[Doing Data Science] EDA

Doing Data Science 그림2-2

다른 사람을 어떻게 확신시킬 것인지 걱정하기 전에 여러분 스스로에게 일어나는 것을 먼저 이해해야 한다.
- 앤드류 겔먼

질문하라. 배경을 연구하라. 가설을 설정하라. 실험으로 가설을 검증하라. 데이터 분석하고 결론을 이끌어내라. 결과를 전달하라.

 

EDA는 도구인 것만큼이나 사고방식 이기도하다. 그 사고방식은 여러분과 데이터의 관계에 대한 것이다. 사용자와 상호작용하며, 더 많은 데이터 생성 피드백 루프를 창출하는 데 있다. 어떤 데이터가 기록하거나 수집될 필요가 있을까? 에서부터 시작하여, 혼돈으로부터 질서를 바로잡으려는 시도를 한다. 

---

나는 분석을 할 때, 고려해야 하는 것은 목표, 그 목표를 달성하기 위한 문제의 정의 그리고 가장 중요한 방향성이라고 생각한다. 회사가 어떤 방향성을 가지고 있느냐에 따라, 문제에 대한 정의도 달라지고, 데이터 분석으로 발견한 문제 해결방법도 달라진다.

우리가 해결하고자 하는 문제가 방향성과 맞는가?

해결하고자 하는 방식이 방향성과 맞는가?

끊임없이 고민하고, 궁극적으로 해결하고자 하는 목적이 무엇이었는지를 고민해야 하는 것 같다.

 

미래를 예측하는 것을 넘어, 미래를 일으킨다는 것. 내가 원하는 방향으로 서비스가 흘러가도록 만드는 것.

그러기 위해 나는 충분히 의사결정자를 설득할 만큼 여러 가지를 고려했을까? 우리의 최종 Goal에 대하여 항상 고민하고, 그 방향으로 자연스럽게 이끌어갈 수 있는 힘을 기르고 싶다.