데이터 리터러시란? 데이터 리터러시 역량을 기르는 방법 3단계
엘리스
2023. 9. 7.
디지털 시대에서 데이터는 제2의 비즈니스 언어입니다. 이제 데이터 활용 능력은 모든 조직 구성원에게 필수라고 해도 과언이 아닌데요. 데이터 드리븐 기업으로 거듭나기 위해서는 모든 구성원이 데이터 언어에 능숙해져야 합니다. 데이터로부터 숨겨진 인사이트를 도출하기 위해서는 데이터를 읽고, 이해하고, 생성하고, 전달할 수 있는 데이터 리터러시가 필요합니다. 이번 콘텐츠에서는 데이터 리터러시 뜻과 데이터 역량을 키우는 방법에 대해 알아보겠습니다.
데이터 리터러시 뜻
데이터 리터러시 뜻은 한국어로 ‘데이터 문해력’입니다. ‘데이터를 활용해 결정을 내리고, 효과적으로 의사소통하는 능력’ 을 말하는데요. ‘데이터 활용’을 구체적으로 설명하자면 언어, 수치, 그래픽 등 다양한 형태의 데이터를 이해하고 의사소통에 사용하는 것을 말합니다.
데이터 리터러시 뜻에서도 알 수 있듯이 데이터 역량은 논리적 사고력과 문제 해결 능력에 달려 있습니다. 즉 데이터 역량을 갖춘 사람은 데이터 요청 목적과 배경을 적절히 고려하며, 논리적 사고를 바탕으로 필요한 데이터를 구분할 수 있습니다. 또 데이터 분석 결과를 다른 사람들과 효과적으로 공유하는 능력도 갖추고 있습니다. 아래 ‘데이터 리터러시 역량을 기르는 방법’ 파트에서 더 자세하게 설명해 드리도록 하겠습니다.
데이터 리터러시 중요성
데이터 리터러시는 기업이 데이터 드리븐 의사결정 구조를 구축하는 데 매우 중요합니다. 최근 데이터와 데이터 활용 기술에 대한 기업의 관심이 뜨거워지고 있는데요. 데이터 자산이 커짐에 따라 데이터 활용 능력은 기업과 조직원 모두에게 중요해지고 있습니다. 데이터 리터러시 역량이 좋을수록 업무 성과가 향상되고 더 나은 의사결정을 내리게 됩니다. 따라서 기업에서 데이터를 기반으로 더 빠르고 더 나은 결정을 내리는 의사 결정자들을 필요로 함에 따라 데이터 역량은 조직 구성원들이 갖춰야 하는 필수 역량이 되었습니다.
데이터 사일로? 문제점과 해결 방법 알아보기 - 지금 보러 가기
데이터 리터러시 역량이 필요한 사람
데이터는 여태까지 소수의 데이터 분석 전문가들의 역량이었습니다. 지금까지 경영진과 실무진은 데이터 분석가로부터 분석 결과를 보고 받아 의사 결정에 활용했는데요. 하지만 이러한 방법에는 한계점이 있습니다. 데이터 분석 전문가는 비즈니스 환경의 변화를 실무진보다 예리하게 캐치하는 것이 어려울 수 있습니다. 또한 경영진보다 기업의 전략과 의사 결정 기준을 명확히 알지 못할 수도 있죠. 따라서 상황에 따라 분석 결과가 제대로 활용되지 못하는 경우도 있습니다.
현재의 디지털 경제는 변화 속도가 매우 빠르며, 기업은 고객 니즈에 바로 대응할 수 있어야 합니다. 시장 변화를 실시간으로 감지해 결과를 낼 수 있어야 하죠. 데이터를 바탕으로 의사결정 하는 시간과 과정이 길어지면 데이터 분석 결과를 활용하는 의미가 없어질 수도 있습니다. 따라서 앞으로 데이터 역량은 경영진부터 실무자까지 모든 구성원에게 요구될 수밖에 없습니다. 모든 임직원이 데이터 분석을 바탕으로 빠르고 더 나은 의사결정을 내릴 수 있다면 기업의 생산성을 크게 높일 수 있습니다.
데이터 리터러시 역량을 기르는 방법
데이터 역량에서 중요한 것은 단순히 데이터 분석 도구를 잘 다루는 것이 아닙니다. 데이터 리터러시 뜻에서 유추했듯이 어떤 목적으로 무슨 데이터를 사용할지 올바르게 설계할 수 있어야 하는데요. 이를 위해서는 특히 논리적인 사고와 문제 해결 능력이 필요합니다. 이러한 역량은 데이터를 기반으로 문제를 정의하고 해결하는 과정을 거듭하면서 기를 수 있습니다. 아래에서는 데이터 역량을 키우기 위해 데이터 분석에 접근하는 올바른 사고 과정 3단계에 관해 설명해 드리도록 하겠습니다.
