스타트업은 데이터를 어떻게 바라봐야 할까? (개정판)Yongho Ha우리 회사는 데이터를 볼 필요가 있을까?
봐야 한다면 어떻게 해야 할까?
스타트업이든, 큰 기업이든
데이터가 왜 필요하며, 어떤 기법들로 분석해 나갈 수 있는지 설명합니다.
퍼널, A/B 테스트, 코호트 분석등에 대해 쉽게 설명합니다.
데이터 분석에 필요한 기본 개념: 지표, Funnel 등 데이터를 이해하기 위한 멘탈 모델(Mental Model)Minwoo Kim- 강의록 전문 읽기: http://bit.ly/2KKtzRA
데이터 분석(데이터 사이언스 말고, 통상적으로 스타트업에서 '데이터 분석'이나 '그로스'에 쓰는 데이터 분석)을 공부하려면, 어떤 기본 개념을 가지고 계시면 좋을지에 대해 만들어 본 강의 자료입니다.
카우앤독에서 지인 위주로 꾸린 강의에서 꽤 좋은 평가를 받았으나, 강의안 준비가 너무 힘들어서 실제 유료 강의로 이어지지는 않은 비운의 슬라이드...
멘탈 모델이란 무엇인지, 지표는 무엇이며 퍼널(Funnel)은 무엇인지, 등등의 이야기를 합니다. 기승전 결론은 SQL 배우세요. (https://brunch.co.kr/@minu-log/4)
추천시스템 이제는 돈이 되어야 한다.choi kyuminThis document discusses techniques for recommender systems including multi-armed bandit (MAB), Thompson sampling, user clustering, and using item features. It provides examples of how MAB works using the ε-greedy approach and explores the tradeoff between exploration and exploitation. User clustering is presented as a way to group users based on click-through rate to improve targeting. Finally, it suggests using different item features like images, text, and collaborative filtering data as inputs to recommendation models.
[팝콘 시즌1] 박동혁 : 마케터에게 필요한 Data LiteracyPAP (Product Analytics Playground)박동혁 : 마케터에게 필요한 Data Literacy
발표영상 https://youtu.be/YWbJxCg7y2k
---
PAP가 준비한 팝콘 시즌1에서 프로덕트와 함께 성장하는 데이터 실무자들의 이야기를 담았습니다.
---
PAP(Product Analytics Playground)는 프로덕트 데이터 분석에 대해 편안하게 이야기할 수 있는 커뮤니티입니다.
우리는 데이터 드리븐 프로덕트 문화를 더 많은 분들이 각자의 자리에서 이끌어갈 수 있도록 하는 것을 목표로 합니다.
다양한 직군의 사람들이 모여 프로덕트를 만들듯 PAP 역시 다양한 멤버로 구성되어 있으며, 여러분들의 참여로 만들어집니다.
---
공식 페이지 : https://playinpap.oopy.io
페이스북 그룹 : https://www.facebook.com/groups/talkinpap
팀블로그 : https://playinpap.github.io
오늘 밤부터 쓰는 google analytics (구글 애널리틱스, GA) Yongho Hahttp://ga.yonghosee.com 에서 진행하는 구글 어날리틱스(google analytics) 에 대한 강의 슬라이드 입니다. 이 슬라이드는 샘플이지만, 초반부는 실재 강의 교재 그대로 입니다. 이것 자체로도 여러분이 GA를 이해하는데 좀 도움이 된다면 기쁘겠습니다^^ 감사니다.
[Causal Inference KR] 스타트업에서의 인과추론Bokyung ChoiCausal Inference KR 커뮤니티에서 진행한 발표입니다.
프로덕트 개발 조직의 데이터 분석가로 일하며 진행했던 인과추론 분석을 회고하는 내용입니다.
자료 조회가 안되실 경우 https://drive.google.com/file/d/1GAuAqggoxbX50EEwdzTaV4z4G0j8pLRf/view?usp=sharing 를 확인해주세요.
