누구를 위한 데이터 분석인가

데이터 분석을 가르칠 때, 저는 늘 같은 문장에서 시작합니다. “데이터 분석은 의사결정을 위한 것입니다.” 교과서가 그렇게 말하고, 저도 그렇게 가르칩니다. 틀린 말이 아닙니다.

그런데 10년 동안 현장을 보면, 그 문장에 한 겹이 빠져 있다는 걸 알게 됩니다. 분석가가 실제로 하는 일은, 조금 더 솔직히 말하면 다른 모양을 하고 있습니다.

데이터는 스스로 말하지 않습니다

분석가 두 사람에게 똑같은 데이터를 건네 보면, 생각보다 자주 결론이 갈립니다.

매출이 줄었다는 같은 표를 두고, 한 사람은 “신규 고객이 안 들어와서”라고 읽고, 다른 사람은 “기존 고객이 떠나서”라고 읽습니다. 둘 다 데이터에 근거가 있습니다. 어느 쪽을 더 중요하게 볼지, 어떤 기간으로 자를지, 무엇을 원인으로 지목할지 — 그 선택의 순간에 사람의 해석이 들어갑니다.

데이터는 객관적입니다. 하지만 데이터가 객관적이라는 사실이, 그것을 읽은 결론까지 객관적으로 하나로 정해준다는 뜻은 아닙니다. 숫자는 가만히 있고, 의미는 사람이 붙입니다.

이게 분석이라는 일의 진짜 출발점입니다. 분석가는 정답을 발견하는 사람이 아니라, 여러 갈래로 읽힐 수 있는 데이터에서 하나의 해석을 골라 주장하는 사람입니다.

그래서 분석의 마지막 일은 ‘설득’입니다

교과서의 그림은 깔끔합니다. 데이터를 분석하면 답이 나오고, 그 답을 보면 결정이 따라온다. 한 줄로 흐릅니다.

현실은 그 직선이 중간에서 끊깁니다. 분석에서 해석이 갈리는 순간, “어느 해석이 맞느냐”는 데이터만으로는 닫히지 않습니다. 결국 그 결론을 받아 결정을 내리는 건 사람입니다. 팀장이고, 임원이고, 옆 부서입니다. 그리고 사람을 움직이려면 — 내 해석이 왜 더 타당한지를 보여야 합니다. 그게 설득입니다.

오해를 먼저 끊고 가겠습니다. 여기서 설득은 데이터를 비틀어 원하는 결론을 만들어내는 일이 아닙니다. 오히려 그 반대입니다. 데이터가 본래 여러 갈래로 읽히기 때문에, 내가 택한 해석의 근거와 한계를 정직하게 드러내 상대가 판단할 수 있게 하는 일입니다. 진실을 비트는 게 아니라, 진실을 결정하는 사람에게 닿게 하는 일입니다.

의사결정과 설득은 대립하지 않습니다. 의사결정은 목적이고, 설득은 그 목적에 닿는 마지막 1마일입니다. 아무리 정확한 분석도 결정하는 사람에게 가닿지 않으면, 결정으로 이어지지 않습니다.

분석가가 가장 자주 빠지는 함정

이 마지막 1마일을 놓치는 자리에서, 유능한 분석가일수록 자주 헛발을 디딥니다.

분석 자체의 정교함에 취하는 겁니다. 더 정밀한 모델, 더 엄밀한 방법론, 더 많은 변수. 분석가에게는 그게 실력의 증거니까요. 그런데 그렇게 공들인 결과물을 받아 든 의사결정자가 “그래서 뭘 하라는 거죠?”라고 되물으면, 그 분석은 결정으로 이어지지 못한 채 멈춥니다.

이게 “원론적인 데이터 분석에 집중한다”는 말의 실체입니다. 분석을 나의 완성도를 위해 하는 겁니다. 받는 사람이 아니라 분석가 자신을 향한 분석. 정교하지만, 아무도 움직이지 못하는 분석.

그래서 먼저 물어야 합니다 — 누구를 위한 분석인가

좋은 분석은 데이터에서 시작하지 않습니다. 받는 사람에서 시작합니다.

같은 데이터라도 그것을 받을 사람이 누구냐에 따라 분석의 모양이 달라져야 합니다. 5분 안에 결론만 필요한 임원과, 실행 방법을 고민하는 실무팀에게는 같은 숫자도 다르게 건네야 합니다. 무엇을 강조하고, 무엇을 덜어내고, 어떤 한 장으로 압축할지 — 이 판단은 데이터를 보는 게 아니라, 데이터를 받을 사람을 보는 데서 나옵니다.

그래서 분석을 시작하기 전 첫 질문은 “이 데이터로 무엇을 알아낼까”가 아닙니다. “이 분석은 누구의, 어떤 결정을 도울까.” 이 질문에 답하는 순간, 무엇을 어떻게 분석할지가 비로소 따라옵니다. 받는 사람과 그가 내릴 결정을 정의하는 일이, 분석의 첫 단계입니다.

AI가 분석을 대신해 줄수록

이 이야기는 AI 시대에 오히려 더 무거워집니다.

쿼리를 짜고, 차트를 그리고, 통계를 돌리는 일 — 분석의 ‘실행’은 이제 AI가 점점 더 많이 대신합니다. 그럴수록 분석가에게 남는 일은 분명해집니다. 어떤 해석을 택할 것인가, 그것을 누구에게 어떻게 닿게 할 것인가. 데이터를 돌리는 능력이 흔해질수록, 데이터를 읽고 전달하는 능력의 값이 오릅니다.

이건 제가 이 글들에서 계속 해온 이야기와 같은 자리입니다. 실행이 흔해질수록 정의와 전달이 귀해진다 — 그 원리의 데이터 분석 버전인 셈입니다.

데이터 분석은 결국 의사결정을 위한 것이 맞습니다. 다만 그 결정은 데이터가 내려주는 게 아니라, 데이터를 읽은 사람이 다른 사람을 설득해 함께 내리는 것입니다. 그러니 분석을 잘한다는 건, 숫자를 잘 다루는 일이기 전에 — 누구를 위해 그 숫자를 읽는지 아는 일입니다.

저는 도구 사용법을 가르치지 않습니다. 일하는 방식을 바꾸자고 말합니다. 데이터 분석도 마찬가지입니다. 분석 기법을 하나 더 익히기 전에, 그 분석이 누구의 어떤 결정을 향하는지부터 정해 보시길 권합니다. 그 자리에서부터, 같은 데이터가 전혀 다른 힘을 갖습니다.