입력하다
이 게시물의 목적은 궁극적인 목표에 도달하기 위한 나만의 학습 방향을 설정하는 것입니다.
저의 궁극적인 목표는 서비스 기획자로 일하면서 세상의 많은 요구를 충족시킬 수 있는 회사의 CEO가 되는 것입니다.
이 목표를 달성하기 위해, 높은 계획 및 실행 기술이게 필요해
# 성장이 없는 자만이
최근에는 Grumton 5급에 지원하지 않았던 경험을 바탕으로 ‘나’를 재정의할 수 있었습니다.
클라우드 톤의 종영 발표 전까지는 무조건 인정받는 줄 알았다.
기획자로서 높은 수준의 프로젝트를 기획하고 수행할 수 있다는 ‘오해’를 자주 겪었다.
당시의 생각과 감정
“프로그래밍을 배우기에 충분합니다.”
“인공지능?, 데이터 분석?, 백엔드 개발? 필요없어 계획만 잘 짜면 돼”
나는 아이디어가 있었다.
그래서 “클라우드 톤”의 실패 결과를 받아들였습니다.
“전문성”이 없는 기획자는 저급한 기획력과 실행력을 발휘할 수밖에 없다는 사실을 깨달았습니다.
이러한 깨달음에서 “전문 역량”을 개발할 필요성이 발생합니다.
프로젝트 서비스가 기획되어 현장에서 사용자에게 배포되는 다양한 서비스를 살펴보면 이를 알 수 있었습니다.
“전문 역량”에서 시작하여 프로젝트 서비스의 핵심 가치를 사용자의 요구로 끌어올렸습니다.
(커머스마켓몰, 데이터 분석 기반 상품추천) (학교시간표&급식정보 연동 투데이스쿨, 데이터 기반 서비스)
# 아크 방향의 꾸준한 조정과 꾸준한 노력
“전문 역량”은 이전에 학습한 전문화된 “개발 방법” 또는 새로 생성된 “기술”입니다.
기존의 “개발 방법론”은 알고리즘
새롭게 등장한 ‘스킬’은 데이터 분석과 인공지능이었다.
그래서 “개발 공부는 이 정도면 됐어”라는 생각으로 “나”부터
“새로운 기술을 습득하고 활용하는 자세와 전문성을 기르자”로 변화된 “나”로 자신을 재정의할 수 있었습니다.
새롭게 파악한 앞으로의 방향을 좀 더 구체적으로 설명하기 위해 이 글을 “데이터 분석”부터 순서대로 쓰도록 하겠습니다.
이 글을 쓰게 된 근거는 콘텐츠 큐레이션 서비스를 통해 찾은 저의 경험과 정보를 바탕으로 합니다.
이 글은 제 개인적인 생각을 바탕으로 작성되었습니다.
생각의 흐름에 대한 참고로 이 글을 읽어주세요.
데이터는 중요하다
기획자로서 서비스나 BM(비즈니스 모델) 기획에 꼭 필요한 데이터를 어떻게 적용할지 알아야 합니다.
시간이 지남에 따라 품질이 다른 많은 정보와 데이터가 생성됩니다. 따라서 현재 우리가 처한 상황에서
데이터를 쉽게 적용하여 다양한 계획 전략을 개발할 수 있습니다.
“데이터”를 잘 알고 이를 전문적으로 사용할 수 있는 사람이라면 누구나 이러한 필수 속성을 기반으로 더 높은 수준의 “기획 전략”에 도달할 수 있습니다.
서비스를 기획하고 실행할 수 있는 사람, 현재의 비즈니스를 보고 실현할 수 있는 시대.
따라서 오늘날에는 누구나 “데이터”를 찾고 사용할 수 있습니다. 그러나 데이터를 “전문적으로” 사용하는 방법을 배운 후에는
이것은 사용가치를 배가시켜 부가가치가 높은 사람이 될 것이라고 짐작할 수 있다.
데이터를 전문성으로 취급할 때의 이점
데이터는 그 자체로 많은 사용자의 인터넷 사용 및 인터넷 조사를 기반으로 “생성”된 귀중한 데이터입니다.
따라서 데이터는 “생성된” 정의되지 않은 무언가의 “흔적”이자 “증거”입니다.
