[Data Literacy_02] 문제 정의

우리는 문제를 제대로 정의하지 않고 작업으로 뛰어들곤 한다.

 

 

문제 정의란?

 

- 데이터 분석 프로젝트의 성공을 위한 초석

- 분석하려는 특정 상황이나 현상에 대한 명확하고 구체적인 진술

- 프로젝트의 목표를 설정하고 분석 방향을 결정

 

---

 

문제 정의 사례

 

상황: 패션 플랫폼 A, 매출 증가가 목표

 

잘못된 문제 정의:

 

"매출을 어떻게 늘릴 수 있을까?"

 

- 모호하고 구체적이지 않음

- 어떤 고객층, 제품에 초점을 맞출지 명확한 지침이 없음

그러므로 방향성을 잡기가 어려움

 

올바른 문제 정의:

 

"지난 6개월 동안 25-35세 여성 고객층의 구매 전환률이 급격히 감소했다.

이 고객층의 전환률을 현재의 2%에서 5%로 끌어올리기 위해 어떤 마케팅 전략을

적용할 수 있을까?"

 

구체적인 고객층과 목표치에 대한 지침이 있음.

 

---

 

문제 정의 방법론

 

1. MECE (Mutually Exclusive, Collectively Exhaustive)

 

상호 배타적이면서, 전체적으로 포괄적인 구성요소로 나누는 것

복잡한 문제를 체계적으로 분해하고, 구조화된 방식으로 분석할 수 있다.

 

- 분류 기준이 중복되면 안됨 (예. 여성, 남성, 아저씨)

- 분류 기준이 누락되면 안됨 (예. 액션, 스릴러, 공포 > 멜로, 코메디 등이 누락됨)

- 분류 기준이 통일성이 있어야됨 (예. SUV, 세단, 현기차)

- 분류 기준이 명확해야 함 (영어 우수학생, 수학 우수학 > 우수? 둘이 중복?)

 

 

2. Logic Tree

 

MECE 문제들을 관리하기 쉬운 하위 문제로 계층적으로 분해하는 데 사용

 

 

 

아래의 예시를 참고해 부분들을 적절히 바꿔가며 사용하면 되겠다.

 

 

---

 

문제 정의 정리 & 팁

 

1. So What?

 

수집한 정보가 그래서 "결국 어떻다는 것인지?"

 

키워드는: 그래서, 따라서, 이렇듯, 그러므로

이를 사용해 핵심을 추출한다.

 

2. Why so?

 

그렇다면 "왜 그렇게 말할 수 있는지?"

 

키워드는: 왜냐하면, 그 이유는

이는 요소의 타당성을 전체 혹은 부분적 요소로 증명할 수 있다는 사실을 검증하는 작업이다.

 

위의 1과 2를 상호 검증하며 진행!

 

팁: 

1. 결과를 공유하고자 하는 상대는 누구?

2. 결과를 통해 원하는 변화는 무엇?

3. 경영자의 입장에서라면?

4. 많은 사람과 의견 나눠보기

5. 동시에 혼자서도 오래 고민해보기