1. 인과추론에 빠져드는 이유
2. A/B 테스트의 현실, 왜 안된다고 할까?
3. 실험이 예상치 못한 지표를 침해했다
4. 기능을 늘리는 게 MAU 성장에 도움이 될까?
BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편Seongyun ByeonThe document contains log data from user activities on a platform. There are three columns - user_id, event, and event_date. It logs the activities of 5 users over several days, including events like logins, posts, comments, views. It also includes some aggregated data on unique events and totals by user.
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)Dylan Ko* 해당 강연 관련 상세 인터뷰 - https://fyi.so/2Rl04JS
[목차]
1. 그로스 해킹 제대로 바라보기
2. 선택이 아닌 필수 “개인화 (Personalization)” 의 본질
3. 개인화를 구현하는 CDP (Customer Data Platform)의 글로벌 혁신 성공 사례
4. 이 모든 화두의 접점 “데이터 프로덕트 (Data Product)” 의 핵심
5. 데이터 프로덕트를 잘 만들기 위한 서비스/데이터 디자인 방법론과 기타
* 2018년 10월 29일 드림플러스 강남점에서 ㅍㅍㅅㅅ 아카데미(PPSS Academy)가 주최한 2시간 특강 '그로스 해킹과 데이터 프로덕트' 의 강연 슬라이드
[Agenda]
1. How to understand Growth Hacking properly
2. Not option but mandatory, Personalization's essence
3. Global innovation use cases of personalization using CDP(Customer Data Platform)
4. The core of Data Product, which is the base of all the above things
5. The methodology of service and data architecture design and other detail things to make a well-made data product
#그로스해킹 #데이터액션 #고넥터 #데이터사이언스 #서비스디자인 #GrowthHacking #DataAction #DataScience #Gonnector #ServiceDesign
성장을 좋아하는 사람이, 성장하고 싶은 사람에게Seongyun ByeonThe document discusses deep learning paper reading roadmaps and lists several github repositories that aggregate deep learning papers. It also discusses developing mobile applications that utilize machine learning and the differences between developing for iOS versus Android. Lastly, it mentions continuing to learn through practice and experimentation with deep learning techniques.
[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표Dylan KoGonnector(고넥터) 고영혁 대표가 주최한 스타트업 데이터 활용 세미나 '우리가 데이터를 쓰는 법' 의 첫 번째 발표 자료
세미나 : 우리가 데이터를 쓰는 법 (How We Use Data)
일시 : 2016년 4월 12일 화요일 10:00 ~ 18:00
장소 : 마루180 (Maru180) B1 Think 홀
제목 : 좋다는 건 알겠는데 좀 써보고 싶소. 데이터!
연사 : 넘버웍스 하용호 대표
데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 로세스Minwoo Kim2018년 8월 9일, sopoong 액셀러레이팅 워크샵 강의: 데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 로세스.
- 발표 전문 읽기: http://bit.ly/2nrDhPv
데이터에 기반한 성장을 하기 위한 기반들, 필수 선결 조건들에 대해서 이야기해보려고 합니다. 제가 생각하는 필수 선결 조건은 Product-Market Fit, Instrumentation, 그리고 로세스 이렇게 세 가지입니다. (이건 제가 만들어낸 개념들은 아니고, 기존에 성공적으로 스타트업의 성장을 만들어 냈던 선배들에게서 배운 내용입니다.)
Little Big Data #1. 바닥부터 시작하는 데이터 인프라Seongyun ByeonThis document discusses using BigQuery and Dataflow for ETL processes. It explains loading raw data from databases into BigQuery, transforming the data with Dataflow, and writing the results. It also mentions pricing of $5 per terabyte for BigQuery storage and notes that Dataflow provides virtual CPUs and RAM. Finally, it includes a link about performing ETL from relational databases to BigQuery.