이러한 특성을 바탕으로 데이터를 활용하여 새로운 가치를 창출하고,
그것은 더 높은 수준의 기술을 만듭니다.
# 손쉬운 의사결정(설득력 있는 자료, 근거)
수많은 데이터에서 사람들이 원하는 데이터를 찾고,
따라서 데이터를 시각화하여 서비스 필요성에 대한 설득력 있는 자료로 활용할 수 있다.
또한 데이터 기반 진술이기 때문에 “사실 기반” 자료로서 매우 신뢰할 수 있고 설득력이 있습니다.
소통이 이루어질 수 있습니다.
요약하면, 당신이 살고 있는 상황에서 세상에서 필요한 니즈를 빠르고 쉽게 찾을 수 있고,
고품질 서비스 계획에 대한 빠르고 실용적인 소개를 위한 초석이 마련되었습니다.
기획자로서 세상을 보고 다양한 서비스를 기획할 수 있을 뿐만 아니라,
서비스 계획에 대한 더 나은 통찰력을 제공하는 데 도움이 됩니다.
# 비즈니스 문제의 근본 원인을 파악하고 문제 해결 전략의 기반을 형성
데이터 추출의 목적과 분석의 목적이 올바른 방향으로 정의되면
데이터의 잠재력을 발휘함으로써 우리는 세상을 위한 놀라운 서비스를 계획하는 힘을 휘두릅니다.
세상의 대부분이 “데이터”를 통해 원하고 원하는(필요) 것
뽑을 수 있습니다
분석 프로세스를 통해 이러한 요구 사항에 대한 솔루션을 찾을 수 있습니다.
요약: 세상이 원하는 것을 찾기 위해 “데이터”를 추출하고,
“데이터”에 기반한 가공 및 분석 과정을 통해
적절한 해석이 이루어지며, 이러한 해석을 바탕으로 서비스 기획을 핵심가치로 강화합니다. (근무 일정의 기초)
그리고 분석된 데이터를 이해하기 쉽게 시각화하여 주변 회원들에게 서비스의 필요성을 설명할 수 있습니다. (설득자료)
데이터, 데이터 분석 학습 방향
데이터 기반 사고의 실천을 함양하는 것이 중요합니다.
무수히 많은 “데이터”가 존재하는 현실에서 원하는 데이터를 찾고 분석하고 전략화하는 것
서비스 기획의 핵심 가치로서의 권한 부여 “데이터”를 다루는 기초이자 가장 중요한 핵심입니다.
데이터의 크기가 방대하기 때문에 데이터를 처리하는 “분석 프레임워크”가 있습니다.
앞으로는 Data Driven Mindset을 이해하고 “Data Analysis Framework”를 기반으로
데이터를 효율적으로 추출, 분석, 활용할 수 있는 사람이 되기 위해
데이터 분석 학습의 방향을 정의해 봅시다.
# 데이터 중심 사고방식(목표 -> 문제 정의 -> 문제 세분화 -> 데이터 중심 문제 해결 전략 -> 전략 실행)
데이터 작업을 위한 기본 및 중심 사고 방식은 다음과 같습니다.
“목표 -> 문제 정의 -> 문제 세분화 -> 데이터 기반 문제 해결 전략 -> 전략 실행”으로 구성됩니다.
1. 대상(데이터를 추출해야 하는 영역의 정의)
서비스 계획의 목표를 정의하고,
데이터를 추출할 영역의 범위를 정의하는 과정입니다.
즉, 서비스 기획의 핵심가치를 정의하는 과정입니다.
2. 문제 정의
핵심 가치에 기반한 솔루션 전략을 찾으십시오.
3. 문제 공유
핵심 가치는 일련의 테마로 (MECE 사고 방식에 따라) 독립적으로 정의됩니다.
따라서 해결해야 할 핵심가치 문제는 몇 가지 정의로 나뉜다.
문제 정의가 “브랜드 A의 판매를 늘려야 합니다”라고 가정하고
판매를 판매 = (구매자 수 x 단가)로 정의할 수 있습니다.
구매자 수는 구매자 수 = (신규 구매자 + 반복 구매자)로 정의할 수 있습니다.
