데이터 리터러시 - 데이터 유형, 지표설정, 결론정리

데이터 리터러시는 단순히 숫자를 다루는 기술이 아니라 데이터를 통해 문제를 이해하고 의미를 찾는 과정이라고 할 수 있다. 오늘은 데이터의 유형부터 분석의 방향을 잡기 위한 지표 설정과 결론 정리 방법까지 배워보았다. 데이터를 어떻게 바라보고 활용할지에 대해 알아볼 수 있는 시간이었다.

---

 

Ⅰ. 데이터의 유형

1. 정성적 데이터 (Qualitative Data)

• 수치가 아닌 사람의 경험, 관점, 태도처럼 주관적인 정보를 담고 있음
• 텍스트, 비디오, 오디오 등의 형태로 존재
• 구조화되어 있지 않아 분석보다 해석이 중요
• 새로운 현상이나 개념을 이해하고 인사이트를 발견하는 데 적합
• 예시: "서비스가 불편했어요." 같은 고객의 피드백 → 숫자로 환산하기 어렵지만, 서비스 개선 방향을 제시해 줌

 

2. 정량적 데이터 (Quantitative Data)

• 숫자 형태로 측정할 수 있는 데이터
• 평균, 분포, 상관관계 등 통계적 분석이 용이
• 설문조사, 실험, 인구통계, 지표 분석 등에서 사용
• 객관적이고 지표화하기 쉬움
• 예시: 일일 방문자 수(DAU), 재방문율, 매출액 등

	정량적 데이터	정성적 데이터
유형	정형 데이터 반정형 데이터	비정형 데이터
특징 및 관점	여러 요소의 결합으로 의미 부여 주로 객관적 내용	객체 하나가 함축된 의미 내포 주로 주관적 내용
구성 및 형태	수치나 기호 데이터베이스, 스프레드 시트	문자나 언어 웹 로그, 텍스트 파일
위치	DBMS, 로컬 시스템 등 내부	웹사이트, 모바일 플랫폼 등 외부
분석	통계 분석 시 용이	통계 분석 시 어려움

 

 

비즈니스 목표를 달성하기 위해서는 이 두가지 데이터를 균형있게 활용하는 것이 중요하다. 정성 데이터로 '이유'를 파악하고, 정량 데이터로 '규모'를 확인할 수 있기 때문이다.

---

Ⅱ. 지표 설정

1. 지표란?

• 목표나 성과를 수치로 표현한 기준
• 목표 달성도를 평가하고, 전략적 결정을 내릴 근거를 제공
• 결국 '어떤 결과를 기대하는가'를 정량화하는 과정
• 하나의 메인 지표 외에도, 액션 관리 지표를 함께 설정 가능
• 예시
  • 목표: 체중 감량
  • 핵심 지표: 체지방률, BMI 등
  • 액션 관리 지표: 운동 이행률, 식단 달성률 등

 

2. 주요 지표 이해하기

1) Active User (활성 유저)

• 서비스에 실제로 참여한 유저를 의미 (모든 유저가 포함되는 건 아님)
• 정의 방식에 따라 전략 방향과 리텐션 기준이 달라짐
• 투자 판단이나 서비스 성장을 평가하는 핵심 지표

지표	정의
전체 Active User	앱 접속 이력이 있는 유저
서비스별 Active User	서비스별 서브메인 이하 추가 액션이 있는 유저
DAU	Daily Active User
WAU	Weekly Active User
MAU	Monthly Active User
이탈유저 (이탈율)	전체 DAU로 잡현지만, 각 서비스의 DAU로 잡히지 않은 유저 (비율)
CVR (Conversion Rate)	특정 행동을 한 후, 전환된 비율
CTR (Click Through Rate)	어떤 페이지에 접근한 후, 특정

 

 

2)  Retention Ratio (재방문율)

• 서비스를 한 번 이용한 후 다시 돌아오는 비율(%)
• 리텐션이 높을수록 고객 충성도와 서비스 안정성이 높음
• 단순 방문 기준 외에도, 서비스 특성에 따라 '활성'의 정의를 다르게 둘 수 있음

• 일반적으로 리텐션은 시간이 지남에 따라 자연스럽게 감소 (Product B)
• 기울기가 점점 완만해지며 안정화 되는 그래프를 가지고있다면, 시장에 적합한 서비스라고 할 수 있음 (Product A)

 

