데이터 리터러시(Data Literacy, DL)는 개인이나 조직이 목표 달성을 위해 데이터를 얼마나 잘 이해하고, 다루며, 분석하고, 시각화하며, 적용하는지를 설명한다. 구체적인 맥락과 사용 사례에 따라 데이터 리터러시를 적용하는 모습이 실제로 어떻게 나타나는지가 결정된다.

예를 들어, 제품 배송에 대한 시각화는 가치가 있지만, 진정한 데이터 리터러시는 그 이상을 포함한다. 부정적인 고객 경험을 해결하기 위해 고객 피드백 데이터를 적극적으로 찾고 해석하는 것을 포함한다. 이는 다양한 적성을 획득하고, 이해하고, 적용하는 능력을 보여준다.

개인이 DL 기술을 향상시키면 직장에서의 더 나은 데이터 기반 의사결정, 경력 발전, 흥미로운 질문을 추구하는 즐거움 등의 이점을 경험한다. 이러한 결과는 개인적인 의미를 갖게 되어 개인적, 전문적 기회를 확장한다.

조직은 데이터 기반 문화를 조성하기 위해 데이터 리터러시를 육성한다. 이러한 환경에서는 역할과 팀 전반에 걸쳐 직원들이 데이터 능력을 활용하여 위험을 관리하고 경쟁 우위를 위한 통찰력을 얻는다.

데이터 리터러시 프로그램은 개인 및 조직의 DL 요구를 충족시킨다. 이는 DL 역량을 평가하는 것으로 시작하여 학습 목표를 설정하고, 사람들을 교육하며, 성취도를 측정한다. DL 프로그램의 세부 사항은 다를 수 있지만, 더 나은 결과를 도출하기 위해 데이터의 이해와 적용을 적극적으로 개선한다.

데이터 리터러시 정의

세부 사항은 다를 수 있지만, 대부분의 DL 정의는 능숙도를 통한 데이터 이해 및 적용의 개선을 강조한다. 예를 들어, 가트너는 데이터 리터러시에 데이터 소스, 구성, 방법, 기술의 이해와 적용을 포함한다. 유네스코(UNESCO)는 데이터를 식별, 해석, 생성, 계산하고 데이터로 소통하는 것을 포함한다.

다른 설명들은 데이터 리터러시를 그 결과로 더 특징짓는다. 이스턴 미시간 대학(Eastern Michigan University)은 ‘올바른 결론을 도출하고 데이터가 오해의 소지가 있거나 부적절할 때를 인식하는 결과’를 포함한다. 데이터버시티(DATAVERSITY)는 데이터를 효과적으로 다루는 결과로 설명한다.

일부 설명은 DL을 간단하고 간결하게 유지하려고 한다. 예를 들어, 테크리퍼블릭(TechRepublic)은 ‘정보를 읽고, 이해하고, 분석하고, 소통하는 능력’이라고 말한다.

데이터 리터러시의 범위는 상황에 따라 광범위하거나 좁은 범위의 능력과 지식 수준을 포함할 수 있다.

데이터 리터러시 구성 요소

데이터 리터러시는 데이터의 이해, 작업, 분석, 시각화, 과제 적용을 포함한 주요 속성을 다룬다.

⦁데이터 이해: 가능성을 탐색하기 위해 다양한 데이터세트를 연구하고 가능한 소스로서 품질을 평가하는 것을 포함한다. 데이터가 어디서 오는지, 데이터가 시각화되기까지의 경로를 일반적으로 아는 것이 데이터 이해의 핵심 측면을 나타낸다.

⦁데이터 작업: 데이터를 생성, 획득, 정제, 관리하는 것을 포함한다. 이 기술은 데이터가 어떻게 구조화되고 저장되는지, 데이터를 적절히 포맷하기 위해 어떻게 정제하는지, 데이터 생성 프로세스와 엔드포인트에 대한 더 기술적인 지식을 포함한다. 문법 검사 도구를 실행하는 방법을 아는 것은 데이터 작업의 예이다.

⦁데이터 분석: 복잡한 문제를 더 작고 관리 가능한 부분으로 분해하고, 논리적 추론을 적용하며, 필요에 따라 도구를 활용하는 과정인 계산적 사고를 다룬다. 이 기술 세트는 또한 분석 유형에 따라 데이터를 표현하고, 비즈니스 목표에 적합한 데이터를 인식하고 선택하는 것을 포함한다. 누군가가 요구사항으로부터 소프트웨어 품질을 테스트하는 계획을 작성할 때, 그들은 데이터를 분석한다.