따라서 신규 구매율이나 기존 고객의 재구매율 데이터를 확인하여
Brand A의 매출 감소 원인은 ‘신규 구매율 감소’ 또는 ‘기존 재구매율 감소’로 확인할 수 있다.
정의할 수 있습니다
4. 데이터 기반 문제 분석 전략
서비스의 핵심가치에 따라 문제를 정의하고,
문제를 별도의 문제로 분류하고 문제의 근본 원인을 “데이터 분석 프레임워크”로 분석했습니다.
“데이터 분석 프레임워크”는 다음과 같습니다.
(1) AARRR 깔때기
(2) 아마존 플라이휠
5. 데이터 기반 문제 해결 전략
데이터 분석을 통해 찾은 문제의 근본 원인을 해결하는 솔루션은
솔루션 의사 결정 프레임워크를 기반으로 각 솔루션 중에서 최상의 선택을 찾습니다.
“솔루션 결정 프레임워크”는 다음과 같습니다.
(1) 시나리오 분석
데이터 분석 방법을 기반으로,
예상 결과가 가장 높은 솔루션을 선택하여 문제 해결 전략으로 채택합니다.
(실증적 값을 바탕으로 분석 결과에 따라 가중치를 부여하여 해석하기도 한다.)
(2) ICE 결과
세 가지 분석 키워드인 Impact, Confidence, Ease를 기반으로
이는 ICE 점수가 가장 높은 제안 솔루션을 문제 해결 전략으로 채택하는 방법입니다.
(분석 방법도 경험에 기반한 분석 결과와 상황에 따른 합리적인 해석에 따라 가중치 부여)
(정리하다)
요컨대, 데이터를 기반으로 서비스 기획을 할 때 핵심가치를 강화하여 수준 높은 기획을 할 수 있습니다.
하지만 ‘데이터’와 기획에 집중하기보다 ‘핵심가치’에 집중하고 그 핵심가치를 찾아내고,
해결책을 찾기 위해서는 계획이 중요합니다.
“데이터 분석은 도구일 뿐입니다”
# 데이터 분석 프레임워크
사용되는 “데이터 분석 프레임워크”는 AARRR 퍼널과 Amazon Flywheel입니다.
많은 양의 데이터를 해석하려면 작업 방식의 틀을 정의하는 “프레임”을 사용하는 것이 더 쉽습니다.
자신이 데이터를 분석하고 해석한다는 것을 알고 있습니다.
따라서 데이터 분석 프레임워크인 AARRR 깔때기부터 시작하여
데이터에서 생각하는 방법을 배우기 위해 연습하려고 합니다.
# 콘텐츠 큐레이션, 러닝&프루닝 러닝 기반
콘텐츠 큐레이션 서비스를 기반으로
전에 접하지 못했던 온라인 콘텐츠를 보고 그에 맞게 해석할 수 있었습니다.
따라서 콘텐츠 큐레이션 서비스를 통해 데이터 분석 학습의 방향을 설정하고,
새로운 정보에서 배우는 것을 잘라서 데이터 분석을 배우려고 합니다.
데이터 분석의 기본을 익히기 위해 서비스 기획팀이나 기업은 먼저 데이터를 기반으로 서비스를 기획하고,
솔루션을 설계하고 실행하는 방법을 보여주고 데이터를 분석하는 방법을 알려주는 튜토리얼 서적을 찾을 수 있습니다.
그리고 데이터 분석에 따른 심층 콘텐츠 탐색을 알아보기 위해 가지치기 학습을 합니다.
마지막으로
이 포스팅은 아래 유튜브 영상을 참고했습니다.
이 글은 서비스 기획자로서 필요한 “전문 능력” 중 하나인 “데이터 분석”의 필요성을 정리하기 위해 작성되었습니다.
데이터를 기반으로 기사를 작성하고 서비스를 기획할 때 핵심 가치를 강화할 뿐만 아니라 높은 수준의 계획을 세우는 것입니다.
무엇을 할 수 있는지 알 수 있었습니다.
그리고 글을 쓸 때와 글을 마칠 때,
데이터 분석의 중요성과 필요성을 “전문적인 기술”로 되새겨 볼 수 있는 좋은 기회였습니다.
데이터 분석을 배우려면 “책”을 사서 따라해보세요
하나씩 데이터를 추출하고 분석하는 과정을 거치게 됩니다.