내일배움캠프_QAQC_사전캠프 12일차 (아티클 스터디)

데이터 리터러시란? 성과를 내는 팀이 실천하는 도입 전략

 

https://b2b.spartacodingclub.kr/blog/data-literacy-strategies

https://elice.io/ko/newsroom/data_literacy

데이터 리터러시란? 성과를 내는 팀이 실천하는 도입 전략 - 팀스파르타 AI 기업교육 블로그

내일배움캠프 및 엘리스 아티클 2개 참조했습니다.

1. 아티클 정리 & 핵심개념

  1) 데이터 리터러시: 데이터를 읽고, 이해하고, 분석하고, 해석하여 의미 있는 인사이트를 도출하고, 이를 바탕으로 효과적인 의사결정을 내리며 다른 사람들과 소통하는 종합적인 능력

 

  2) 데이터 리터러시의 구성요소

데이터 이해 및 설계 능력	목적에 맞는 데이터를 정의하고, 올바른 질문을 던지며, 적절한 데이터를 수집할 수 있는 능력
데이터 분석 및 해석 능력	데이터를 가공하고 분석하여 패턴을 발견하고, 숨겨진 의미와 맥락을 파악하는 능력
의사결정 및 문제 해결 능력	데이터에서 얻은 인사이트를 바탕으로 합리적인 의사결정을 내리고, 기업이나 사회 문제를 해결하는 능력
커뮤니케이션 및 소통 능력	분석 결과를 명확하게 전달하고 다른 사람들과 공유하여 데이터 기반의 공감대를 형성하는 능력

  

   3) 데이터 리터러시 역량이 필요한 사람.

과거: 데이터는 여태까지 소수의 데이터 분석 전문가들의 역량이였고 이들에게서 데이터 분석결과를 보고 받아 의사를 결정했었음.

현재: 디지털 경제의 변화속도의 가속화로 인해 모든 임직원이 데이터 분석을 바탕으로 빠르고 더 나은 의사결정을 내릴 수 있어야

함. 경영진부터 실무자까지 모든 구성원에 요구됨.

 

   4) 데이터 리터러시 역량을 기르는 방법

데이터 활용 목적 정의하기	데이터를 들여다보기 전에 데이터를 통해 무엇을 알고 싶은지 무슨 문제를 해결할 것인지 목적을 명확히 해야함.
목적에 맞는 데이터 수집하기	사용자의 행동을 확인하고 판단을 내릴 수 있도록 구체적인 데이터를 수집해야함. (원하는 데이터가 없을 경우 유사하거나 대체할 수 있는 데이터를 수집)
데이터 분석 결론 도출하기	목적에 맞는 데이터를 수집한 후에는 데이터를 가공 및 분석하여 인사이트를 제시. 이후 목적에 맞는 인사이트를 바탕으로 어떤 행동이 필요한지 결론을 도출해야함.

    

  1) 데이터 시각화(Data Literacy) 정의 : 데이터와 정보를 시각적으로 표현하는 과정.

 - 데이터 시각화를 통해 복잡한 데이터를 쉽게 이해할 수 있으며, 시각적으로 표현된 데이터는 새로운 인사이트를 제공하고 의사 결정에 도움을 준다. 

 

    ▶ 데이터 시각화의 필요 역량

데이터 분석 능력	데이터를 이해하고 분석하는 능력
시각 디자인 능력	효과적인 색상, 레이아웃, 글꼴, 이미지 등을 활용한 디자인 능력
데이터 시각화 도구 활용 능력	다양한 데이터 시각화 도구와 프로그램을 활용하는 능력
커뮤니케이션 능력	데이터 시가고하를 통해 전달하고자 하는 메시지를 명확하게 전달할 수 있는 능력
도메인 지식	데이터와 관련된 도메인에 대한 지식

 

    ▶ 데이터 시각화와 데이터 리터러시의 개념적 차이

항공방송통신전파진흥원 참조

 

  3. 실무적용

   1) 기업의 데이터 리터러시의 필요성

- 경쟁 우위 확보: 데이터 교육을 통해 데이터 역량을 갖춘 기업으로 발전한다면, 이를 토대로 시장 트렌드를 예측하고 고객의 니즈를 보다 정확히 파악할 수 있습니다.

- 효율적인 의사결정: 비지니스 운영에는 전략적인 계획이 필수입니다. 기업은 정확한 정보를 수집하고 이를 바탕으로 타당한 전략을 수립하여 직관이나 추측보다 합리적인 의사결절을 내릴 수 있습니다.

- 비용 절감 및 수익 증대: 데이터 분석을 통해 비효율적인 부분을 개선하고, 새로운 비즈니스 기회를 찾을 수 있습니다. 이는 생산성을 향상하거나 개선해 비용을 줄이고, 수익을 높이는데 기여합니다.

  

   2) 글로벌 패션 브랜드 자라(ZARA)의 실무 적용 사례

ㆍ 자라는 매일 소비자와 판매 데이터를 분석해 실시간에 가깝게 디자인과 생산에 반영했습니다. 데이터를 통해 각 지점의

 특성, 각제품의 매출을 파악해 새 제품의 디자인과 생산 물량을 맞춰 빠르게 유통했습니다. 이를 통해 유통에 민감한

 패션산업의 중요한 이슈인 재고관리 비용을 최소화 하고 영업 이익률 57%라는 성공사례를 기록하였습니다.

 

    4. QA&QC 에 적용할 수 있는 점 & 느낀점

1) 재고 관리 및 불량률 개선 능력 향상: QA/QC는 데이터를 분석하여 빠른 피드백으로 불량률을 개선해야 합니다. 이는 품질적인 부분에서 근본적인 문제를 예방하는데 큰 기여를 할 것 입니다.

2) 타 부서와의 협업 증진 및 커뮤니케이션 능력 강화: 위 아티클에서 말했던 것처럼 우리는 어설픈 추측보다 숫자를 이용한 데이터를 통해 문제점을 파악하고 이를 개선해야 합니다. 이는 타 부서와의 협업이 많은 QA/QC에게 소통을 원활하게 해주며 품질향상을 위한 개선책의 근거가 될 것 입니다.