강의 핵심 요약

이 클래스에서 어떤 내용을 다뤘는지 함께 살펴보겠습니다. 이 클래스에서 우리는 마소전자마트의 24개 지점 그 중에서도 만년 2등을 해서 너무 서러웠던 서울중앙점이 1등인 부산 남부점처럼 이익을 늘리고자 하는 이러한 노력을 하는 과정에서 굉장히 넓은 수많았던 선택지 중에 무엇인가를 계속해서 고르고 선택하고 점점 더 집중해 나가는 일련의 과정을 함께 살펴보았습니다. 본 클래스의 스토리라고 하는 것은 크게 세 부분으로 이루어져 있었는데요. 맨 앞에 우리는 서울중앙점이 부산 남부점과 서울중앙점을 비교하고 이것을 통해서 목표를 설정해내는 과정을 다뤘습니다. 이때 우리가 주로 다뤘던 내용은 점추정과 구간추정은 도대체 무엇인가 라고 하는 것을 배웠죠. 이러한 추정에 있어서 필요한 여러가지 개념들을 다뤘습니다. 신뢰 구간이라던가 신뢰 하한 상한 신뢰 수준 신뢰 개수란 무엇인가 라고 하는 여러가지 필요한 내용들 또 편차와 오차의 차이 표준오차와 표본오차란 대체 어떤 것인가 라고 하는 것들에 대해서 우리가 설명하는 과정을 거쳤습니다. 이렇게 부산 남부점과 서울 중앙점을 비교한 다음에 우리는 서울 중앙점의 어떤 제품들을 판매하고 있는가 라고 하는 비중 포트폴리오와 부산 남부점의 판매 제품의 비중 포트폴리오를 비교했죠 이때 우리는 데이터를 통상적으로 다루던 값이 아니라 그림으로 요약하는 것은 어떤 것인가 라고 하는 것을 같이 다뤄봤습니다 대표적으로 엑셀에서 많이 사용하게 되는 여러 계층 구조를 띠고 있는 데이터에서 많이 사용하는 선버스트 차트라고 하는 것을 이용해서 계층적인 데이터를 그림으로 요약하는 과정을 거쳤습니다. 데이터를 그림으로 요약하는 것은 데이터 시각화라고 하고요. 데이터 시각화가 왜 필요한가 라고 하는 것은 데이터 사우루스 더즌이라고 하는 어떤 명료한 하나의 사례를 들어서 우리가 데이터를 값, 관측치, 평균, 표준편차, 상관계수 등으로 요약을 했을 때 사실상 아무 차이가 없어 보였던 데이터들이 그림으로 요약하는 순간 공룡도 보이고 별도 보이고 X도 보이고 동그라미도 보이는 이러한 상황을 통해서 데이터 시각화가 왜 중요한가 라고 하는 부분도 같이 살펴보았습니다 이렇게 서울중앙점과 부산 남부점의 판매 비중에 대한 포트폴리오를 검토한 다음에 우리는 목표 예산을 세웠죠 서울중앙점의 목표 예산을 세웠습니다 목표 예산을 담고 있는 테이블 그리고 실제로 서울중앙점이 제품을 판매한 판매 기록을 담고 있는 테이블 서로 다른 동떨어져 있는 두 개의 각각의 테이블에 있는 데이터를 하나로 모으는 과정을 우리가 또 같이 살펴보았습니다 만약에 VLOOKUP 같은 것을 이용해서 데이터를 물리적으로 합친다 라고 할 때 여러가지 문제점이 발생할 수도 있는데 물론 우리가 가져와야 하는 데이터 필드가 굉장히 많이 있을 때 속도가 느려진다거나 뭐 이 자체가 굳이 있는 데이터를 다시 중복해서 처리하는 등의 이런 불편함도 있지만 그것도 맞지만 가장 중요한 것은 데이터를 VLOOKUP으로 가져왔을 때 이 데이터가 하나는 평균으로 표현되고 하나는 합계로 표현되어야 되는 것처럼 도대체 왜 이 데이터를 이렇게 정리하는 것인가 라고 하는 것을 다른 사람은 도저히 이해할 수 없고 활용할 수 없는 문제가 발생한다 라고 하는 점을 말씀드렸고 이런 문제를 해결하기 위해서 데이터를 테이블의 관계로 연결하는 것을 같이 다뤄봤습니다. 