어떻게 하면 데이터 사이언티스트가 될 수 있나요?Yongho Ha'꿈꾸는 데이터 디자이너' 과정의 학생들에게 소개한
'직업의 세계(?)' 강의 자료 입니다.
https://www.facebook.com/datadesigner2015
데이터를 다루기 위한 스킬과
보면 유용한 책들을 간단히 소개하였습니다.
[팝콘 시즌1] 이윤희 : 다짜고짜 배워보는 인과추론PAP (Product Analytics Playground)이윤희 : 다짜고짜 배워보는 인과추론
발표영상 https://youtu.be/fShRiqe1Cf0
---
PAP가 준비한 팝콘 시즌1에서 프로덕트와 함께 성장하는 데이터 실무자들의 이야기를 담았습니다.
---
PAP(Product Analytics Playground)는 프로덕트 데이터 분석에 대해 편안하게 이야기할 수 있는 커뮤니티입니다.
우리는 데이터 드리븐 프로덕트 문화를 더 많은 분들이 각자의 자리에서 이끌어갈 수 있도록 하는 것을 목표로 합니다.
다양한 직군의 사람들이 모여 프로덕트를 만들듯 PAP 역시 다양한 멤버로 구성되어 있으며, 여러분들의 참여로 만들어집니다.
---
공식 페이지 : https://playinpap.oopy.io
페이스북 그룹 : https://www.facebook.com/groups/talkinpap
팀블로그 : https://playinpap.github.io
더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기Hyunjung Kim[21 크리에이티브 디렉터 세미나] 발표자료입니다.
PM과 함께 일하는 디자이너, PM 역할을 겸해야 하는 디자이너분들을 대상으로 PM 직군이 조직과 제품의 성장을 위해 어떤 고민과 노력을 하고 있는지 공유합니다.
우아한형제들에서 B마트와 배민스토어를 만드는 B마트서비스팀의 사례가 함께 담겨있습니다.
[Causal Inference KR] 스타트업에서의 인과추론Bokyung ChoiCausal Inference KR 커뮤니티에서 진행한 발표입니다.
프로덕트 개발 조직의 데이터 분석가로 일하며 진행했던 인과추론 분석을 회고하는 내용입니다.
자료 조회가 안되실 경우 https://drive.google.com/file/d/1GAuAqggoxbX50EEwdzTaV4z4G0j8pLRf/view?usp=sharing 를 확인해주세요.
1. 인과추론에 빠져드는 이유
2. A/B 테스트의 현실, 왜 안된다고 할까?
3. 실험이 예상치 못한 지표를 침해했다
4. 기능을 늘리는 게 MAU 성장에 도움이 될까?
BigQuery의 모든 것(기획자, 마케터, 신입 데이터 분석가를 위한) 입문편Seongyun ByeonThe document contains log data from user activities on a platform. There are three columns - user_id, event, and event_date. It logs the activities of 5 users over several days, including events like logins, posts, comments, views. It also includes some aggregated data on unique events and totals by user.
그로스 해킹 & 데이터 프로덕트 (Growth Hacking & Data Product) - 고넥터 고영혁 (Gonnector Dylan Ko)Dylan Ko* 해당 강연 관련 상세 인터뷰 - https://fyi.so/2Rl04JS
[목차]
1. 그로스 해킹 제대로 바라보기
2. 선택이 아닌 필수 “개인화 (Personalization)” 의 본질
3. 개인화를 구현하는 CDP (Customer Data Platform)의 글로벌 혁신 성공 사례
4. 이 모든 화두의 접점 “데이터 프로덕트 (Data Product)” 의 핵심
5. 데이터 프로덕트를 잘 만들기 위한 서비스/데이터 디자인 방법론과 기타
* 2018년 10월 29일 드림플러스 강남점에서 ㅍㅍㅅㅅ 아카데미(PPSS Academy)가 주최한 2시간 특강 '그로스 해킹과 데이터 프로덕트' 의 강연 슬라이드
[Agenda]
1. How to understand Growth Hacking properly
2. Not option but mandatory, Personalization's essence
3. Global innovation use cases of personalization using CDP(Customer Data Platform)
4. The core of Data Product, which is the base of all the above things
5. The methodology of service and data architecture design and other detail things to make a well-made data product
#그로스해킹 #데이터액션 #고넥터 #데이터사이언스 #서비스디자인 #GrowthHacking #DataAction #DataScience #Gonnector #ServiceDesign
성장을 좋아하는 사람이, 성장하고 싶은 사람에게Seongyun ByeonThe document discusses deep learning paper reading roadmaps and lists several github repositories that aggregate deep learning papers. It also discusses developing mobile applications that utilize machine learning and the differences between developing for iOS versus Android. Lastly, it mentions continuing to learn through practice and experimentation with deep learning techniques.
