우리에게는 다른 데이터가 필요하다
Tags: data-scientist, data_science, management Date: November 5, 2023 Score: ★★★★☆
2023.11.05 ★★★★☆
Civic data, civic hacker에 대해 집중하는 사회과학 책으로만 예상하고 있었는데, 읽어보니 전반적인 management에 적용해도 좋을만큼 훨씬 넓은 영역을 다루고 있었고, 또 좋은 책이란 생각이 든다.
business에서도 마찬가지. 어떤 사용자를 타겟으로 어떤 문제를 해결하는 BM을 만드는 게 가장 중요하다. 조직의 성패는 결국 이런 사명/비전/미션/…을 달성할 수 있느냐에 달려있다.
신뢰할 수 있는 데이터의 중요성. 결국 데이터 수집 및 가공의 단계부터가 중요하고, 대부분의 책에서도 실무에서는 이 단계가 사실상 성공과 실패를 가르는 가장 큰 요인이라고 이야기한다.데이터가 커지면 노이즈의 비중은 줄어든다야구가 다른 스포츠보다 sabremetrics가 먼저 발달하고 영향력이 클 수 밖에 없는 이유. 경기 수도 가장 많은 데다가 모든 플레이를 끊어서 공 하나마다 분석 할 수 있기 때문에 다른 종목에 비해 압도적으로 통계의 영향력이 크다. 그로 인한 반대 급부로 야구가 재미없어 진다는 일종의 자성(?)의 목소리도 나오기도 하고.
축구나 농구같은 종목도 이제 2차로 가공한 데이터를 통해 경기를 분석하는 게 일반화되었지만 아직 이런 문제(?)가 발생할 정도는 아니다.
데이터는 추정값과 편향과 노이즈의 합그만큼 신뢰할 수 있는 데이터를 확보하는 건 매우 어려운 일이다
제도가 만든 인센티브가 데이터 왜곡의 주요 원인데이터 왜곡만이 아니다. 사람들의 행동 자체에 영향을 준다. 가장 대표적인 게 우리나라 주택 정책. 어떤 제도를 만들어도 투기업자들은 언제나 틈을 찾아 버블을 만들어 내려고 하고, 어떤 사람들은 집값 부양을 위해 보통 사람들은 생각지도 못할 행동을 실행한다.
같은 말이지만,
garbage in, garbage out보다는bias in, bias out이 훨씬 부드럽고 이야기할 때 좋겠단 생각이 든다. 특히 computer science에 대한 지식이 없는 사람에게는 garbage란 용어가 공격적으로 들릴 수 있겠단 생각을 예전에는 못 했었다.
과거의 잘못된 정책은 결국 개발에서는 bug나 마찬가지이다. 과거에 만들어낸 bug는 돌아보고 해결하지 않으면 해당 system 자체를 폐기하지 않는 한 현재나 미래에도 작건 크건 영향을 미친다. 그래서 retrospective 회고 시간이나 bug report에서 5 whys같은 기법으로 원인을 찾는 시간을 가지는 게 중요하다.
내가 즐겨 쓰는 무협지의 내공 외공 비유나 efficiency effectiveness, 아이젠하워 매트릭스 등하고도 연결해서 생각해볼 수 있을 거 같다
악마는 디테일에 있다 The devil is in the detail과도 연결되는 말
학습 비용 learning cost,준수 비용 compliance cost심리 비용 psychological cost모두 사용자들에게 시스템을 제공할 때 business 관점에서도 생각해봐야 할 문제로 연결 가능하단 생각이 든다.
복지가 필요한 이유는 특정한 사람이 문제가 아니라, 특정한 상황이 문제이기 때문이 책에서 딱 하나의 문장만 선택하라면 이 문장을 선택하겠다. 저자가 어떤 사람인지 모르겠으나 선한 사람일 거란 생각이 든다.
데이터는 사실에 대한 불필요한 오해를 줄인다. 문제를 좀 더 정확하게 정의하고 해결할 수 있도록 돕는다.
표준화를 2200여년 전에 도입했던 진시황. 내가 경험하고 있지만, 겨우 몇 십명 되는 작은 조직에서도 이런 표준화가 쉬운 일이 아니다.
이 책에서 (큰 건 아니지만) 유일한 문제로 생각한 페이지. 오스트레일리아가 맞는가 오스트리아가 맞는가? 검색해봐도 쉽게 찾을 수가 없어서 뭐가 맞는지 모르겠다.