🍀 7월 뉴스레터 미리보기
- 인터뷰 | CS팀에서도 데이터로 의사 결정할 수 있어요
- 세미나 | 데이터 기반 의사 결정, 이렇게 합니다
- 블로그 | 내가 만든 대시보드는 왜 아무도 보지 않을까?
- 1분 데이터 상식 | 대시보드 (Dashboard)
- 유튜브 | 채용 공고에 너무 쫄지 마세요!
|
|
|
💬
CS팀에서도
데이터로 의사 결정
할 수 있어요
|
|
|
“제 직무가 데이터 분석이랑 직접적으로 연관이 없는 직무라고 생각했는데, 막상 배워보니 지금 업무에서도 적용할 수 있는 부분들이 있더라고요.”라고 말씀하신 증권사 CS 팀 교육 코치 모아나님의 이야기를 공유합니다 :)
안녕하세요, 증권사 CS팀 교육 코치로 일하고 있는 모아나입니다.
Q. 안녕하세요 모아나님! 간단하게 자기소개 부탁드립니다.
모아나님: 안녕하세요 모아나입니다. 저는 지금 증권사의 CS팀 교육 코치로 일하고 있고요. 원래는 CS팀에서 상담 업무를 하다가 지금은 CS팀을 서포트하는 교육 코치로 직무 전환이 되어 정신없이 바쁜 나날을 보내고 있습니다. 이전에는 여행사에서 근무했었고 전공은 관광학과를 졸업했어요. 주로 고객센터 CS팀 직원분들을 지원하는 업무를 하고, CS팀 직원분들께서 어떻게 하면 업무를 더 잘하실 수 있을지를 고민하는 게 저희 업무입니다. 저희 팀의 고객은 내부 직원분들이라고 할 수 있어요.
|
|
|
CS팀에서도 데이터로 의사 결정할 수 있어요.
Q. 현재 업무에서 데이터를 많이 보시나요? CS팀에서는 어떤 종류의 데이터를 보시는지 궁금해요.
모아나님: 저희는 상담원들의 성과를 데이터로 확인하고 있어요. 그중에서도 전체적으로 가장 크게 보는 지표는 ‘응답률’인 것 같아요. 간단하게 말하면 상담 전화에 응답한 비율이라고 생각하시면 돼요. 상담 완료한 건수를 전체 상담 요청 건수로 나누어 계산하는 지표입니다.
Q. 그럼 제가 상담하려고 콜센터에 전화했는데 모든 상담원분이 응답을 못 해주셔서 제가 전화를 끊으면 응답률이 낮아지는 거겠네요? 이건 인력 배치와도 관련이 있는 문제일 것 같아요.
모아나님: 그럴 경우에 하락하기도 하지만, 분석해보니까 인력 배치만의 문제가 아니더라고요. 예를 들어, 상담원들의 평균 응대 시간이 10분 이상으로 길어진다고 한다면, 그만큼 다른 고객들의 상담 요청에 응대할 시간이 없어지는 거라고 할 수 있겠죠. 이런 경우에는 왜 긴 시간 동안 상담을 할 수밖에 없는지를 찾아봐야 할 거예요. 만약 특정 상담원들에게서 장콜(10분 이상 응대가 필요한 상담 건)이 발생한다면 상담원 개개인에 대한 역량 강화 교육으로 해결할 수도 있을 거고요. 특정 카테고리 상품 관련 문의에서 장콜이 발생하는 거라면 문제가 생긴 카테고리에서 근본적으로 해결해야 할 것을 찾아보고 그 부분을 개선하는 방식으로 해결할 수 있겠죠. 저는 업무 내에서 이런 식으로 데이터를 통해 의사 결정하려고 노력하고 있습니다.
모아나님의 더 자세한 이야기가 궁금하다면, 아래 인터뷰 글을 확인해주세요!
|
|
|
🙋♀️
데이터 기반 의사 결정,
이렇게 합니다 |
|
|
|
데이터 분석을 할 수는 있는 걸까요? 데이터를 의사 결정에 사용하고는 싶은데 우리 서비스에는 어떻게 적용할 수 있을까요? '데이터 기반 의사 결정'이라는 단어는 자주 듣는데, 실제로 업무에 데이터를 어떻게 활용할 수 있을까요?
요즘 데이터 활용에 대한 관심이 커지면서 이런 고민을 하는 분들도 많으신데요. 다른 사람들은 이 문제를 어떻게 해결하여 업무에 적용했는지 궁금하신 분들께 7월 세미나를 추천합니다. |
|
|
7월 세미나 [데이터 기반 의사 결정, 이렇게 합니다] 에서는
데이터리안의 대표이자 데이터 분석가인 선미님이, 데이터 분석가 4명이 창업한 후 데이터가 전혀 없던 밑바닥부터 데이터를 쌓아가며 의사 결정에 활용한 경험을 공유합니다. 데이터와는 전혀 관련 없을 것 같은 증권사 CS팀에서 데이터를 활용한 모아나님의 사례도 들으실 수 있어요. (앞의 인터뷰에서 이야기하지 않은 사례와 데이터 기반 의사 결정까지의 숨겨진 이야기도 준비되어 있습니다ㅎㅎ)
아래 버튼을 클릭하시면 세미나에 대한 자세한 설명과 신청 방법을 확인하실 수 있어요. 신청서에 연사와 패널에게 질문을 남길 수 있는 섹션이 마련되어 있으니, 이번 세미나와 관련된 질문도 많이 남겨주세요 :)
그럼 7월 세미나에서 만나요! |
|
|
🤔
내가 만든 대시보드는
왜 아무도 보지 않을까? |
|
|
이 글은 Taylor Brownlow 의 아티클(Dashboards are Dead)을 번역한 내용입니다.
