데이터 리터러시를 향상할 필요를 느끼시나요? 5가지 질문에 답변할 수 있는지 확인해 보세요 Do You Need to Improve Your Data Literacy? See If You Can Answer These 5 Questions

Jenn Atlas | 09 February, 2021

주제: Minitab Statistical Software, data literacy

누군가가 회의에서 발표한 데이터 분석을 온전히 이해하지 못했지만 다른 사람은 모두 아는 것 같아서 차마 질문을 하지 못한 경험이 있으신가요? 그런 경험이 있으시다면 데이터 리터러시(data literacy) 역량을 향상시키는 데 시간을 할애하는 것이 좋습니다.

데이터 리터러시는 데이터에서 유의미한 정보를 도출하는 능력을 의미합니다. 데이터 리터러시에는 기본적인 수학과 통계에 관한 지식이 필요하지만, 다행히 이러한 지식을 갖추는 데 도움이 되는 다양한 도구와 리소스가 존재합니다. 데이터를 활용하여 의사결정을 내리려면 시각화와 통계 분석 용어 및 언어를 이해하는 것이 중요합니다.

변화를 이해하는 것처럼 간단할 수도 있고 실행 가능한 통찰력을 도출하기 위해 의사결정 나무를 활용하는 것처럼 복잡한 작업까지 다양한 역량이 요구됩니다. 물론 이 모든 사항은 이러한 분석이 정확한 데이터에 기반한다는 것을 전제로 합니다. 데이터 리터러시는 데이터를 분석하는 방법을 아는 것이 아니라, 동료 직원이나 외부 기관이 제공한 분석을 이해하는 것입니다.

데이터 리터러시가 중요한 이유

조직은 비즈니스 프로세스에서 기술과 분석을 효과적으로 활용하면 수익성과 효율성을 높이고 더욱 우수한 고객 경험을 제공할 수 있다는 사실을 알고 있습니다.

Gartner는 2023년까지 "데이터 리터러시가 명백하고 중요한 비즈니스 가치 증대 요인이 될 것"이라고 예측했습니다. 실제로 Gartner는 데이터의 80% 이상에서 데이터 리터러시가 공식적으로 요구되며, 분석 전략이 경영 관리 프로그램을 변화시킬 것으로 보았습니다. Lean 또는 Six Sigma에 관한 배경 지식이 있으신 분들은 오랫동안 데이터 리터러시를 강의해 오셨을 것입니다.

리더들은 경쟁력을 유지하려면 데이터를 더욱 효과적으로 활용하고 조직 내 분석 문화를 계획해야 한다는 사실을 인지하고 있습니다. 모든 비즈니스 분야에서 기술을 활용하게 되었으며 그 어느 때보다도 많은 데이터가 존재하는 지금은 대부분의 업무에서 필수적인 기술로 자리잡은 기본적인 데이터 분석 개념을 이해해야 합니다.  

깜짝 퀴즈: 여러분의 데이터 리터러시 수준을 확인해 보세요. (컨닝 금지입니다!)

데이터 리터러시 향상은 현재 할 수 있는 가장 좋은 자기계발일 수 있습니다. 여러분은 아래의 질문 중 몇 개에 답변할 수 있으신가요?

질문을 보고 잠깐 답변을 생각해 본 다음 문항을 눌러 정답을 확인해 보세요.

Quantitative refers to numbers and things you can measure objectively (think width, height, temperature or volume). Qualitative refers to characteristics that can't be easily measured and are observed subjectively (e.g. smells, tastes, textures, or color). 

Learn More 


When you hear "average," it is often referring to the mean — what you get if you add every number together, then divide the total by how many numbers you added. Median, on the other hand, is the middle number.

In many studies, including Lean Six Sigma projects, you might be confronted with data where the mean is not necessarily the best reflection of the average though. Think about five household incomes. The first is $140,000. The second $200,000. The third $215,000. The fourth $220,000. And the fifth $1,725,000. The mean of those numbers is $500,000.

But when we say "average," we are looking for a number that best characterizes that particular sample. $500,000 is way higher than all but one number though, and the median, $215,000 serves as a better "average."

Learn More 



A scatterplot of popsicle sales and skateboard accidents may form a straight line and give you a correlation coefficient of 0.9999. Buying popsicles clearly doesn't cause skateboard accidents, though. More people ride skateboards and more people buy popsicles in hot weather, which is the reason these two factors are correlated. Only properly controlled experiments help you determine whether a relationship is causal.

Learn More (and see a funny comic that sums it up nicely!)


In an observational study, nothing is done to the things or people being studied. We are merely observing them as they are. In a controlled experiment, they are assigned to groups. Each group (except the control group) receives some treatment or is changed somehow (e.g. products manufactured with an alternate step in the process, people asked to abstain from drinking caffeine, etc.) and then we study how that change affects them.

Not done testing yourself?! The Khan Academy has some more background and scenarios to test yourself if you want to double-check whether to give yourself credit for this answer.

 

몇 개나 맞추셨나요? 점수를 계산해 보세요.

0~2점: 걱정하지 마세요. 이제 막 데이터 리터러시라는 여정을 시작했을 뿐이니까요.

Minitab 블로그에 방문한 것 자체가 이미 첫걸음을 내딛은 것이나 마찬가지예요. 여정을 계속하는 과정에서 질문이 있거나, 분석 솔루션과 데이터 기반 의사결정을 알아보고 싶으시다면 문의주세요!   

3~4점: 어느 정도 지식을 갖고 계시군요!

Minitab과 함께라면 문제 해결을 위한 통계 분석 역량을 완벽한 수준으로 끌어올릴 수 있습니다. Minitab의 무료 시리즈인 Webinar Wednesdays의 주문형 웨비나를 확인해 보세요. 분석 역량 향상에 투자하고 싶으시다면 Minitab의 전문가들이 진행하는 통계 분석 교육을 신청하세요. 일정 보기

5점: 완벽합니다! 음... 당황스럽네요. 혹시 저희 회사 직원이신가요?

아니면 저희 회사를 지망하시나요? Minitab의 채용 공고를 참조하세요!

이미 직접 공부하고 계시다면 Minitab의 Webinar Wednesdays 시리즈와 머신 러닝에 관한 최신 콘텐츠도 참고해 보세요. 통계학자나 데이터 과학자라면 이 모든 질문에 답변할 수 있더라도 항상 새로운 방법이나 접근법을 접할 수 있다는 사실을 잘 아실 테니까요! 

 

결론: 조직은 데이터가 더욱 잘 활용해야 하는 자산이라는 사실을 알고 있습니다

데이터 과학자와 다른 조직 구성원 간 소통이 원활하지 않다면 운영 우수성과 비즈니스의 성공을 달성할 수 없습니다. 가장 어려운 데이터 문제의 해결을 돕는 전문 데이터 분석가도 중요하지만, 좋은 데이터 분석이 무엇인지 이해하는 것은 모든 구성원에게 도움이 됩니다.

기업 전체의 데이터 리터러시를 개선하면 일상적으로 데이터에 기반한 의사결정을 내릴 수 있으며, 더 유용한 질문과 심도 있는 이해를 바탕으로 근거가 탄탄한 결론을 확립할 수 있습니다. 데이터 분석 기술 향상은 자기계발에도 매우 효과적입니다. 데이터 기반의 의사결정을 내리면 무의식적인 편견과 의견이 개입되는 것 또한 방지할 수 있습니다.

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat.