데이터가 흐르는 조직 만들기 - 마이리얼트립
•
72 likes•14,735 views
한빛미디어가 주최한 데브그라운드 2019 에서 발표한 자료입니다. by 마이리얼트립 Growth팀 양승화
데이터가 흐르는 조직 만들기 - 마이리얼트립
- 1. 데이터가 흐르는 조직 만들기 양승화 마이리얼트립
- 2. 네이버 이음소시어스 SK텔레콤 마이리얼트립 검색기획/UX 소셜데이팅 기획/운영 T전화 기획 Growth 양승화
- 3. 여행자들이 본인의 취향에 맞춰 세상을 경험하도록 돕습니다. 마이리얼트립은 항공권, 숙박, 투어&티켓, 에어텔 상품을 예약할 수 있는 국내 최고의 자유여행 플랫폼입니다. 2012년 가이드 투어 서비스를 시작으로 2018년 항공 서비스까지 성공적으로 출시하며 빠르게 성장하고 있습니다. 마이리얼트립은 여행자들이 개인의 취향에 맞는 여행을 할 수 있도록 도움을 주고, 여행자에게 더욱 가치 있는 경험을 제공하기 위해 끊임없이 노력하고 있습니다.
- 4. “데이터를 기반으로 일하는 회사를 만들자!” “데이터를 바탕으로 OOO 문제를 해결하자!”
- 5. • 핵심 지표 선정 및 관리 • 데이터 파이프라인 설계 및 구축 • 주제별 데이터 분석 • 데이터 추출 및 분석 요청 대응 • 데이터 기반으로 일하는 문화 만들기 팀
- 6. 혼자 이걸 다? 팀 • 핵심 지표 선정 및 관리 • 데이터 파이프라인 설계 및 구축 • 주제별 데이터 분석 • 데이터 추출 및 분석 요청 대응 • 데이터 기반으로 일하는 문화 만들기
- 7. 팀 • 핵심 지표 선정 및 관리 • 데이터 파이프라인 설계 및 구축 • 주제별 데이터 분석 • 데이터 추출 및 분석 요청 대응 • 데이터 기반으로 일하는 문화 만들기 차근차근 하면 되는 것 당장 시간을 제일 많이 쓰는 것 어떻게 해야 할 지 막막한 것
- 8. • 어떤 데이터가 있는지 모르겠음 • 데이터 추출 요청을 하려면 팀장 승인이 필요한데… • 간단한 요청인 것 같은데 1주일이나 걸린다고? • 1주일 지나서 받았더니, 아 이거 말고 OOO을 요청할 걸… • 내가 요청한 건 합계, 카운트, 평균 밖에 없는데, 이걸 데이터분석이라고 할 수 있을까… • 데이터팀에서 데이터분석 리포트라는 걸 보내줬는데, 재미있긴 한데 딱히 업무에 쓸 만한 건 없네 • … 사업부서 실무자
- 9. • 여기저기서 쏟아지는 데이터 추출 요청에 정신이 없다 • 목적이 OOO인 것 같은데, 이 데이터를 달라고? • 어떤 데이터를 추출해야 하는지 제발 구체적으로 써주세요 • 이것 추출해줬더니 이것도, 저것도, 다른것도 계속 더 달래 • 필요할 것 같아서 대시보드를 만들었는데, 왜 아무도 안 보지? • 자주 쓴다고 해서 대시보드를 만들어줬는데, 왜 추출 요청이 안 줄어들지? • 데이터 추출 말고 분석 좀 해보고 싶다 ㅠㅜ • … 데이터팀 분석가
- 10. • 대시보드가 잘 되어 있는데도 계속 요청한다 • 보다보면 궁금한 게 더 많이 생김 -> ad hoc 분석이 많은 게 정상 • 조금씩 조건을 바꿔서 자꾸 요청한다 • 쓸만한 인사이트나 아이디어는 데이터를 다양한 각도에서 살펴보면서 반복되는 질문과 답 속에서 찾아진다 -> 역시 이것도 정상 이건 문제가 아님
- 11. • 데이터 분석가들이 데이터 추출만 하고 있다. 다른 일 할 시간이 없다. • 데이터 추출 요청이 명확하지 않아서, 의도를 재차 확인하고 데이터를 추출하는 데 시간이 오래 걸린다. • 데이터 추출 요청을 하는 게 번거로워서, 데이터팀의 눈치를 본다. • 데이터 분석을 데이터팀에서만 한다. • 데이터팀에서 분석한 결과가 서비스에 반영되지 않는다. 이건 문제
- 12. “우리 회사는, 데이터를 중요하게 생각하는 문화를 가지고 있어요”