[우리가 데이터를 쓰는 법] 좋다는 건 알겠는데 좀 써보고 싶소. 데이터! - 넘버웍스 하용호 대표Dylan KoGonnector(고넥터) 고영혁 대표가 주최한 스타트업 데이터 활용 세미나 '우리가 데이터를 쓰는 법' 의 첫 번째 발표 자료
세미나 : 우리가 데이터를 쓰는 법 (How We Use Data)
일시 : 2016년 4월 12일 화요일 10:00 ~ 18:00
장소 : 마루180 (Maru180) B1 Think 홀
제목 : 좋다는 건 알겠는데 좀 써보고 싶소. 데이터!
연사 : 넘버웍스 하용호 대표
데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 로세스Minwoo Kim2018년 8월 9일, sopoong 액셀러레이팅 워크샵 강의: 데이터 기반 성장을 위한 선결 조건: Product-Market Fit, Instrumentation, 그리고 로세스.
- 발표 전문 읽기: http://bit.ly/2nrDhPv
데이터에 기반한 성장을 하기 위한 기반들, 필수 선결 조건들에 대해서 이야기해보려고 합니다. 제가 생각하는 필수 선결 조건은 Product-Market Fit, Instrumentation, 그리고 로세스 이렇게 세 가지입니다. (이건 제가 만들어낸 개념들은 아니고, 기존에 성공적으로 스타트업의 성장을 만들어 냈던 선배들에게서 배운 내용입니다.)
Little Big Data #1. 바닥부터 시작하는 데이터 인프라Seongyun ByeonThis document discusses using BigQuery and Dataflow for ETL processes. It explains loading raw data from databases into BigQuery, transforming the data with Dataflow, and writing the results. It also mentions pricing of $5 per terabyte for BigQuery storage and notes that Dataflow provides virtual CPUs and RAM. Finally, it includes a link about performing ETL from relational databases to BigQuery.
어떻게 하면 데이터 사이언티스트가 될 수 있나요?Yongho Ha'꿈꾸는 데이터 디자이너' 과정의 학생들에게 소개한
'직업의 세계(?)' 강의 자료 입니다.
https://www.facebook.com/datadesigner2015
데이터를 다루기 위한 스킬과
보면 유용한 책들을 간단히 소개하였습니다.
[팝콘 시즌1] 이윤희 : 다짜고짜 배워보는 인과추론PAP (Product Analytics Playground)이윤희 : 다짜고짜 배워보는 인과추론
발표영상 https://youtu.be/fShRiqe1Cf0
---
PAP가 준비한 팝콘 시즌1에서 프로덕트와 함께 성장하는 데이터 실무자들의 이야기를 담았습니다.
---
PAP(Product Analytics Playground)는 프로덕트 데이터 분석에 대해 편안하게 이야기할 수 있는 커뮤니티입니다.
우리는 데이터 드리븐 프로덕트 문화를 더 많은 분들이 각자의 자리에서 이끌어갈 수 있도록 하는 것을 목표로 합니다.