데이터를 관계로 연결하면 하나의 엑셀 파일에 들어있는 여러 가지 데이터 테이블들을 VLOOKUP이 필요 없이 이 파일 자체, 파일 안에 들어있는 모든 데이터를 사실상 하나의 거대한 표처럼 활용할 수 있는 크나큰 장점이 있다라고 하는 것도 우리가 같이 알 수 있었습니다. 이어서 우리는 서울중앙점의 여러 가지의 제품군들 중에서 목표에 미달하고 있는 여러 가지 제품군들 중에서 어떠한 제품군에 집중할 것인가 그 중에 어떤 모델에 집중할 것인가 그렇다면 그 모델의 할인율은 얼마를 줄 것인가 또 이 모델뿐만이 아니라 에어컨 전체 카테고리를 봤을 때 총 기대 이익을 가장 높이기 위해서 각각의 주력 모델들에게 어떠한 할인율을 부여해야 하는가 라고 하는 점점 점점 선택이 좁혀가는 일련의 과정을 거쳤습니다 이 과정에 맨 처음 우리가 겪은 것은 어떠한 판단의 기준으로서 데이터가 있을 때 데이터를 가지고 의사 결정을 하고 판단을 하는 데 있어서 우리가 비즈니스에서 가장 많이 다루는 숫자 데이터 연속형 자료의 경우에 이 연속형 자료들을 가지고 우리가 의사 결정을 할 때 중요하게 삼을 수 있는 두 가지 관점, 어떠한 확실하고 안정적인 예측의 문제 뭔가 이 예측을 내가 안정적으로 잘 해내고 싶다 라고 할 때 데이터를 회귀적으로 분석해서 얻게 되는 R-Square 결정계수값이 그러한 역할을 해줄 수 있다 라고 하는 것도 다뤘고 또 우리가 일단 독립변수 X의 조작을 함으로써 뭔가 X를 변화시킴으로써 우리가 얻고자 하는 리턴 결과값 종속변수 Y가 가장 커지기를 바란다면 즉 우리가 얻게 되는 리턴이 커지는 ROI를 높이는 것을 원한다면 그렇다면 우리가 베타 계수라고 하는 것에 주목할 필요가 있다 라고 하는 각각의 회귀적인 계수들이 비즈니스 현실에서 어떤 식으로 해석되고 활용되어야 되는가 라고 하는 점을 좀 초점을 맞춰서 다뤘습니다 다만 이때 R-Square와 베타라고 하는 것은 어떤 것이 더 중요하다 중요하지 않다라는 것을 판단할 수는 없고 이것은 일종의 어떤 의사 결정에서의 성향을 나타내는 문제로 치환이 되게 되는데 다만 우리가 베타라고 하는 이러한 추정하는 값은 이 추정 자체를 신뢰하지 못할 경우에는 이 베타 값도 덩달아서 신뢰할 수 없기 때문에 이 둘 중에서 일단 R-Square 이 추정의 신뢰도라고 하는 R-Square가 어느 정도 수준을 확보한 다음에 그 다음에 우리가 베타를 검토할 수 있다 라고 하는 판단의 순서에 대해서는 좀 강조해서 말씀을 드렸습니다 R-Square는 통상적으로 비즈니스적인 의사 결정에서는 0.3 정도를 넘어서면 충분히 이 추정이 긍정적으로 검토할 만하다, 관심을 가지고 볼 만하다 라고 판단하는 수준이 되는 거고요. 0.6을 넘어서게 되면 이 추정은 꽤나 믿을 만하다 라고 판단해도 큰 무리는 없다 라고 말씀드렸습니다. 다만 이 R2라고 하는 것은 최대로 올라갔을 때는 1까지 올라가게 되는데 우리가 어느 정도 선을 넘어선다면 0.6, 0.7 이러한 선을 넘어선다면 그 이후에는 과거의 데이터를 잘 설명하는 것이 중요한 게 아니라 우리가 미래를 추정하는, 모르고 있는 부분을 추정하는 이 추정력이 중요한 것이기 때문에 R2의 사소한 변화, 어느 정도 수준을 넘어섰을 때 0.91과 0.92를 비교하는 등의 이러한 것들은 별로 좋은 방법은 아니다. 