어느 날, 사무실에 들어가 보니
배경과 직무에 상관없이 모든 직원이 대시보드를 보고 있었습니다. 데이터 노동자들의 꿈 같은 상황이죠. 이렇게 좋기만 할 줄 알았으나… 현실은 달랐습니다. 곧 우리는 대시보드가 새로운 종류의 문제를 가지고 왔다는 것을 깨달았습니다.
대시보드를 사용할 때 생기는 문제점 3가지
1. 대시보드가 생기고, 대시보드가 생기고, 또 대시보드가 생깁니다
- 갑자기, 대시보드가 우후죽순 생겨났습니다. 그리고 그 대시보드들은 한번 보고 버려졌습니다. 이를 지켜보는 것은 굉장히 힘 빠지는 일이었어요.
2. 필터 1,000개의 무덤
- 대시보드가 하나 배포되고 나면, 그 즉시 새로운 뷰, 필터, 영역, 페이지 등등을 보여달라는 요청이 넘쳐났습니다. 더 심각했던 건, 사람들이 그 많은 필터를 사용해서 뽑은 데이터를 다시 각자 가공하고 있었다는 점이었어요.
3. 제 대시보드 아닌데요?
- 사람들은 대시보드가 틀렸다고 말하면서 대놓고 무시하기 시작했어요. 우리에게는 심각한 신뢰 문제가 있었고 대시보드는 이를 덜어주지 못했습니다.
|
|
|
실제 사례: 존스 홉킨스 코로나바이러스 대시보드
위에서 이야기한 내용을 증명하기 위해 코로나바이러스 위기 동안 널리 인기 있었던 존스 홉킨스 코로나바이러스 대시보드(Johns Hopkins Coronavirus Dashboard)를 가지고 와봤습니다.
|
|
|
존스 홉킨스 대시보드는 시각적으로 매력적입니다. 빨간색과 검은색이 현 사태의 심각성과 긴급성을 잘 나타냅니다. “우리나라에서 오늘 얼마나 많은 신규 확진자가 나왔나?” 같은 몇 가지 주요 질문에 답을 주기도 합니다. 하지만이 데이터로 액션을 할 수는 없습니다. 우리가 이 데이터를 특정 목적을 위해 사용하고 신뢰하려면 이 숫자에 대한 맥락이 필요합니다. 이 대시보드에는 맥락이 없습니다. (예를 들면, 언제부터 우리나라에서 사회적 거리두기가 시작되었는지?) 그리고 우리가 이 숫자를 신뢰하기 위해 필요한 맥락은 어떻게 얻었다고 해도, 대시보드 자체는 우리가 필요로 하는 분석을 할 수 있는 기능과 유연성이 부족합니다.
더 자세한 내용과 데이터리안 멤버 혜정님의 코멘트는 아래 블로그 글에서 확인하실 수 있어요 :)
|
|
|
|
대시보드(Dashboard)란, 특정 목적을 위한 다양한 데이터를 한눈에 볼 수 있도록 구성한 것입니다. 지난 뉴스레터 소개한 '데이터 기반 의사 결정'에도 대시보드가 중요한 역할을 합니다.
대시보드는 데이터에 직접 접근하지 않는 사내 구성원도 데이터를 쉽게 확인할 수 있다는 장점이 있습니다. 업무에 중요한 데이터를 적시에 확인할 수도 있죠.
하지만 앞의 글에서 말하는 것처럼, 개별 사용자의 모든 요청을 반영하다 관리되지 않는 대시보드가 너무 많이 생기는 문제도 있습니다. 한 대시보드 내에서도 여러 조건이 적용된 너무 많은 데이터가 생겨 어떤 데이터를 봐야 할지 파악하기 어려워지고, 결국 대시보드의 수치를 신뢰하지 못하기도 합니다.
이런 문제를 해결하기 위해서는, 정확한 데이터를 이용해 각 데이터에 맞는 적절한 방식으로 데이터를 보여줘야 합니다. 또한, 대시보드의 목적이 명확히 전달될 수 있도록 하나의 대시보드에 너무 많은 데이터를 담지 말아야 합니다. 커뮤니케이션을 통해 사용자들이 궁금해하는 데이터를 정확히 파악하고, 이를 잘 보여줄 수 있도록 명확한 기준을 세워 대시보드를 만드는 것이 중요합니다. |
|
|
|
IT 기업 네 군데의 데이터 분석가 채용 공고를 함께 살펴봤습니다. 채용 공고가 왜 중요하고, 어떤 점을 더 주의 깊게 봐야 하는지를 이야기했는데요. 사실 데이터 분석가 경력직이어도 잘 쓰인 채용 공고 앞에서는 작아지는 경우가 많습니다. 관련 경력 없이 데이터 분석가로 취업이나 이직을 준비하시는 분들은 더 그렇게 느끼실 테고요. |
|
|
이번 영상에서는 데이터 분석가 취업, 이직을 준비하시는 분들께
현업 데이터 분석가로서 몇 가지 팁을 공유합니다.
- 비즈니스에 따라 분석가의 역할이 다르기 때문에 각 회사의 채용 공고를 정확히 확인해야 합니다.
- 채용 공고에 쓰여 있는 모든 자격 요건을 다 갖추고 지원해야 한다고 생각할 필요는 없습니다.
- 자격 요건 중에서 내가 잘하는 게 한 가지밖에 없더라도, 그 한 가지를 서류와 면접에서 잘 보여주면 됩니다.
- 그래도 지원하기 전에 무언가 더 준비하고 싶다면, 자격 요건을 바탕으로 우선순위를 잘 정해보세요.
더 자세한 내용은 유튜브 영상에서 확인해주세요!
|
|
|
|