다양한 직군의 사람들이 모여 프로덕트를 만들듯 PAP 역시 다양한 멤버로 구성되어 있으며, 여러분들의 참여로 만들어집니다.
---
공식 페이지 : https://playinpap.oopy.io
페이스북 그룹 : https://www.facebook.com/groups/talkinpap
팀블로그 : https://playinpap.github.io
더 나은 사용자 경험과 비즈니스를 만들기 위한 프로덕트 매니저로 일하기Hyunjung Kim[21 크리에이티브 디렉터 세미나] 발표자료입니다.
PM과 함께 일하는 디자이너, PM 역할을 겸해야 하는 디자이너분들을 대상으로 PM 직군이 조직과 제품의 성장을 위해 어떤 고민과 노력을 하고 있는지 공유합니다.
우아한형제들에서 B마트와 배민스토어를 만드는 B마트서비스팀의 사례가 함께 담겨있습니다.
170222 창조경제혁신센터 기술사업화 과정에서의 비즈니스모델 민광동Kwangdong Min스타트업의 R&D기획 로세스 관점에서 비즈니스 모델을 바라볼 때, 아이디오 도출 혹은 커뮤니케이션 협업도구 그 이상의 실익을 기대할 수 있습니다. 충분한 백데이터에 업데이트되는 비즈니스 모델링을 통해 투자유치를 위한 사업계획이 수월하게 이루어집니다. 그로 인한 사업계획서는 충분한 사업계획의 결과물일 뿐입니다.
책 "제품의 탄생" 소개SANGHEE SHIN오이카와 다쿠야, 소네하라 하루키, 고시로 구미코가 지은 책 '제품의 탄생'을 회사 세미나를 위해 정리해 봤습니다.
책은 크게 '신제품 개발 방법론'과 'PM의 역할과 자질' 부분으로 나뉘는데 이 PPT에서는 주로 앞 부분을 정리했습니다.
참고하시기 바랍니다.
[창업&예비창업자] 사업계획서 작성 실무더게ѫ인스◎ 사업계획서 작성 실무
1. 사업계획서 작성 실무
2. 사업계획서 평가 지표
- Page : 51P
- 강의대상 : 소자본 창업을 준비하는 예비창업자 및 기존 창업자
- 실습시간 : 3시간
- 강의특징 : 사업계획서 양식을 제공하고 그에 맞춰 작성법을 배
우기 때문에 최소한의 시간으로 양질의 사업계획서가 완성됩
니다.
◎ 사업계획서 양식 PPT 다운로드
고명환 블로그 http://blog.naver.com/maru7091/220807056995
[도서 리뷰] 헤드 퍼스트 데이터 분석 ( Head First Data Analysis )Seung-Woo Kang데이터 분석에 대한 입문서로 추천할 만한 책입니다. 가상의 회사에서 다양한 상황에 따른 데이터 분석을 보여줍니다. 인과관계 분석, 데이터 시각화, 가설 검정, 베이시안 그리고 오차에 대한 처리까지 데이터분석 전반적인 부분을 평이한 얘기로 쉽게 설명하고 있습니다.
[창업&예비창업자] 사업계획서 작성 실무더게ѫ인스(주)인사이트컨설팅 대표이사 고명환입니다.
예비창업자 & 창업자 대상 맞춤형 강의안입니다.
창업보육센터, 소상공인, 대학생 등 수차례 강의를 수행하였습니다.
- 사업계획서 목적
- 사업계획에 필요한 질문
- 사업계획서 작성요령
- 사업계획서 작성법
- 사업계획서 전략적 방향
http://blog.naver.com/maru7091
[창업자&예비창업자] 2018년 사업계획서 작성 방법 및 전략 더게ѫ인스◎ 2018년 사업계획서 작성 방법 및 전략
1. 강의구성
가. 사업계획서 개요
나. 사업계획서 작성법
다. 사업계획서 작성팁
2. 강의대상
(스타트업) 창업을 준비하는 예비창업자 및 창업자
(소상공인) 창업을 준비하는 예비창업자 및 창업자
3. 강의특징
가. 사업계획서 정의와 필요성을 이해할 수 있다.
