데이터 리터러시 구성 - 16가지 역량

 

1. 데이터 이해 (Comprehension)

• 데이터 공감 역량
  - 데이터를 접한 후 비즈니스적/개인적 동기부여와 목적의식을 가질 수  있을 정도로 공감능력을 가질 수 있다.
  - ① 희로애락(Personal) + ② SWOT(Bsiness-wise)
• 데이터 직관력
  - 데이터의 특이점을 착안하여 문제해결의 실마리를 획득할 수 있다.
  - ① 특이점 착안 + ② 착안점의 통찰화
• 데이터 사실파악역량
  - 데이터의 정보를 곡해없이 이해하고, 나아가 Math를 통한 확장적 이해까지 가능하다.
  - ① 단편적 이해 + ② 산술적확장이해
• 데이터 패턴파악역량
  - 원천 데이터 내 변수간 패턴을 발견하고 문제 해결에 활용할 수 있다.
  - ① 원천데이터 내 패턴 발견 + ② 패턴을 활용한 문제해결
• 데이터 해석비판역량
  - 메시지와 근거 데이터를 보고 사실성, 연관성, 충분성 관점에서 엄밀한 비판을 할 수 있다.
  - ① 사실성 + ② 연관성 + ③ 충분성 비판

2. 데이터 확보 (Acquisition)

• 데이터 지목역량
  - 주어진 목적과 현재의 데이터 사이의 간극을 구조적으로 파악하고 특정 데이터를 지목할 수 있다.
  - ① 필요데이터지목 + ② 불필요데이터지목 + ③ 핵심지표 설계역량
• 데이터 수집역량
  - 필요한 데이터를 신속하게 검색하여 사실성을 확보할 수 있다.
  - ① 프라이머리 리서치 + ② 세컨더리 리서치
• 대체데이터 확보역량
  - 수집의 여의치 않은 경우, 기존 데이터 또는 직관을 동원해 대체 데이터를 확보할 수 있다.
  - ① 기존 데이터 기반 대체 데이터 확보 + ② 직관 기반 대체 데이터 확보

3. 데이터 의사결정 (Data Driven decision-making)

• 맥락 분석역량
  - 의사결정 상황에서 데이터 활용을 위한 맥락을 파악하고 솔루션 유형을 예측해볼 수 있다.
  - ① 분석목적명확화 + ② 분석유효성판단 + ③(불)필요데이터구분
• 어프로치 설계역량
  - 본격적 분석을 위한 최적 어프로치를 시뮬레이션 해 볼 수 있어, 데이터의 '맥락적 분석'이 가능하다.
  - ① 핵심질문정리 + ② 분석어프로치설계
• 데이터 가공역량
  - 가공별 소결에 따라 기존 어프로치를 업데이트 해가며 효율적 분석 기조를 유지할 수 있다.
  - ① 가공 & 결과검증에 따른 분석어프로치 업데이트
• 의사결정원리 활용역량
  - 경제학적 또는 통계학적 의사결정원리를 활용해 실질적인 문제해결 능력을 가질 수 있다.
  - ① 경제학적 의사결정원리 + 통계학적 의사결정원리

4. 데이터 커뮤니케이션 (Data Driven Communication)

• 데이터 표현역량
  - 메시지 논리와 데이터의 기본궁합을 이해하고, 나아가 읽지않아도 읽히게까지 표현해낼 수 있다.
  - ① 메시지기반제목 + ② 논리구조기반 시각화(정성, 정량) + ③ 메시지 극대화 시각화
• 데이터 스토리텔링역량
  - 복수 데이터로 청자의 관심도를 자유자재로 조절할 수 있고, 메시지를 극적으로 전달할 수 있다. 
  - ① 메시지기반 스토리텔링 + ② 메시지도출 스토리텔링
• 데이터 리포팅역량
  - PPT, Word, Excel 등을 활용한 Business Documentation에 데이터를 효과적으로 활용할 수 있다.
  - ① PPT 보고서 작성 + ② Excel 보고서 작성 + ③ Word 보고서 작성
• 데이터 토론역량
  - 메시지 피라미드(대전제-데이터근거-메시지)와 사실성/연관성/충분성 원리를 이용해 데이터 기반 토론을 할 수 있다.
  - ① 데이터기반 공격 + ② 데이터기반 방어

 

[출처] 데이터 리터러시, 이콘, 강양석 지음