- 13. 데이터를 기반으로 업무를 진행하는 프로세스와 역량을 갖춘 회사 넘.사.벽 데이터의 중요성을 모든 구성원이 공감하는 회사
- 14. • 복잡한 절차 없이, 필요한 데이터를 누구든 찾아 볼 수 있다 • 추출한 데이터를 다양한 형태로 가공하면서, 인사이트를 찾을 수 있다 • 데이터 분석가들이 본업인 ‘분석’에 집중할 수 있다 • 분석 결과물들이 체계적으로 쌓이고, 실제 서비스에 반영된다 • 데이터를 기반으로 부서 간 협업이 원활하게 진행된다 • 좋은 질문을 할 수 있다 프로세스와 역량을 갖춘 회사
- 15. 요청자 ≒ 분석가 조직의 역량 > 팀의 역량 > 개인의 역량 요청자 와 분석가의 역할이 명확하게 구분 조직의 역량 = (똑똑한) 개인의 역량
- 16. • 요청을 하는 사람과 추출/분석 하는 사람 구분 없이, 원하는 사람이 필요한 시점에 자유롭게 데이터에 접근할 수 있는 업무환경 만들기 • 질문 > 데이터 추출 > 데이터 분석 까지 하나의 완결적인 cycle을 스스로 해낼 수 있는 개인의 역량 갖추기 • 이러한 개인적인 역량이 뒷받침 된 가운데, 더 좋은 질문과 더 좋은 답을 찾기 위한 조직의 역량 갖추기 데이터가 흐르는 조직 만들기
- 17. 데이터가 흐르는 조직을 만들기 위해서 1인 그로스팀이 살아남기 위해서 마이리얼트립이 시도한 것들
- 18. 사내교육 데이터 추출과 분석을 위한 기본 지식 쌓기
- 19. 교육 #1. 데이터 분석 프레임워크와 마인드셋
- 20. 교육 #1. 데이터 분석 프레임워크와 마인드셋
- 21. 교육 #1. 데이터 분석 프레임워크와 마인드셋
- 22. 교육 #1. 데이터 분석 프레임워크와 마인드셋 에서 전체 슬라이드를 보실 수 있습니다
- 23. 교육 #2. SQL • 마리트 공식(?) SQL 강의
- 24. 교육 #2. SQL • 자기주도학습! • 매일 자정까지 진도 공유 • 스터디 채널을 만들어서 Q&A 진행
- 25. 교육 #2. SQL • 동영상 강의 수강이 끝나면, 서비스 DB 스키마 익히기 • 그리고 배웠던 SQL 문법을 써먹을 수 있는 과제를 합니다. 매일 제출 & 피드백 • SQL 스터디 진행기간은 전체 3주
- 26. 교육 #3. Excel • Vlookup 쓸 때의 문법은? • 피벗테이블이란 무엇인가? • 그래프에서 이중 축 만드는 방법은? 스킬에 대해 공부하는 것 말고 • 2018년 가입자들의 월별 리텐션에 대한 코호트 테이블을 만들어봅시다. • 누적 결제데이터 기반으로 LTV를 계산해봅시다. • 자동 갱신되는 보고서를 만들어봅시다. 실제 업무에서 필요한 문제를 풀면서, 그걸 위한 스킬을 연습합니다.
- 27. 사내교육이 의미있으려면 • 주기적으로 계속 해야 합니다. • 안그러면 1회성 이벤트로 그칠 수 있음 • 리더의 의지와 지원이 필요합니다. • CEO와 COO도 자발적으로(!) 교육 참석 • 배운 걸 즉시 써먹을 수 있는 환경이 지원되어야 합니다. • Query를 배워도, DB를 안 열어주면 무쓸모 • 배운 걸 실제 업무에 써먹고 있는지 체크해야 합니다. • 이거 배우면 일하기 편하다는 게 소문나서(?) 신규 입사자분들이 다음 기수 언제 시작하는지 자꾸 물어봄…
- 28. 시스템 쿼리와 대시보드를 공유할 수 있는 환경
- 29. 데이터 파이프라인 만들기 • 구성원들이 자유롭게 Querying 할 수 있는 환경을 만드는 게 시작 • 데이터 파이프라인이 잘 구축된 회사라면 좋겠지만, 시작부터 엄청난 시스템이 필요한 건 아닙니다. • 백업용으로 들고 있는 DB를 가지고 시작할 수도 있음. • 운영 서버에 직접 Query를 하는 것만 아니면 괜찮음. • 시스템의 문제라기보다는, 신뢰의 문제.