나. 사업계획서 작성 시 유의사항 대해서 이해할 수 있다.
다. 사업계획서 목차를 이해할 수 있다.
라. 목차별 세부 내용 작성 방법을 숙지할 수 있다.
마. 사업계획서 작성 시 자료 수집 방법을 이해할 수 있다.
바. 용도별 사업계획서 작성법을 알 수 있다.
사. 사업계획서 프리젠테이션 시 주안점을 터득할 수 있다.
4. 강의시간 : 3시간
고명환의 스타트업 생존경영 http://lunch-alone.com/
고명환의 브런치 https://brunch.co.kr/@maru7091
데이터 블렌딩으로 더빠른 Insight 획득Pikdata Inc.기업에는 여러 다양한 소스의 다양한 형식의 데이터가 존재합니다. Alteryx를 통해 데이터를 블렌딩하고 분석하여 더 빨리 Insight를 획득할수 있습니다.
- by pikdata (www.pikdata.com)
3. 예상 청중
● 오늘도 수많은 데이터의 늪에서 데이터 분석가(DA)로 일하고 계신 분들
● 미래의 비즈니스 분석가(BA)와 프로덕트 분석가(PA)를 희망하시는 분들
● “BA, PA 똑같은거 아닌가요?” 뭐가 다를까 궁금하신 분들
● 비즈니스와 프로덕트에서 데이터와 친하게 지내고 계신 분들
저요!
이미지 출처 - 구글
4. 발표 배경
● 기업의 데이터 기반 의사결정 니즈로 인해 데이터 분석가를 채용 중이고, 데이터가
중요해짐에 따라 데이터 분석가의 종류는 세분화되고 있습니다.
● 최근 가장 두가지 큰 갈래로 비즈니스 분석가(BA), 프로덕트 분석가(PA)로
나누어집니다.
● 2가지 포지션을 모두 경험해보면서 데이터를 보는 관점, 조직, 역할 등이 다르다는
것을 깨달았고, 그 경험들을 공유하고자 합니다.
5. 1. 비즈니스와 프로덕트의 관계
2. 비즈니스 분석가(BA) vs 프로덕트 분석가(PA)
3. 해외 채용 공고
4. 두 가지 분석가를 경험하면서 배운 점
공유할 이야기
6. 비즈니스 분석가(BA) vs 프로덕트 분석가(PA)
회사의 조직 구조 및 데이터팀 규모에 따라
직무별 역할과 기준이 상이할 수 있습니다.
가상의
사례
Case
Study
배운 점
7. 부제: 데이터 분석가의 두 얼굴
VS
비즈니스 분석가(BA) 프로덕트 분석가(PA)
이미지 출처 - 영화 <엘리멘탈>
10. 무수히 쏟아지는 데이터 Ad-hoc 업무 📈 + 데이터 분석가(DA)
데이터 분석가의 세분화
이미지 출처 - 인스티즈
일이 너무 많아요…
주OO(20대, DA)
11. 실무에서 마주치는 물음표들
📢 : “이번 상반기 회계 결산 해야 하는데 Revenue(매출액), Gross Margin(매출 총이익=
매출액 - 매출 원가)이 얼마나 나왔는지 알 수 있을까요?”
📢 : “이번주 서울 지역과 지방 지역의 Conversion(상품 주문 전환율=전환수/클릭수*100)
의 차이는 어떻게 되나요?”
12. 작년에 가장 많이 팔렸던 베스트 셀러 상품은 무엇인가?
비가 오는 날과 비가 오지 않는 날의 상품 주문 결제 전환율 차이가 있을까?
다음 분기의 예상 매출은 어떨까?
공휴일은 평일에 비해 주문량이 얼마나 증가할까?
