윤석진 : 조직의 데이터 드리븐 문화를 위해 극복해야하는 문제들
발표영상 https://youtu.be/X29liXyIo3s
---
PAP가 준비한 팝콘 시즌1에서 프로덕트와 함께 성장하는 데이터 실무자들의 이야기를 담았습니다.
---
PAP(Product Analytics Playground)는 프로덕트 데이터 분석에 대해 편안하게 이야기할 수 있는 커뮤니티입니다.
우리는 데이터 드리븐 프로덕트 문화를 더 많은 분들이 각자의 자리에서 이끌어갈 수 있도록 하는 것을 목표로 합니다.
다양한 직군의 사람들이 모여 프로덕트를 만들듯 PAP 역시 다양한 멤버로 구성되어 있으며, 여러분들의 참여로 만들어집니다.
---
공식 페이지 : https://playinpap.oopy.io
페이스북 그룹 : https://www.facebook.com/groups/talkinpap
팀블로그 : https://playinpap.github.io
5. 발표 소개
1. 데이터 드리븐 문화?
2. 데이터 조직이 고려해야하는 요소들
a. 데이터 준비작업
b. 데이터 친밀감
c. 가치 증명
6. Audience
1. 프로덕트 애널리틱스 툴을 도입 예정인/ 이제 막 도입한 조직
2. 데이터 드리븐 문화 형성 과정에서 계속된 실패를 경험하고 계신 분들
3. 데이터 드리븐 문화라는 미션을 받은 데이터 분석
7. 데이터 드리븐 문화?
근데 왜 어려울까요?
- “Data Driven Culture is not Data Driven Tech”
- 문화의 유지 & 성장을 위해서는 조직의 지속적인 관리와 고민 필요
(culture gardening 필요)
: 데이터를 활용해서 의사결정을 내리는 것
1. 올바른 레슨런 -> 성공 가능성이 더 높은 방향의 결정
2. 수평적인 문화 형성에 큰 도움
8. 데이터 조직이 고려해야하는 요소들
Readiness
: 데이터 준비작업
Show & Prove
: 가치 증명
Familiarity
: 데이터 친밀감
9. Readiness : 데이터 준비작업
“새로운 획득캠페인의 설치율 지금 바로 볼 수 있나요? 국가
구성은요?”
“이번에 UI가 바뀐 화면에서 CTR 도 달라졌나요?”
- 마케팅, 제품, PO, 대표님…사실상 모두
10. Readiness : 데이터 준비작업
● 우리 조직의 마케터, 디자이너, PO들은 매일 어떤 문제를 풀고 있을까?
● 비데이터 직군분들이 오늘 서비스를 파악하는데 부족한 데이터가
없는가?
데이터 조직이 생각해야하는 질문들
12. Familiarity : 데이터 친밀감
● 어떻게 해야 비데이터 직군분들의 데이터 활용능력에 전파력이
생길까?
데이터 조직이 생각해야하는 질문들
13. Familiarity : 데이터 친밀감
● 어떻게 해야 비데이터 직군분들의 데이터 활용능력에 전파력이
생길까?
● 사내 데이터 분석가만이 드릴 수 있는 도움에는 무엇이 있을까?
데이터 조직이 생각해야하는 질문들
14. Familiarity : 데이터 친밀감
● 어떻게 해야 비데이터 직군분들의 데이터 활용능력에 전파력이
생길까?
● 사내 데이터 분석가만이 드릴 수 있는 도움에는 무엇이 있을까?
데이터 조직이 생각해야하는 질문들
애널리틱스 사용 자체에 초점이 맞춰진
강의는 잘 만들어져있는 것들이 이미 많다
15. Familiarity : 데이터 친밀감
● 어떻게 해야 비데이터 직군분들의 데이터 활용능력에 전파력이
생길까?
● 사내 데이터 분석가만이 드릴 수 있는 도움에는 무엇이 있을까?
데이터 조직이 생각해야하는 질문들
LINER Data
OO 직군이
이번주에 풀고
있는 문제
&
16. Familiarity : 데이터 친밀감
Amplitude 온보딩 세션의 실습예시 (가상)
● 1월 초 획득 캠페인 A의 설치전환율이 갑자기 하락하는 이슈
발생
● 당시에 전사회의 & 퍼포먼스 마케팅 회의에서도 관련
논의진행
● 1월 초에 퍼포먼스 마케팅 부서로 신규입사자 +3
● 캠페인 A의 설치전환율 하락의 원인을 찾게된 과정을 예시로
신규입사자 분들의 Amplitude 퍼널차트 실습을 진행
17. Familiarity : 데이터 친밀감
LINER 데이터 조직의 다양한 노력/장치들
온보딩 세션 직군별
Data Booster 세션
데이터 스터디
18. ● 시간 : 데이터 분석가들, 엔지니어링,..., 회사
● 돈 : 프로덕트 애널리틱스 툴 가격…만만치 않다!
Show & Prove : 가치 증명
Ex : “애널리틱스 툴을 도입하기 전과 후 무엇이 변했나요?’
(툴을 계속 유지할만한 가치가 있나요?)
- 회사
Tradeoff 🛑
19. Show & Prove : 가치 증명
데이터 조직이 생각해야하는 질문들
● 데이터 드리븐 문화가 어떠한 성과를 내고 있는가?
● 도입한 프로덕트 애널리틱스 툴이 목적달성을 하고 있는가?
20. Show & Prove : 가치 증명
회사가 이미 생각하고 있는 질문들
● 데이터 드리븐 문화가 어떠한 성과를 내고 있는가?
● 도입한 프로덕트 애널리틱스 툴이 목적달성을 하고 있는가?
21. Show & Prove : 가치 증명
데이터 드리븐 문화의 Funding 내역
● 시간 : 데이터 준비시간(엔지니어링), 교육세션 진행시간, 일하는 방식
변경…등등
● 돈 : Amplitude 유지비용, 데이터 인력 추가채용
22. Show & Prove : 가치 증명
임팩트 창출 & 배움을 공유
● 중요한 사항들에 대해서 빠른 슬랙공유 (ex : 가입이슈 같은 지표 중심의
문제상황)
● 전사미팅에서 직군과 프로젝트TF별 데이터 기반으로 축적된 배움&
임팩트 공유
● Iteration 지점에 대한 액션플랜 도출 & 제시
● 새로운 프로덕트 기회 발견 & 공유
23. Show & Prove : 가치 증명
임팩트 창출 & 배움을 공유
● 중요한 사항들에 대해서 빠른 슬랙공유 (ex : 가입이슈 같은 지표 중심의
문제상황)
● 전사미팅에서 직군과 프로젝트TF별 데이터 기반으로 축적된 배움&
임팩트 공유
● Iteration 지점에 대한 액션플랜 도출 & 제시
● 새로운 프로덕트 기회 발견 & 공유
24. 마무리
● 끊임없이 좋은 질문들을 하고 피드백 받기
● Better Way를 고민& 실행하는 성장
● 형성한 문화를 Gardening 하기
Readiness
: 데이터 준비작업
Show & Prove
: 가치 증명
Familiarity
: 데이터 친밀감
25. 마무리
LINER는 활발히 채용중!
* 더 다양한 직군들과 데이터 직군 공고들의 자세한 내용은 https://recruit.getliner.com/ 을 참고해주세요!