⦁데이터 시각화: 그래프와 차트 같은 시각적 보조 도구로 제시된 대규모 데이터세트에서 통찰력을 파악하는 것을 설명한다. 이 기술은 데이터 시각화를 검토하고, 시각화된 데이터 간의 패턴과 관계를 인식하며, 이러한 통찰력이 상황에 의미 있게 적용되는 방식을 이해하는 것을 요구한다.

⦁작업에 데이터 적용: 데이터를 적용하려면 수치적 증거를 바탕으로 한 서술적 이야기를 전달하기 위해 데이터를 사용해야 한다. 구매 행동에서 수익성 있는 고객 세그먼트에 대한 데이터를 기반으로 마케팅 캠페인을 개인화하는 것이 이에 대한 예이다. 데이터 적용에 능숙한 사람들은 가설과 주장을 설득력 있게 뒷받침하기 위해 데이터를 활용한다.

데이터 리터러시는 일부 비즈니스 지식을 필요로 하지만, 비즈니스 리터러시를 넘어 확장된다. 두 분야 모두 약간 다른 프레임워크에서 문제를 본다.

데이터 리터러시 vs. 비즈니스 리터러시

비즈니스 리터러시(Business Literacy, BL)는 비즈니스가 어떻게 운영되는지 이해하고 재무 목표를 달성하는 데 필요한 기술을 말한다. 이러한 종류의 지식에는 단순하고 이해하기 쉬운 결과에 초점을 맞춘 명확하고 행동 지향적인 방식으로 비즈니스 주제에 대해 읽고 쓰는 것이 포함된다.

데이터 리터러시는 데이터와 지표에 적용될 때 비즈니스 리터러시와 일부 동일한 능력을 다루지만, 주요한 차이점이 있다. 예를 들어, 마케팅 데이터를 이해할 수 있지만 반드시 비즈니스를 위한 전체 마케팅 계획을 작성하는 방법을 알 필요는 없다.

더욱이 DL은 통계와 같은 더 고급 분석 및 수학 기술을 포함할 수 있다. 데이터 리터러시가 높은 전문가는 기본 데이터세트의 한계, 불확실성, 편향을 검토하여 결과에 의문을 제기한다.

DL은 고급 기술을 사용하고 다른 사람들이 복잡한 가능성과 흥미로운 결과를 볼 수 있도록 돕는다. 그러나 높은 기술적 리터러시를 가진 사람들이 반드시 데이터 리터러시의 모든 측면을 포괄하지는 않을 수 있다.

데이터 리터러시 vs. 기술 리터러시

기술 리터러시(Technical Literacy)는 문제를 해결하고 작업을 완료하기 위해 컴퓨터 기반 도구와 애플리케이션을 효과적으로 사용하는 능력이다. 기술 리터러시와 데이터 리터러시 모두 디지털 환경에서 데이터를 다루는 방법을 이해하는 것을 포함한다.

그러나 데이터 리터러시는 기본적인 컴퓨팅 기술을 넘어선다. 역할에 따라 통계, 수학, 기계 학습과 같은 고급 기술 능력을 포함할 수 있다. 데이터 과학자의 경우가 그렇다.

또한 DL은 의사소통, 협업, 프로젝트 관리와 같은 중요한 비기술적 기술을 다룬다. 데이터 리터러시가 높은 사람은 데이터가 갖는 중요성을 제시할 수 있어야 한다.

결정적으로, 데이터 리터러시 기술은 디지털 영역을 넘어 확장된다. 데이터 리터러시가 높은 전문가는 필요에 따라 수동적이고 비기술적인 방법으로 데이터를 다루고, 분석하고, 적용할 수 있다.

예를 들어, 한 사람이 출근길에 사무용품점에 들러 필요했던 몇 가지 물품을 구매할 수 있다. 이 작업을 완료하려면 사무용품 재고를 조사하기 위해 창고에 가는 방법, 그 정보를 수동으로 추적하는 방법, 언제 재고를 보충해야 하는지 아는 방법, 상점에서 그 물품을 식별하는 방법, 구매하는 방법을 이해해야 한다.

따라서 DL은 디지털 기능과 겹치지만 다른 범위를 가진다. 기술적인 부분이 포함되지만, 데이터 리터러시는 근본적으로 데이터 자체를 이해하는 데 중점을 둔다. 즉 데이터의 출처, 분석 방법, 제공하는 통찰력, 다양한 상황에서 효과적으로 적용하는 방법 등이다.

데이터 리터러시 vs. 데이터 거버넌스

데이터 리터러시가 데이터 이해와 적용에 중점을 두는 것과 대조적으로, 데이터 거버넌스(Data Governance, DG)는 다른 핵심 목적을 수행한다. DG는 조직 전반에 걸쳐 조화로운 데이터 활동을 지원하는 비즈니스 프로그램과 기반을 설명한다. 예를 들어, 거버넌스 서비스는 어떤 고객 데이터를 얼마나 오래 보관할지 결정할 수 있다.