- 30. 간단한 BI툴에서부터 시작 바퀴를 재발명하지 마세요
- 31. 써보니깐 좋더군요 1 • 최초 세팅에 걸리는 시간 30분 • 지나치게(?) 간단한 기능 = 단시간에 학습 가능 • SQL + Graphic UI를 통한 시각화 • 쿼리, 대시보드 공유 • 굉장히 합리적인(!) 가격 • 다양한 source의 데이터를 통합적으로 보기에는 불편 • 조회 이상의 용도로 사용하기에는 부족
- 32. 써보니깐 좋더군요 1
- 33. 써보니깐 좋더군요 2 • 데이터 엔지니어 없이 ETL하기 • Attribution, Advertising, Email, CRM 등 다양한 source 지원 • 개발 없이, GUI 설정만으로 꽤 디테일한 적재 옵션 설정 • 합리적인(!) 가격 • 데이터 엔지니어링 리소스가 있다면 굳이…
- 34. 써보니깐 좋더군요 2
- 35. 써보니깐 좋더군요 3 • 분석용 DB를 만들어야 하는데, 데이터 엔지니어가 없다면?! • Firebase 연동 편의성 (앱 로그 분석) • 어마무시한 속도와 저장공간 • Data Studio와 연계한 시각화도 가능 • 굉장히 합리적인(!) 가격 • 변성윤님의 BigQuery의 모든 것 (이거보다 더 잘 설명할 자신이 없음) • https://www.slideshare.net/zzsza/bigquery-147073606
- 36. 써보니깐 좋더군요 3
- 37. 조직문화 결국 사람이 하는 것
- 38. 데이터가 흐르는 조직 문화: 업무환경 • 리더의 의지 • 데이터에 대한 폭넓은 접근성
- 39. 데이터가 흐르는 조직 문화: 조직구조 • 낮은(또는 거의 없는) 부서 간 업무 장벽 • 고립되지 않은 분석 조직
- 40. 데이터가 흐르는 조직 문화: 일하는 방식 • 지표의 조작적 정의 • 반복되는 실패, 지속적인 실험
- 41. 데이터가 흐르는 조직 문화 • 좋은 질문을 찾는 노력
- 42. 더 좋은 질문과 더 좋은 답을 찾기 위한 조직의 역량 갖추기 저희도 이제 하나씩 시작…
- 43. • 얼마나 데이터가 큰가요? • 어떤 도구를 쓰나요? • 어떤 언어를 쓰나요? • 어떤 알고리즘을 쓰나요? • 이런 문제를 풀고 있어요 주위에서 물어보는 것 우리가 이야기하는 것
- 44. Data Driven Company를 만들기 : 그로스팀 • 데이터 파이프라인을 설계하고, 분석 DB를 구축 • 핵심지표 선정 및 관리 • 새로운 서비스와 툴을 학습하고, 빠르게 업무에 적용 • 단순 데이터 추출보다는, 여러 부서와 협업해서 비즈니스의 문제를 해결 • 파트너 송금 프로세스를 효율적으로 바꾸려면? (w/회계팀) • 티켓 재고관리를 어떻게 해야 할까? (w/사업팀) • 어트리뷰션 데이터를 이렇게 활용하면 좋지 않을까요? (w/마케팅팀) • 리뷰 데이터에서 운영 개선 아이디어를 뽑아 보죠. (w/운영팀)
- 45. 데이터에 기반해서 핵심 지표를 개선 : 크로스셀TF • 핵심지표 선정, 선행지표에 대한 조작적 정의 • 지표 개선을 위한 실험 설계 • 실험 & 검증 & 반복 • 열심히 고민해서 한 방에 종합적이고 완벽한 솔루션을 만드는 게 아닙니다. • 우리의 목표는 작은 가설들을 세운 후에, 이게 통하는지 검증하는 과정을 작고 빠르게 반복하는 것입니다. • 출시했다 = 실험했다 가 아닙니다. 실험의 결과를 잘 확인하고 이를 바탕으로 학습하지 않으면 출시 자체는 아무런 의미가 없습니다. • 실험 결과가 기대대로 나오지 않을 수 있습니다. (그렇다고 잘못한 건 아닙니다) • 대신, 빠른 속도로 많은 실험을 할 수 있어야 합니다. (1달동안 실험 하나 해서, 하나의 결과를 본 건 잘못한 겁니다...)
- 46. Data Driven Company를 만드는 팀 • 데이터 분석가 • 데이터 전처리 및 분석 인프라 구축 • 개별 사업부서가 분석의 주도권을 가지도록 • 어려울 때 도와드립니다! • 우리가 먼저 찾아보고, 협업을 제안합니다 • 사내 Evangelist 데이터에 기반해서, 핵심 지표를 개선하는 팀 • 개발자/디자이너/마케터/분석가… • 분석에서 끝나지 않고, 비즈니스 지표에 임팩트를 주는 결과 만들기 • 우리가 Best Case를 만들어볼께요! • 시행착오 받아들이기 & 계속 도전하기 팀 크로스셀
- 47. 양승화