[Skill set] 프로젝트 고수가 되는 법 3️⃣-2

[문제 해결 개요]
문제를 해결하는 과정은
그럴법한 답안인 “가설”을 통해 - (1)
그것이 맞는 이유와,
대치되는 가설이 틀린 이유를 찾아내고 - (2)
이를 하나의 연결된 논리 구조를 통해
하나의 메세지로 정리한 뒤, - (3)
가장 효율적이고, 고객에게 효과적인 형태로
전달하는 것입니다. - (4)
이를 각각 “가설수립, 분석 작업, 논리 구조화, 전달하기” 라고 부르죠.

이번에는 프로젝트에서
가장 많은 Effort가 들어가는 부분인
"분석 작업"에 대해 정리해 보겠습니다.
※ 논리 구조화 및 전달하기는
좀 더 시간을 갖고, 정리하고자 합니다.
[일+머리] 일잘러's 관찰일기와 겹치더라고요.

"분석"은 데이터 란 말의 유행과 함께 많이 핫하며
이런 추세는 더하며 더했지, 덜해지진 않을겁니다.
이때, 전문 분석가는 아니더라도
기본석인 분석 Hard Skill이 있단 전제하에
프로젝트에서 분석의 유형은 무엇이 있는지(①),
명심해야 할 사항은 뭐가 있는지(②)
한번 썰(?)을 풀어 보도록 하죠.

① 프로젝트 內 분석의 유형
- 여러 유형이 있겠지만, 전 분석의 대상,
데이터의 "속성"에 따라 2~3개 정도로 나눠보십시오.
또 거기에 데이터 유형(속성)별로
이걸 얻을 수 있는 방법을 나열해보자면,
*일단 이글에서는 소비재 B2C 위주로

1. 정량 Data : 숫자로 표현 가능한 데이터를 말하죠.
2. - 직접 묻기 : 설문 등으로 고객에게 직접 묻는 것으로 가장 기본적,
3.   고객층의 전반적 경향과 함께 인구통계적 그룹별로
4.   어떤 특성을 가졌는지 알 수 있음
6. - 흔적 수집 : 회원 및 고객의 이력 데이터를 기반으로 고객을 그룹핑하고,
7.   각 고객이 어떤 행동/구매 특성을 가졌는지 볼 수 있음
8.   *전통적인 CRM이 AI(ML/DL)을 만나 급상승한 부분
9. - 직접 발굴 : 개인의 옷장 or (SNS를 통해) 최근 착장한 사례 등,
10.   고객이 허락했다는 전제 하에 고객이 대답하지 않고
11.   그들이 어떤 행동을 보였는가를 직접 조사하는 것
15. 정성 Data : 숫자로 표현하기 어렵지만, 시사점을 찾는 근거 Data
16. - 인터뷰: 주로 실무 담당자 or 임원을 대상으로 1대1로
17.   프로젝트의 방향(가설)을 잡는데 필요한 Key word를 추출함
19. - FGI : Focus Group Interview의 약자로, 주로 고객 or 이해관계자 다수를
20.   대상으로 전략에 대한 아이디어 혹은 디테일을 얻는 것이 목적
23. 기타 : 정량/정성 Data 보다, 직접 현장에서 할 수 있는 여러 방법이 있죠
24. - 단순 관찰 : 대상 고객의 동선, 행동을 관찰한 결과를 수집하고 종합하여,
25.   주체/시점/장소/방식/특이사항 등 5W1H에서 시사점을 도출
27. - 참여 조사 : Operation 상의 문제점 및 대안을 위해 직접 해보면서
28.   문제현상과 대안이 적합한지를 현장에서 확인하는 것
30. - 고객 추적 : 구매 현장에서 고객의 동선 및 행동, 이유 등을 수집하는 것으로
31.   보통 1~2명의 특정고객의 섭외해 실제 쇼핑을 해보게 하면서
32.   구매순간(Moment of Truth), 고객 경험 등을 확보함

② 프로젝트 분석 원칙 : 산출물 중심(Output Based)으로 생각하고, 행동한다
- 분석 과업은 사소한 작업도 많고, 여러 Effort가 드는 부분이기 때문에
자칫하면 뭔가 열심히 했는데 끝에서 정리하려면 막막한 경우가 많습니다.

이걸 방지하기 위해서 최종 결과를 예상해두고, 그것의 근거를 찾는 과정으로
분석을 진행하면 좋습니다. 구체적으로

• [가설-결과]의 형태로 분석 결과를 정리해보세요
• 완전한 분석이 아닌, 경향이 확인되었을 때 한번 멈추세요(Quick & Dirty)
• : 60%의 경향이 도출되면, 다른 분석으로 결과를 보완하는게 효율적임
• 초기 설계한 바대로 분석이 진행되는 경우는 거의 없습니다.
  상황에 따라 유연하게 수정/보완하면서 질문을 Develop하십시오.

- 반대로 분석에 너무 심취되다 보면, 저지를 수 있는 오류도 경계하십시오.

• 표본의 오류 : 모수가 충분하지 않다면(30개 이상?), 설득력을 갖기 어렵습니다.
  또한, 정량 Data만 아니라 정성Data로 신뢰성을 더해야 합니다.
• 인식의 오류 : 고객의 언어(표현방식)으로 1질문에 1가지 포인트만 담으십시오.
  또한, 몰고가기 보다 대화속에서 Needs를 캐치하는게 낫습니다.
• 해석의 오류 : 분석 과정은 자의적이 될 수 있죠, 이를 피하기 위해
  2명 이상이 참가하거나 업계 전문가의 피드백을 받는게 좋습니다.

---

이상으로 컨설팅 프로젝트를 한다면, 명심해야 할 원칙과 노하우에 대해 정리해봤습니다.
다음에 기회가 된다면 다시 한번 제대로 업데이트해보겠습니다. 감사합니다.