데이터 리터리시
1-3 데이터의 유형
데이터는 크게 2가지 유형으로 본다.
- 정성적 데이터
- 주관적 요소가 많음
- 텍스트, 비디오, 오디오의 형태
- 그래서 구조화가 어려움
- 현상이나 개념에 대해 이해 심화 과정에서 필요함
- 정량적 데이터
- 객관적 요소가 많음
- 숫자로 정리 가능한 설문조사와 인터뷰 등 "명확한 수치"의 형태
- 그래서 지표(구조화) 만들기 용이
- 통계적 분석 이용 가능
둘의 차이점 중 가장 중요한 것은
통계 분석이 용이하냐, 어렵냐
- 개념 착각
- 설문조사라고 무조건 정량적 데이터 x
- 만족도 조사에서 매우 만족, 만족, 보통, 불만족으로만 표시되어 있다면 의미 해석이 필요함으로 정성적 데이터로 분류
- 정량적 데이터는 항상 "명확한 수치"를 포함해야 함 이것이 두 데이터의 종류를 가르는 척도
+
정량적 데이터와 정성적 데이터가 합쳐진 문제도 있다.
ex) 나이, 성별, 직업 별로 인터뷰를 하여 그들의 느낀 점이 데이터로 있다면
나이, 성별, 직업은 명확한 수치화가 가능
-> 정량적 데이터
느낀 점 (주관적 의견)
-> 정성적 데이터
후에 정성적 데이터를 정량화 시키는 작업도 필요하다.
- 정량적 데이터의 사례
- 지역별 인구 통계데이터
- 수치형 설문조사 (숫자)
- 마케팅 데이터(마케팅 결과, 비용 포함)
- 정량적 데이터의 활용
- 지표, 추천 지수 등을 만들 수 있고 통계적 분석 적용(패턴 파악 등)이 가능하다
- 정량적 데이터를 활용함으로써 다음과 같은 질문에 답변이 가능
- 한 달 매출, 하루 평균 이용자 수, 재방문율
지표 설정
- 지표란 ?
- 구체적이고 측정 가능한 기준
- 전략적 결정에 필요한 "핵심 정보"
- 정의한 문제를 "정확하게 파악"하기 위해 필요 (정의한 문제를 해결 할 수 있는 좋은 지표인가 ? )
- 예제 날씬해지기
- 목표 => 날씬해지기 (날씬의 정의가 구체적이지 않아서 좋지 않은 목표임)
- 핵심 지표 => BMI, 체지방률
- 수단 => 목표에 맞는 핵심지표를 설정했으면 그에 맞는 수단을 찾아서 실행 (운동, 식단)
- 지표 이해
- 액티브 유저 => 액티브 유저를 어떻게 정의하느냐에 따라 전략과 방향이 바뀜
ex)
1. 사이트 진입 모든 유저
2. 진입 후 활동을 한 유저
3. 자사 서비스의 목표에 액션을 수행한 유저
액티브 유저의 범위가 1번 이라면 허들이 매우 낮아지고
액티브 유저의 범위가 3번 이라면 허들이 매우 높아짐
*** 적절한 액티브 유저 설정이 중요 ***
주요 지표 정리
- Retention Ratio (재방문율)
- 서비스 특성에 따라 기준을 다르게 적용할 수 있음
- 재방문율이 떨어지긴 하지만 완만한 그래프가 나온다면 현 시점에 적합한 서비스라고 볼 수 있음
- 측정법
- N-Day 리텐션
=> 최초 사용일로부터 N일 후 재방문율
=> 사용 빈도가 잦은 서비스 (인스타, 카카오톡)
- Unbounded 리텐션
=> 마지막 방문일 이전도 방문으로 계산
=> 사용 빈도가 적고 주기적인지 않은 서비스 (채용사이트, 부동산)
- Braket 리텐션
=> 특정 구간 설정 후 재방문율 측정
=> 사용빈도가 길거나, "주기적인 경우"(식료품 배달, 세차 서비스 등)
- 지표의 종류
- Funnel 지표 (어디서 이탈하는지 구조화한 지표)
=> **유저들이 어디서 이탈하는가?**를 확인하기 위한 구조화
=> 퍼널은 잠재고객을 유입시키며 최종적인 목표 액션을 달성할 때까지의 과정
- AARRR (유입, 활성화, 재방문, 수익, 추천)
=> 디지털 마케팅시 퍼널을 활용하는 프레임워크
=> 단계별 전환율을 지표화 하여 서비스 보완 지점을 찾음
- Acquisition: 유입
- Activation: 활성화
- Retention: 재방문(재구매)
- Revenue: 수익
- Referral: 추천
- LTV (Life Time value = 고객 평생 가치)
=> 한명의 고객이 이탈 전까지 서비스에 총 얼마를 소비하는지
=> 이 지표는 가정을 베이스로 만들었기 때문에 지속적인 모니터링 필요
=> 설정된다면 신규 고객 유입시 투자할 금액 산출 가능
- *** 북극성 지표 *** (서비스의 성공을 정의 => 방향성)
=> 고객에게 주는 핵심 가치를 잘 보여줘야 함
=> 지속적 성장을 위해 꾸준히 모니터링
- 좋은 북극성 지표의 특징
=> 고객이 느끼는 가치가 잘 나타나야 함
=> 사업 목표를 나타내는 지표중 선행지표 (후행은 안됌)
- 좋은 북극성 지표를 위한 8가지 체크리스트
1. 유저가 목적을 달성하는 시기
2. 모든 유저가 해당 ?
