[10줄 서평] “김 팀장, 예측이 아니라 추론을 해야죠!"

직감과 데이터. 직감은 과학적으로 검증되지 않지만 느낌과 경험에 기반한 동물적 감각으로 ‘될만한 것'을 찾아내는 데 탁월한 효험을 발휘한다.

다만 그만큼 위험부담이 큰데, 근거 없이 느낌만 따라가다가는 자칫 큰 실패를 초래하기 쉽다. 반대로 데이터에 의지하면 어느 정도의 성공을 담보할 수 있지만, 신뢰할만한 대조군이 없을 경우 효과적인 정보를 도출하기가 쉽지 않다.

그래서 충분한 데이터가 확보가 중요한데, 일단 확보가 됐다면, 이를 잘 해석만하면 살아있는 ‘정보'를 뽑아내는 게 가능하다. 이 책은 그 방법을 소개한다.

데이터 사이언스 분야의 세계적인 전문가인 황보현우 교수와 스타트업 컨설팅 20년 경력의 김철수 컨설턴트는 현업에 직접 적용이 가능한 데이터 분석기법을 제시한다. 우수 직원의 특성을 파악해 액션 플랜을 짜는 법, 지난번 히트 상품과 비슷한 상품을 추천하는 법, 회장님이 방문하실 대표 매장 5곳을 선정하는 법 등을 설명한다.

#10줄요약 #1장 예측과 추론

1. 일반적으로 데이터를 분석하는 목적은 예측과 추론, 두 가지이다. 예측은 결과를 맞히는 것이고, 추론은 원인과 결과 사이의 관계를 분석하는 것이다.

2. 회사에서 신규 매장을 ‘열지 말지'를 결정해야 한다면 예측이 더 중요할 수 있다. 하지만 이미 열기로 결정했다면 중요한 건 매출을 맞추는 예측이 아니라 매출 높이는 방법을 분석하는 추론이다.

3. 매출에 영향을 주는 요인은 다양하다. 매장 크기, 점주 역량, 직원 친절도, 직원 수, 유동 인구, 제품 종류, 입구 위치 등을 고려해야 한다. 그래야 매출을 높이는 전략을 수립할 수 있다. 이런 ‘데이터 기반 예측’을 추론이라고 한다.

4. 예측은 결과를 맞히는 게임이고 추론은 원인과 결과 간 관계를 파악하는 게임이다. 많은 상사가 예측과 추론을 구분하지 않고 업무를 지시하지만, 우리는 상사의 지시가 예측인지 추론인지를 파악해야 한다.

5. 예측과 추론은 분석의 목적에 따라 다르다. 예를 들어 ‘우산을 든 사람의 성별이 무엇인가?’를 맞히는 것은 예측이다. 그런데 사진 속 사람이 ‘왜 우산을 들고 있는가?’를 맞히는 것, 즉 비를 피하기 위해서인지 아니면 햇볕을 피하기 위해서인지를 분석하기 위한 것은 추론이다.

6. 예측은 오차를 최소화하는 것을 목적으로 하고, 추론은 x1, x2, … , xp의 변화에 따른 y의 변화를 이해하는데 관심이 있다.

7. 추론도 두 가지로 나눌 수 있다. 직관과 데이터 분석에 근거한 추론. 직관에 의한 추론을 상식이나 감이라고 얘기한다. 유동인구가 많으면 그 지역 매장의 매출이 높다. 하지만 최고급 호텔 쇼핑 아케이드는 오가는 사람이 별로 없어도 웬만한 상권보다 임대료가 높다.

8. 상식이나 감이 맞을 확률이 높긴 하지만 틀리는 경우도 있다. 유동인구가 10% 늘면 임대료는 얼마나 오를까? 매출액은 몇 % 증가할까? 상식이나 감으로는 이 질문에 정확하게 답을 할 수 없다.

9. 그래서 구체적인 데이터 분석이 필요하다. 데이터 분석은 유동인구가 늘면 임대료와 매출이 어떻게 얼마나 오르는지 구체적인 값을 제시할 수 있다.

10. 예를 들어 유동인구가 10% 늘면 임대료가 5% 늘고, 매출액은 13.5% 증가한다고 말할 수 있다.

서믿음 기자 meseo@chosunbiz.com