이번 시즌에 20% 할인 프로모션을 진행하면 고객의 리텐션을 유지 할 수 있을까?
웹 사이트 방문자의 평균 체류 시간은 어떻게 늘릴 수 있을까?
이번주에 고객의 이탈률이 증가한 원인은 무엇인가?
유저 푸시 알림 서비스의 마케팅 채널 비용이 증가한 이유는 무엇일까?
실무에서 마주치는 수많은 질문들
13. 데이터 분석가의 종류
비즈니스 분석가(BA)
프로덕트 분석가(PA)
파이낸스 분석가
마케팅 분석가
데이터 분석가(DA)
…
BI 분석가
20. 비즈니스 분석가(BA) 주요 업무
● Key Business Metrics: 전사 지표 설계 및 성과 측정
● Competitor Tracking: 경쟁사 분석
● Pricing/Revenue Analysis: 비용(마케팅 비용, 운영 비용 등) 및 매출 분석
● Strategic Action Plan: 비즈니스 전략 수립
● KPI Dashboard: BI(Business Intelligence) 대시보드 구축
매출, 비용, 사업 데이터 중심
21. 비즈니스 분석가(BA) 역량
● 비즈니스 모델 파악: 비즈니스 캔버스(이해 관계, 고객 관계, 비용 구조, 채널 등)
● 비즈니스 지표 이해: 비즈니스, 재무 지표 (Revenue, Gross margin 등)
● 비즈니스 분석: 비용/재무 분석, 전략 수립
● BI 관련 툴(Tableau, PowerBI): KPI 대시보드 및 시각화
24. 모빌리티 예시: 운영 비용 분석
Case Study (1)
택시 기사님 1명 호출하는데 Cost(마케팅 채널 비용)가 얼마나 필요한가요?
마케팅 채널(Email, SMS, 카카오톡) 중 어떤 채널이 비용 절감에 효율적일까요?
마케팅 채널(Email, SMS, 카카오톡)별 Open Rate와 CTR은 어떤가요?
이번 분기의 비즈니스 목표는 비용 절감입니다.
25. 모빌리티 예시: 운영 비용 분석
Case Study (1)
내용
비즈니스 모델 3면 양면 시장(플랫폼, 고객, 택시 기사)
비즈니스 상황 이번 분기 비용 절감 목표
문제 정의
택시 기사 1명을 호출하는데
Cost(마케팅 채널 비용)가 얼마나 필요한가요?
지표 마케팅 채널별 Open Rate(오픈율), CTR(Click Through Rate, 클릭률)
전략
마케팅 채널(Email, SMS, 카카오톡) 중
효율적인 채널 선택을 통해 비용 최적화
26. 사례: 수요 공급 문제
Case Study (2)
사례 출처 - Instacart
내용
비즈니스 모델
4면 양면 시장
(쇼퍼, 주문고객, 식료품점, 광고주)
비즈니스 상황
날씨가 추울 때, 주문은 늘어나는데
쇼퍼(배달원)의 부족
문제 정의 수요(고객)와 공급(쇼퍼)의 불균형 문제
지표
쇼퍼가 활동적으로 일하지 않을
시간의 비율(Idleness)
전략
수요 예측 모델을 통해 수요 공급 사전 예측,
쇼퍼에게 추가 비용 지불
27. 프로덕트 분석가란?
비즈니스 분석가와 비교하여 미시적 관점으로 하나 하나 뜯어서 프로덕트와 유저 관점에서
데이터를 분석합니다.