3. 측정 가능 ?
4. 측정 주기가 적절 ?
5. 외부 요인을 영향을 많이 받는가 ?
6. 지표가 사업의 성장과 함께하는가 ?
7. AARRR 퍼널 전 과정이 지표에 영향을 주는가 ? (반영을 하냐는 뜻 같음)
8. 적어도 매주 관찰 가능한가 ?
예시로 북극성 지표는 서비스 성공을 정의함으로
회원가입 수는 서비스 성공을 나타내는 지표가 아닐 수도 있음
(서비스의 성공 => 수익 증가, 그러므로 서비스 성공 <> 회원가입 수 상관관계 성립 x)
그러나 예외는 존재.
소셜미디어 서비스에서 DAU 지표의 경우 데일리 방문자의 수에 따라 광고 노출 기회가 많아짐 => 수익 증가, 서비스의 성공으로 볼 수 있음
*** 서비스의 종류에 따라 단순 활동 지표도 북극성 지표가 될 수 있음 ***
- 북극성 지표가 중요한 이유 : 방향성
=> 방향성이 뚜렷하면 무엇에 최적화(집중)하고 무엇을 포기해도 되는지 알 수 있음
=> 진척도를 확인하며 성과에 따라 지원, 액션 실행속도가 빨라짐
=> 조직이 결과에 책임 = 성과가 나오지 않은 부분에 다시 방향성을 제시하고 개선
=> 효율 증대 = 방향성 설정 후 조직이 하나의 목표를 향해 나아가며 단합력 상승
=> 서로 상반된 목표에 집중 x, 중복 업무 x ==>>> *** MECE한 구조 ***
여기서 북극성 지표는 ‘음악 재생시간 증가’라는 아웃풋을 위해
투입해야 할 인풋들을 정리하고,
지표의 성격과 이에 맞는 담당자 배정을 통해
조직이 하나의 방향성을 따라
중복되거나 상반되지 않는 목표를 향해 나아가도록 돕는다.
- 북극성 지표는 단일 지표가 아니라, Input → Output → Action까지의 정렬된 구조
- 이 구조는 조직의 혼란을 줄이고, 명확한 책임과 실행을 가능하게 만든다 => 어디서 잘못되었는지 알 수 있다.
- 중복 목표, 부서 간 충돌 없이 시너지를 만들 수 있다 => MECE한 구조
예제 스파르타 코딩클럽의 북극성 지표를 만든다면 어떻게 할까 ? (정답은 없음)
일단 방향성을 잡기 위해 아래 3가지 조건을 모두 충족하는 목표를 설정한다
- 목표 설정
- 고객이 느끼는 핵심 가치
- 지속적 가치 제공
- 장기적으로 서비스의 성장
=> 학습 성공 (학습자의 목표 달성을 돕는 것)으로 한다.
- 사용자 정의
- 스파르타 코딩 캠프를 찾는 사람들은 IT업계의 지식을 습득하기 위해 방문
- 사이트를 방문한 이유는 학습할 캠프를 찾기 위함
=> 사이트 방문객 전체 + 수강생
- 가장 크게 영향을 주는 지표 ?
- 문제에서는 강의 완강율을 예시로 들었지만 개인적으로 완강율은 학습 성공에 크게 영향을 주는 지표가 아니라고 생각함
- 그래서 강의 품질을 지표로 삼아서 가지치기를 통해 좋은 학습을 제공하는 것에 중점을 맞춰야겠다고 생각
=> 강의품질지수(만족도)
- 실력향상률 (강의 시작 후 레벨 테스트와 강의 종료 후 레벨 테스트를 통해 본인의 실력 향상 확인)
- 재수강률 (스파르타에서 수강한 경험이 있는데 다시 다른 과정으로 수강하러 온 학생의 비율 )
- 피드백 반영률 (학원이 수강생과 소통을 하며 피드백을 수용하는지)
- 추천지수 (수강생이 다른 사람에게 추천하는지 추천도 조사)
- 취업 및 이직 성공률
후에 MECE 원칙을 적용시켜 상반되는 목표 x, 중복 업무 x 를 확인
관련 부서 배정도 한다면 더 좋을 듯
결국 사이트를 방문하거나 수강생에게 더 좋은 학습 성공 경험을 제공 할 수 있다면
좋은 가치 제공 + 지속적 가치 제공 가능 + 회사의 장기적인 성장을 모두 노릴 수 있다.