수준이 넘어선다면 R-Square의 자잘한 변화에는 너무 신경 쓰지 않는 것이 조금 더 현실적으로 효용 가치가 높을 수 있다 라고 하는 부분도 함께 말씀드렸습니다 이렇게 데이터를 회귀적으로 분석해서 어떤 기준을 세움으로써 우리는 에어컨이라고 하는 이러한 제품군이 우리가 주력할 만한 제품군이다 라는 판단을 내렸고 그 안에서 각각의 가격대별로 가격대를 20만원 단위로 나눠서 6개의 가격대에 각각의 주력 판매 모델을 결정했습니다 다만 이것은 스토리상 우리가 6개로 나눴을 뿐 우리가 만약 비즈니스에서 잘 알지 못하는 연속형 데이터를 가지고 이렇게 구간을 나눠야 된다 계급을 나누고 그룹핑을 해야 된다 라고 하는 상황이 벌어진다면 스터지스 룰을 사용할 수 있다 라고 하는 부분도 같이 함께 계산을 해보기도 했습니다 이렇게 각각의 가격대를 대표하는 주력 모델을 결정한 후 우리는 그 중에 하나의 모델 SJC라고 하는 이 모델 하나를 가지고 그 모델의 할인율을 바꿈으로써 변화하는 판매 수량 그리고 이것을 통해서 우리가 판매에 들어가는 비용들 이런 것들이 모두 다 변화하는 복잡한 수식의 민감도 분석을 해내는 것을 같이 해봤는데요 민감도 분석이라고 하는 것은 한마디로 입력 값이 변화함에 따라서 출력 값이 어떻게 변화하는가 라고 하는 것을 보는 겁니다 인풋이 변화함에 따라서 아웃풋이 어떻게 달라지는가 라고 하는 것을 인풋을 가능한 모든 값을 다 취해서 막 바꿔 봄으로써 변화하는 아웃풋의 값을 보는 것 이것을 우리가 민감도 분석이라고 하는데요 우리는 이 민감도 분석을 두 번 실행했습니다 첫번째는 할인율과 판매수량이라고 하는 2개의 변수를 다뤘죠. 변수가 2개였기 때문에 우리는 이때에 엑셀의 데이터표 라고 하는 기능을 이용해서 민감도 분석을 실시했습니다. 하지만 모든 민감도 분석의 상황이 이렇게 변수가 두 개만 있지는 않기 때문에 굉장히 많은 변수들이 존재할 수 있기 때문에 그 변수들을 조금 더 많은 3개, 4개, 5개, 6개 이렇게 많은 변수를 민감도 분석할 수 있는 수단이 필요했는데요 이때 우리가 유용하게 사용할 수 있는 방법으로 두 번째 민감도 분석 방법인 시나리오 관리자, 시나리오 분석에 대해서 배웠습니다 사실상 시나리오 분석과 민감도 분석이라고 하는 것은 하나의 이 분석을 어떤 관점에서 보느냐의 차이다라고도 말할 수가 있습니다 민감도 분석은 결국 인풋이 달라짐에 따라서 아웃풋이 어떻게 달라지는가 라고 하는 것을 보는 건데 시나리오 분석이라고 하는 것은 인풋, 각각의 인풋들이 어떻게 여러 개의 변수, 여러 가지의 입력 변수들이 어떤 값을 갖고 있는가 라고 하는 개별적인 시나리오로 만들어서 시나리오마다 기대되는 결과를 확인하는 방법 민감도 분석의 특수한 형태라고도 말할 수 있습니다. 가격대별 주력 상품도 정하고 가격 할인도 해주고 하는 여러 노력을 통해서 성과를 높였지만 사실상 모든 구성원들이 만족했던 건 아닙니다 현실적으로 비즈니스에서는 더 많은 인사이트 새로운 방향성의 제시가 굉장히 중요하죠 그래서 우리가 우리에게 가격이 아닌 다른 어떠한 중요한 요인을 발견할 수 있는 인사이트를 담고 있는 특별한 제품을 찾는 방법을 같이 다뤄봤는데요 이때 우리는 회귀적인 추정을 먼저 하고 회귀적인 추정을 하고 회귀적인 추정에서 벗어나게 되는 데이터 그런데 이 벗어난 정도가 일반적인 수준을 벗어나는 굉장히 특별한 어떤 데이터가 있다면 이 데이터가 추정을 벗어나는 이유는 독립변수 X가 아닌 다른 어떠한 현실적인 요인에 의해서 영향을 받기 때문이다 라고 하는 이러한 새로운 인사이트를 발굴하는 원리 그리고 그러한 것을 엑셀을 통해서 실제로 실행하는 방법도 함께 진행해 보았습니다 지금까지 비즈니스 애널리틱스 데이터 기반 전략 수립 강의를 수강해 주셔서 감사합니다.