데이터 거버넌스는 직원들이 데이터로 더 나은 선택을 하도록 돕는 것 이상의 다른 목적을 가지고 있다. DG는 기업 전반에 걸쳐 신뢰할 수 있고, 유효하며, 정확한 데이터를 보장하여 이익을 위해 활용하고 위험을 완화한다. 또한 DG는 규정을 준수하기 위한 데이터 접근성과 보안 요구사항을 해결한다.

그러나 일부 거버넌스 활동에는 데이터 리터러시 향상이 포함된다. 예를 들어, DG 프로그램은 내부 용어의 의미를 공유하는 자원인 비즈니스 용어집을 구현하고 유지할 수 있다. 이 참조는 데이터 리터러시에서 필수적인 역할을 하며, 데이터를 이해하고 다루며 시각화를 해석하는 데 도움을 준다.

DG 산출물은 여러 팀과 조직의 요구를 충족시키기 때문에 특정 팀이나 개인의 데이터 리터러시 목표에 집중할 자원이 없다. 따라서 데이터 리터러시 프로그램은 파이 차트를 읽는 방법과 같은 교육과 워크숍을 통해 이러한 공백을 메운다. 이러한 전용 DL 이니셔티브와 교육은 비즈니스 목표를 달성하기 위한 직원들의 능력을 평가하고 개선하는 데 도움을 준다.

데이터 리터러시 사용 사례

조직이 데이터 리터러시 증가로 인해 비즈니스 목표를 달성할 때, 놀라운 개선을 볼 수 있다.

한 다국적 은행이 종합적인 DL 프로그램을 구현했다. 직원들에게 금융 데이터를 해석하고 분석하는 교육을 실시했다. 그 결과, 이 은행은 의사결정 과정에서 상당한 개선을 보았다. 직원들은 복잡한 데이터세트 내의 패턴, 트렌드, 상관관계를 식별하는 데 더욱 능숙해져 신뢰할 수 있는 통찰력을 기반으로 정보에 입각한 의사결정을 내릴 수 있게 되었다.

글로벌 소매업체가 구매 행동을 기반으로 가장 수익성 있는 고객 세그먼트를 식별하기 위해 데이터 수익화 기법을 사용했다. 이 목표는 직원들의 높은 수준의 데이터 리터러시를 통해 가능했다.

벡스 하이브리즈(Beck's Hybrids)는 비즈니스 내 데이터 리터러시를 향상시키기 위해 긴밀히 협력했다. 그 접근 방식은 다음과 같다.

⦁현장 영업 회의에 참석하여 영업사원들에게 데이터 리터러시가 중요한 이유를 설명하고 데이터 사용법을 교육한다.

⦁딜러들과 만나 데이터 리터러시로 성공할 수 있도록 지원하여 벡스 하이브리즈의 핵심 가치와 신념을 확장한다.

결과적으로 벡스 하이브리즈는 파트너와 직원들이 요청하는 보고서 유형과 셀프 서비스 능력이 크게 향상됐다.

PwC는 호주의 비영리 부문에 필요한 데이터 리터러시 기술을 제공했다. 이를 통해 고객에게 양질의 정보와 가용성을 보장하고 조직의 데이터 리터러시 역량을 강화하기 위한 기반을 구축했다.

유엔 세계식량계획(WFP)은 긴급 상황에서 식량 지원을 제공한다. 이들은 협업, 동료 리더십, 인재에 중점을 둔 공식 데이터 리터러시 프로그램을 수립했다. WFP가 데이터를 더 잘 활용함에 따라 2020년까지 120개 이상의 지역을 지원하면서 1억 3800만 달러를 절약했다.

에어비앤비는 ‘데이터 유니버시티’라는 사내 데이터 리터러시 이니셔티브를 시작했다. 이 프로그램은 모든 역할에서 데이터를 효과적으로 이해, 해석, 사용하는 기술을 향상시킨다. 현재 에어비앤비의 45%가 내부 데이터 플랫폼의 주간 활성 사용자(WAU)이다.

뉴욕 주 시러큐스 시는 재포장이 필요한 도로의 우선순위를 정할 데이터가 없었다. 데이터 리터러시의 점진적 증가로 모든 도시 구역에서 약 23마일의 도로를 재건하고 40마일을 봉쇄 및 재포장하는 계획이 수립됐다.

(* 이 칼럼은 GTT KOREA의 편집 방향과 다를 수 있습니다.)