핵심지표로는 강의품질지수(만족도)를 측정 할 수 있는 세부 지표들에 MECE 원칙을 적용하여
목표로 향하는 조직(서비스)의 방향성을 더욱 뚜렷하게 만들고 부서별 업무 분담으로 효율을 증대 시켜
목표했던 학습 성공경험 이끌어 낸다.
내가 정리한 부분 ChatGPT로 다시 정리
✅ 스파르타 코딩클럽의 북극성 지표 설계 예시
🎯 1. 목표 설정: 학습 성공 (학습자의 목표 달성 지원)
아래 3가지 조건을 모두 만족시키는 방향성을 정의:
- 고객이 체감하는 핵심 가치
- 지속적인 가치 제공 가능성
- 장기적인 서비스 성장 가능성
👉 이를 종합해 스파르타의 북극성 지표는 **"학습 성공"**으로 설정
👥 2. 사용자 정의
- 대상: 사이트 방문자(예비 수강생) + 실제 수강생
- 욕구: IT 업계 진입 또는 커리어 전환을 위한 학습 목적
- 방문 목적: 본인에게 맞는 강의/과정을 찾고 수강하기 위해
📊 3. 핵심 지표 도출 – 강의품질지수(만족도)
형님이 매우 탁월하게 지적하신 것처럼,
단순 완강률보다는 **실질적인 ‘학습의 질’**을 반영하는 지표들이 진짜 의미 있는 지표임!!!
✅ 강의품질지수 하위 구성 지표 (MECE 적용):
| 실력향상률 | 수강 전/후 레벨 테스트 비교로 성과 측정 |
| 재수강률 | 과거 수강생이 다시 스파르타를 선택한 비율 |
| 피드백 반영률 | 수강생 의견을 실제 개선에 반영한 비율 |
| 추천지수(NPS) | 타인 추천 의향을 통해 학습 경험 만족도 측정 |
| 취업/이직 성공률 | 실질적인 커리어 이동 성공 비율 |
이들 지표는 중복 없이, 각각 명확한 역할을 가지며,
MECE 원칙에 따라 설계되어 관리 및 분배가 용이함!
🧭 4. 조직적 연계
- 각 지표별로 담당 부서 및 책임자 지정 (예: 커리큘럼 기획팀, 커뮤니티 운영팀, 커리어 서포트팀 등)
- KPI를 지표에 따라 분할하여 상반되는 목표 없음, 중복 업무 최소화
🧠 5. 결론
스파르타는 "학습 성공"이라는 단일 목표 아래,
핵심 지표(강의품질지수)를 중심으로 세부 지표들을 정리하고
명확한 방향성과 조직 내 역할 분배를 통해
고객 가치, 지속성, 장기 성장을 동시에 달성할 수 있다.
오늘의 학습 느낀 점
평소에는 1주차 분량을 하루에 몰아서 끝내려고 했지만,
오늘은 진도 욕심을 줄이고 한 강의씩 집중해서 깊이 이해하는 방식으로 접근해봤다.
그 결과, 훨씬 이해도도 높고 흡수력도 좋아졌음을 느꼈다.
튜터님께서는 **“하나씩 천천히 하다 보면 시간이 부족할 수도 있다”**고 하셨지만,
막상 이해가 안 된 채로 "다음에 다시 봐야지" 하고 넘어가게 되면
결국 그 개념은 휘발되고 다시 처음부터 봐야 하는 일이 반복된다는 걸 느꼈다.
사실 알고 보면 시간이 부족할 거라는 건 나도 잘 안다.
하지만 그냥 강의만 보고 “아~ 그렇구나~” 하고 넘기면,
머릿속에는 하나도 남지 않는다. 그래서 앞으로도 일단 이 방식대로 학습 해야겠다라고 느꼈다.
그리고 오늘 학습한 북극성 지표는
어떤 서비스나 조직에도 적용할 수 있는 강력한 지표라는 인상을 받았다.
앞으로 다양한 상황에서 이 개념을 적용해보며 실전 감각을 키워야겠다는 다짐도 들었다.
비록 처음 접하는 개념이라 이해하는 데 시간이 오래 걸렸지만,
실제로 지표를 설정하고 조직 구조나 목표에 연결해보는 경험을 통해
데이터 분석가라는 직무가 점점 더 매력적으로 느껴지고 있다.