 리마인드 등 메일을 쓸 때 꼭 넣어야 하는 양식을 가이드 받으면서 왜 이렇게 힘들게 써야 하나했습니다.

실제로 근무를 하다보면 외국인상사의 메일에는 한글자만 있는 경우도 있었으니 이상하지는 않았습니다. "Required" 뭐 이런 식으로 쓰여있던 기억이 납니다. 물론 그럼에도 서명과 Sincerely 등의 문구는 적혀있기는 했지만 이는 자동으로 삽입되는 상용구에 가까웠습니다.

그렇게 크게 신경쓰지 않고 메일을 작성해오다가 이런 메일을 받아보니, 이유를 명확하게 인지하게 되었습니다. 이렇게 적절한 양식은 글이 갖춰야 하는 최소한의 요소를 만들어주고 있었습니다.

에티켓의 베이스라인을 만들어주고 있었습니다. 특히 회사 규모가 클 수록 대면의 기회가 많지 않고, 다양한 사람과 만날 때 이러한 베이스라인은 대화가 최대한 감정적이지 않게 도와주고 있었습니다.

아마 이 메일을 쓰신 분은 본인이 급하지 않고, 그리고 굉장히 큰 대기업에서 일하고 계시니 그러했을지 모르겠습니다만, 저는 아마 이렇게 메일을 쓰는 경우는 절대 없을 것같습니다.

Read more

Chi-Square Test와 T-Test는 데이터 특성에 따라 선택하여 사용합니다.

Chi-Square Test와 T-Test는 데이터 특성에 따라 선택하여 사용합니다.

Chi-Square Test가 A/B/C Test에서 사용되는 구체적인 경우 * 범주형 데이터 분석: 각 그룹에서 클릭하거나 전환된 사람의 수를 비교할 때, 이 데이터를 범주형 변수로 간주하고 Chi-Square Test를 적용할 수 있습니다. * 다중 그룹 비교: A/B/C 테스트에서 세 개 이상의 그룹을 비교해야 할 때, Chi-Square Test는 모든 그룹 간의 독립성을

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)