데이터 마인드 기르는 습관

프롤로그 - 데이터는 기술이 아니라 마인드다

1부. 데이터 리터러시에 대한 이해

1. 데이터로 나만의 관점을
2. 문제 정의가 먼저다
3. 스몰데이터도 중요하다
4. 데이터는 팩트가 아니다
5. 데이터 분석의 복병, 통계
6. 나의 데이터 리터러시 역량

2부. 현업 실무자의 셀프 데이터 분석

7. 나도 이제부터 데이터 분석가
8. 어떤 데이터 분석 도구를 선택해야 할까
9. 분석해보기(1): 트렌드 분석으로 신사업 구상 해보기 (스마트폰 사진, 구글 트렌드)
10. 분석해보기(2): 2차 데이터에서 신제품 아이디어 얻기 (빅카인즈)
11. 분석해보기(3): 텍스트 데이터에서 핵심키워드 찾기 (형태소 분석, 파워BI)
12. 분석해보기(4): 정량 데이터로 결론 도출 해보기 (기술통계, 가설검정, A/B 테스트)
13. 분석해보기(5): 시각화로 쉽게 통찰하기 (파워BI)
14. 여전히 중요한 조사 분석의 원칙

3부. 데이터 기반의 의사결정(마케팅 사례 중심으로)

15. 트렌드 분석에 의한 상품 기획
16. A/B 테스트를 활용한 마케팅 의사결정
17. 고객 세분화에 의한 타겟 마케팅
18. 알고리즘에 의한 추천과 예측 마케팅
19. 데이터 기반의 고객 경험 마케팅
20. 데이터 기반의 구독 서비스 마케팅

4부. 데이터 마인드 높이는 방법

21. 데이터가 아니라 데이터 사고력
22. 빅데이터가 아니라 빅 싱킹
23. 결과가 아니라 결론 도출

에필로그 - 데이터 마인드로 통찰력을 길러라

참고. 더 읽어보기

1. 챗GPT를 활용한 데이터 분석
2. 현업 실무자와의 Q & A
3. 데이터 마인드 강화를 위한 도서 추천

우리 주변에는 이미 무료로 이용할 수 있는 분석 도구들이 많다. 이를 이용하면 제한적이나마 데이터 수집과 분석, 시각화가 가능하다. 이미 일상에서 느끼고 있는 것처럼 머지않은 시점에 누구나 데이터 리터러시 나아가 데이터 마인드를 갖는 세상이 올 것이다. 그때가 되면 더 이상 역량이라 부를 필요가 없을지도 모른다. 하지만 아직은 많은 사람들이 데이터 리터러시가 무엇인지, 데이터마인드가 무엇인지 잘 모른다. 이럴 때 내가 한발 앞서 나가야 한다.

데이터와 데이터 분석이 필요한 이유는 우리가 가지고 있는 어떤 문제를 해결하기 위한 것이지, 분석 그 자체를 위한 것은 아니다. 분석을 위해 데이터가 존재하는 것은 아니라는 뜻이다. 그런데 데이터에 집착하다 보니 어느 순간 본질(문제 해결)은 잃어버리고 수단(데이터 분석)이 중요한 것처럼 돼버렸다.