1. 측정을 하는 이유는 대상의 본질을 명확히 파악하기 위해서다. 문제의 원인 근처에는 항상 이런저런 증상이 나타나고, 이는 숫자로 드러나야 한다. 측정을 통해 양자택일의 함정에서 벗어날 수 있고, 잘한다 못한다가 아닌 60점, 90점으로 따질 수 있다.
2. 비즈니스 환경에서 데이터들은 정형화되지 않은 경우가 많다. 대표적인 예로 브랜딩 광고의 성과를 측정하는 것은 쉽지 않다. 이를 측정하기 위해서 포획-재포획법을 활용하면 좋다. 연못에 개구리가 몇 마리인지 추정하기 위해 20마리의 개구리를 잡아 등에 표식을 한다. 다음날 10마리를 잡았는데 2마리가 표식이 있다. 그러면 전체의 20%가 표식이 있으니 개구리는 100마리라 역산할 수 있다.
3. 지표를 개선하려 할 때에는 지표 자체에 집착하면 안 된다. 그러면 과적합화(overfitting)가 일어나기 쉽다. 그렇기에 이를 개선함으로 후행 지표에 영향을 주는 ‘선행지표’를 개선하는 게 좋다. 선행지표를 찾기 위해서는 목표가 되는 후행 지표를 찾은 후, 이를 지향하는 선행 지표를 리스팅하라. 그리고 후행 지표를 떨어뜨리는 선행 지표, 즉 문제를 찾아나가면 된다.
4. 전체 구조를 파악해야 한다. 눈앞에 닥친 문제를 해결하기 위해 지표를 개선하려 하면 안 된다. 예로 주문이 늘었다고 생산시설을 늘리면 주문량이 줄어들 때 손해가 커지는 구조적 악순환이 생길 수 있다.
5. 고객 세분화 분석 프레임워크 중 RFM(Recency최신성, Frequency빈도, Monetary돈)이 유용하다. 이를 각각 3단계로만 나누어도 3*3*3=27가지 유저군이 나온다. 물론 이렇게 고객군을 많이 쪼갤 필요는 없으니 좀 줄이는 게 좋다.
6. 이커머스 구매 분석은 특정 아이템을 구입하려는 목적이 강한 ‘목적형 구매’와 쇼핑 자체를 즐기는 ‘발견형 구매’로 나누어 보면 좋다. 전자는 짧은 시간 체류하고 구매전환율이 높다. 후자는 아이템을 찾기까지의 여정에 시간이 긴 편이다.
7. 조직에 데이터 파이프라인이 자리잡혔다면, 정말 중요한 것은 해석을 넘은 ‘내러티브’다. 즉 숫자를 보는 것은 기본이고, 이를 통해 문제를 정의하고 전략적 방향성을 제시하는 스토리텔링 능력이 중요하다.
8. 조직의 문제는 ‘퍼즐’이 아닌 ‘미스터리’다. 문제를 해결할 수 있는 완벽한 조각은 없다. 명확한 답은 없음을 인지하고, 여러 정보를 검증하고 어느 정보에 집중할지 결정해야 한다. 넘쳐나는 정보 속에서 의미 있는 결론을 도출해야 한다.
9. BM 자체도 측정할 수 있다. 소비자에게 제공되는 여러 효용을 경쟁사와 비교해 보자. 예로 쿠팡은 타 오픈마켓에 비해 ‘배송 속도’라는 강력한 우위를 가지고 있다. 어차피 이길 수 없다면 완전히 다른 효용을 제공해야 한다. 예로 텀블벅은 ‘독특한 셀렉션’과 ‘판매자와의 소통과 공감’을 가지고 있다.
10. 탐색을 멈추고 의사결정을 내려야 하는 최적의 때는 생각보다 이르다. “바닷물을 끓이려 들지 마라”는 말처럼, 가설을 세우거나 문제를 정의하기 위해 너무 오랜 시간을 들이지 마라. 지나치게 많은 데이터를 수집하고 분석하는 건 ‘데이터의 늪’일 뿐이다.
11. 우리가 택할 수 있는 최선의 선택은 미래를 예측하는 것이 아니라, 각 미래의 가능성을 계산해 보고 그에 맞는 최선의 대응 전략을 짜는 것이다. 미래에 대한 시나리오를 여러 개 만들어, 각 시나리오의 발생 가능성과 위험과 기회 요인 등을 분석하면 좋다.
12. 세상에 공짜는 없고 모든 일에는 비용이 따른다. 심지어 ‘어떤 선택도 하지 않는 선택’마저 보이지 않는 비용을 치르고 있음을 잊으면 안 된다. 나의 결정이 얼마짜리인지를 항상 생각하자.
