분석·실험·시각화·지표 설계
버튼 색만 바꾸는 A/B 테스트는 시간 낭비입니다. 가설 수립, 표본 크기 계산, 유의수준 해석까지 실험을 신뢰할 수 있게 설계하는 방법을…
누적 가입자 수 같은 허영 지표에 속지 않고, 비즈니스를 실제로 움직이는 핵심 지표를 골라내는 프레임워크를 소개합니다. 북극성 지표 설계까지 다룹니다.
전체 평균 리텐션 뒤에 숨은 진실을 코호트로 드러내는 방법을 다룹니다. 리텐션 곡선 읽기, 세그먼트 비교, 개선 지점 찾기까지 단계별로 안내합니다.
방문에서 결제까지 이어지는 여정에서 어디서 사용자가 새는지 퍼널 분석으로 정확히 짚어냅니다. 단계 정의, 이탈률 계산, 개선 우선순위 결정까지 다룹니다.
잘못된 축, 부적절한 차트, 과한 장식은 데이터를 왜곡합니다. 정직하고 명료한 시각화를 만드는 구체적 원칙과 나쁜 사례 교정법을 정리합니다.
대표적인 세 BI 도구의 데이터 모델링 방식, 비용 구조, 협업 환경을 비교합니다. 팀 규모와 데이터 성숙도에 따른 선택 기준을 제시합니다.
상관을 인과로 착각하고, 평균에 속고, 심슨의 역설에 빠지는 흔한 분석 오류를 사례로 짚습니다. 지표를 신뢰하기 전에 점검할 체크리스트를 제공합니다.
정확한 분석이 무시당하는 이유는 전달 방식 때문입니다. 청중에 맞춰 메시지를 구조화하고, 차트로 서사를 만드는 데이터 스토리텔링 실전 기법을 다룹니다.
매주 손으로 만들던 정기 리포트를 자동화 파이프라인으로 전환한 과정을 회고합니다. 설계 결정, 시행착오, 자동화하면 안 되는 부분까지 솔직하게 공유합니다.