2-1) Retention 측정방법

• N-Day 리텐션: 최초 이용 후 N일 뒤 재방문 비율 (SNS 등 매일 사용하는 서비스에 적합)
• Unbounded 리텐션: 특정일 이후 한 번이라도 방문한 비율 (쇼핑몰, 채용 사이트 등에 적합)
• Bracket 리텐션: 기간 구간(예: 1 (0일차) / 2 (1-3일차) /  3 (4-6일차) 등) 단위로 재방문 측정 ( 식료품 배달 서비스, 세차 서비스 등 주기적 서비스에 적합)

 

2-2) Retention에 대한 이해

• 리텐션이 높은 세그먼트를 발굴하는 작업이 필요함
• 서비스의 사용 주기에 따라 리텐션 조회 기간을 늘려야 함 (1년에 한 번 사용하는 서비스에서 3개월 동안 리텐션을 보면 활용 가치가 없음)
• 리텐션은 후행지표이기 때문에 사후 분석 시에 용이

 

3) Funnel (퍼널)

• 유저가 어디서 이탈하는지를 분석하는 지표
• 고객이 최종 목표(구매, 회원가입 등)에 이르기까지의 단계별 흐름
• 각 단계별 전환율을 분석해 문제 지점을 파악
• AARRR 프레임워크:
  • Acquisition (유입)
  • Activation (활성화)
  • Retention (재방문)
  • Revenue (수익)
  • Referral (추천)

 

4) LTV (Life Time Value, 고객 평생 가치)

• 한 명의 고객이 평생 동안 회사에 가져다주는 이익의 총합
• 고객 충성도와 장기적인 관계를 보여주는 핵심 지표
• 계산 방법에 정답은 없으며, 서비스 특성에 맞는 산출이 중요
• LVT를 높이기 위한 방법
  • 객단가 높이기
  • 구매 빈도 늘리기
  • 이탈율 낮추기 등

 

3. 북극성 지표

1) 정의

• 제품/서비스의 핵심 가치와 성공을 대표하는 단 하나의 지표
• 장기적인 성장을 이끌며, 조직 전체가 같은 방향으로 움직이게 함

 

2) 좋은 북극성 지표의 조건

• 서비스 전략의 핵심을 반영
• 유저가 실제로 가치를 느끼는 순간을 측정
• 측정 가능하고, 정기적으로 추적할 수 있어야 함
• 외부 요인에 휘둘리지 않아야 함

 

3) 북극성 지표의 사례

• 북극성 지표의 유형

 

• 대표적인 북극성 지표 사례

 

4) 역할

• 방향성 제시: 무엇에 집중해야 할지 명확히 함
• 효율성 강화: 모든 팀이 한 목표를 바라보게 함
• 조직의 KPI 구조화: 북극성 지표를 MECE하게 쪼개면 조직별 KPI가 됨

 

5) 북극성 지표의 구조

북극성 지표가 '음악 재생시간'. 이를 늘리기 위한 input metric, input의 성격 및 성격별 담당자를 logic tree로 정리한 그림

---

Ⅴ. 결론 도출

1. 결과와 결론의 차이

• 결과(Result): 분석을 통해 얻은 구체적인 수치나 통계
• 결론(Conclusion): 결과를 토대로 도출한 의미와 인사이트
• 예시
  • 결과: 고객 만족도와 구매 빈도 간의 상관관계 존재
  • 결론: 만족도를 높이면 구매 빈도가 증가할 가능성이 높음

=> 결론 도출 시에는 스토리텔링이 필요하지만, 해석을 과도하게 덧붙이면 안 된다. 데이터로부터 알 수 있는 범위 내에서만 생각해야 한다.

 

2. 결론을 잘 정리하는 법

• 단순하고 명확하게: 핵심 지표 위주로 정리
• 대상자 관점에서: 보고받는 사람이 쉽게 이해할 수 있도록 구성
• 시각화는 직관적으로: 막대그래프, 선그래프 중심으로 간단하게
• 보고서 흐름 예시: ① 한 문장 요약 → ② 주제 → ③ 목적 → ④ 핵심 내용 → ⑤ 결론 및 제안 액션

---

결국 데이터 리터러시란?

• 눈앞의 데이터를 그대로 받아들이지 않고, '왜?'를 스스로 묻는 태도
• 목적을 정의하고, 필요한 지표를 설정하며, 데이터로부터 인사이트를 얻는 과정
• 단순한 통계 지식이 아니라, 데이터를 통해 문제를 바라보는 사고력

결국 데이터 리터러시는 '데이터로 생각하는 힘'을 기르는 과정이다.