데이터 활용 목적 정의하기
올바른 데이터 활용을 위해서는 ‘데이터 활용 목적’을 분명히 해야 합니다. 그리고 목적을 바탕으로 어떤 데이터를 사용할지 판단해야 합니다. 우리가 데이터를 활용하는 이유는 논리적인 의사소통을 뒷받침하고 올바른 의사결정을 내리기 위함인데요. 따라서 데이터 수집이나 해석 자체가 목적이 되면 안 됩니다. 올바른 목적을 정의하고 이에 맞게 데이터를 수집, 해석, 결과 검증 그리고 결론까지 도출하는 과정을 거쳐야 합니다.
따라서 데이터를 들여다보기 전에 데이터를 통해 무엇을 알고 싶은지 그리고 무슨 문제를 해결할 것인지 목적을 명확히 해야 합니다. 해결하고자 하는 문제를 구체화하고 문제를 해결하기 위해 어떤 데이터를 모을지 결정하는 것이 중요합니다.
목적에 맞는 데이터 수집하기
목적과 문제를 명확하게 정의했다면 그에 맞는 데이터를 수집합니다. 사용자의 행동을 확인하고 판단을 내릴 수 있도록 구체적인 데이터를 수집하는 것이 중요합니다. 다만 이 과정에서 원하는 데이터가 없는 경우도 있는데요. 데이터를 찾기 어려울 때는 유사 데이터로 대체하거나 데이터를 추가적으로 수집해 보는 것도 다른 방법이 될 수 있습니다. 추가적으로 데이터를 수집하는 과정도 반드시 ‘목적’에 부합해야 합니다.
데이터 분석 결론 도출하기
목적에 맞는 데이터를 수집한 후에는 데이터를 가공 및 분석하여 인사이트를 제시합니다. 이때 단순히 흥미로운 인사이트나 내용만을 제시하는 태도를 조심해야 합니다. 전달하고자 하는 핵심 내용이 무엇인지 듣는 상대를 혼란스럽게 만들 수 있기 때문입니다. 이때도 목적에 맞는 인사이트 제시가 중요합니다.
인사이트를 발견하는 것은 현황 파악에 불과하므로 이를 바탕으로 어떤 행동이 필요한지 결론을 도출해야 합니다. 데이터를 통해 구체적인 행동 계획을 세우거나 문제 해결 방안을 수립하는 등의 의사결정을 내려야 합니다. 결론을 도출할 때는 정보를 집약하는 것과 함께 해석을 덧붙일 수 있는데요. 대신 데이터를 통해 논리적으로 유추할 수 있는 사실 범위 내에서만 개인의 해석을 추가해야 합니다. 필요 이상의 상상력은 오히려 독이 될 수 있습니다.
결론 : 목적 중심의 데이터 사고방식
지금까지의 과정을 정리해 보면 ‘목적 중심의 데이터 사고방식’이 중요하다는 것을 알 수 있습니다. 데이터 역량을 키우기 위해서는 데이터를 수단으로 인식할 수 있어야 합니다. 즉 데이터 활용 프로세스는 발견한 현상을 구체적인 목적과 문제로 정의하여 이에 맞는 데이터를 결정해 현황을 파악하고, 결론을 도출하여 해결 방안을 모색하는 과정이라고 할 수 있습니다.
지금까지 데이터 리터러시 뜻과 데이터 리터러시 역량을 키우는 방법에 대해 살펴보았는데요. 데이터 리터러시 뜻은 결국 목적과 문제를 스스로 정의하고, 데이터를 수단으로 합리적인 결론을 도출하는 능력을 말합니다. 그러나 실제로는 여러 기업과 전문가들이 데이터 역량의 중요성을 인지하여 데이터 교육 과정을 도입하고 있음에도 불구하고 실제 뚜렷한 성과로 이어지지 못하는 경우가 많은데요. 이는 대부분 데이터 분석 툴만 가르치기 때문입니다. 단순히 데이터 분석 툴만 배우는 것으로 데이터 리터러시 역량을 향상하는 데는 한계가 있을 수밖에 없습니다.
엘리스에서는 데이터 리터러시 역량을 체계적으로 기를 수 있도록 교육과정을 제공하고 있습니다. 데이터를 목적 자체로 데이터를 활용할 수 있도록 데이터 분석 프로세스를 이해하고, 데이터 품질을 판단하는 법 그리고 데이터 분석 신뢰도를 높이는 방법까지 다루고 있습니다. 임직원들의 데이터 리터러시 역량을 키우고 싶다면 엘리스와 함께 데이터 교육을 시작해 보시는 것은 어떨까요?
*해당 콘텐츠는 저작권법에 의해 보호받는 저작물로 엘리스에 저작권이 있습니다.
*해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.
- #DX
- #Data
