데이터 드리븐 기획(데이터 기반 의사결정)

1. 데이터 해석 전 '기준' 정의

• 데이터는 단독 수치만으로 '좋다/나쁘다'를 판단할 수 없다.
• 분석 전 과거 데이터, 목표치(KPI), 업계 평균 등의 비교 기준을 먼저 명시해야 한다.
  • 예시: 최근 30일 평균 응답시간(2.1초) vs 목표치(1초 이하)

2. 문제 원인을 위한 데이터 세분화 

• 전체 평균 지표는 세부 문제를 숨길 수 있다.
• 디바이스(모바일/데스크톱), 시간대(피크타임), 구간별(전환 단계)로 데이터를 쪼개어 정확한 병목 구간을 찾아야 함.
  • 예시: CTA 클릭률 전체 분석 대신 '모바일(1.5%) vs 데스크톱(3.2%)' 비교

3. 정량적 데이터 + 정성적 데이터(VOC) 조합

• 정량 데이터(수치): 어디서 문제가 터졌는지 발견
• 정성 데이터(VOC/피드백): 왜 문제가 발생하는지 원인 파악
• 두 데이터를 결합해야 단순 추측이 아닌 명확한 원인 진단이 가능하다.
  • 예시: 결제 이탈률 상승(정량) + "쿠폰 입력창이 복잡해요"(정성) ➔ 쿠폰 자동 적용 기능 도입

4. 데이터 분석 ➔ 실행 가능한 액션플랜

• 데이터 분석의 끝은 항상 개선 액션(A/B 테스트, UX 최적화, 기능 개선 등)으로 연결되어야 한다.
• 데이터 수집 ➔ 가설 수립 ➔ A/B 테스트/개선 ➔ 결과 재검증 순환 구조를 만드는 것이 핵심이다.

---

오늘의 인사이트, 느낀 점

• 데이터 분석 관련: 명확한 기준 설정 + 정성/정량 데이터 모두 파악 + 실행 가능한 액션 플랜 3가지가 모두 중요함!
• 연습하면서 나도 결론 도출해보려고 했는데 예시 답안에 비해 구체성이 약간 부족했음. 아쉽다!
• 과제를 하면서 주어진 데이터만 고려했던 것 같은데, 디바이스/구간/데이터 종류 등 과제에서 주어진 데이터 외의 요소들도 고려하고, 어떨지 가정해보면서 이번 과제를 해야겠다. 
• IT 용어 관련: 안다고 생각했던 용어들인데 막상 설명해보려니 설명 못하던 용어들이 있었다. 정확히 알아두자.