예) 프로덕트 지면 분석, 앱 로그 분석
이미지 출처 - 만화 <짱구>
29. 프로덕트 분석가(PA) 주요 업무
● 모바일 서비스 분석: 퍼널 분석, 코호트 분석, AARRR/RARRA
● UX 분석: 로그 설계, 지면 설계, 유저 리서치, 유저 세그먼트
● 실험: A/B 테스트, A/A 테스트, 인과추론(Causal Inference)
● 프로덕트 백로그 관리
서비스, 유저 행동 데이터 중심
30. 프로덕트 분석가(PA) 역량
● 플랫폼 비즈니스 이해: 플랫폼 비즈니스 이해, 온라인 플랫폼(로그, 지면 등)
● 프로덕트 지표 이해: Conversion, Retention, 이탈률, ARPU(유저당 평균 수익)
● 서비스 분석 기법: App/Web 로그 분석, 그로스 해킹, 코호트 분석, 퍼널 분석
● A/B 테스트: 가설 검증, 실험 설계
● 프로덕트 분석 관련 툴: Amplitude, Mixpanel, GA4
● 모니터링 대시보드(Tableau, Looker Studio 등): 데이터 및 지표 시각화
37. 패션 오프라인 플리마켓 A: 퍼널 분석
Case Study (1)
Revenue
내용
문제 정의 이번주 설날(공휴일)동안 구매 전환율이 평일에 비해 얼마나 증가할까?
가설 설정
이번주 설날에는 고객들이 여가 시간을 많이 가지고 있기 때문에
쇼핑을 평일보다 많이 할 것이다.
따라서 설날 동안 주문 전환율은 평일보다 높을 것이다.
지표 구매 전환율(상품 주문 수/방문 고객 수 * 100)
액션 플랜 20% 쿠폰 상품 프로모션을 진행하는 것이 좋을까?
Impact 매출 ↑, 고객 만족도↑, 마케팅 ROI(Return on Investment, 투자 대비 수익율)
38. 사례: 푸시 알림 A/B 테스트
Case Study (2)
출처 - Analytics at Meta Medium
Weijun C., Yan Q., Yuwen Z., Christina B., Akos L.,
Harivardan J.
내용
문제 정의
많은 유저들이 몇 가지 앱 알림만 받기를
선호하는 결과 발견
가설 설정
평소보다 훨씬 적은 수의 알림을 보내면
앱 사용량이 늘어나지 않을까?
지표 Retention, 앱 사용량, 사용자 만족도
액션 플랜 A/B 테스트로 단기적 및 장기적 실험 효과 측정
Impact
단기적 실험 결과, 앱 사용량이 감소했으나,
장기적 실험 결과, 사용자 만족도와 앱 사용량 증가
적은 푸시 알림으로 사용자 만족도와 앱 사용량을 늘리는 방법
43. 비즈니스 분석가 vs 프로덕트 분석가
분석.Ver
Business Analyst Product Analyst
목표
비즈니스 성장 (1순위),
각 제품별 성장 (2순위)
각 제품의 성장 (1순위),
비즈니스의 성장 (2순위)
분석 대상 매출, 비용, 경쟁사, 고객(회사, 고객) 서비스, 유저, 경쟁 플랫폼
비즈니스/플랫폼 비즈니스, B2B 및 B2C의 오프라인 채널 Web, App 등 회사의 온라인 프로덕트
관점 거시적 관점 미시적 관점
분석의 깊이 ⭐⭐⭐ ⭐⭐⭐⭐
비즈니스 임팩트 ⭐⭐⭐⭐ ⭐⭐⭐
44. 협업/환경.Ver
Business Analyst Product Analyst
소속 조직 경영진 직속 조직, 사업 조직, 운영 조직 등 프로덕트 조직, 사일로 조직
협업 대상 경영진, 사업팀, 운영팀, 재무팀 등
개발자, 프로덕트팀, UX팀,
마케팅팀, 사업팀 등
분석 환경
개발/분석 환경에 대한 수정 권한이 주어지지 않을 수
있음
플랫폼/클라우드 환경에
접근 가능
기술/툴 Excel, SQL, BI
Cloud, Amplitude, SQL,
Python, BI
비즈니스 분석가 vs 프로덕트 분석가
45. 마무리
● 데이터 분석가(DA)는 조직의 구조가 크면서 동시에 데이터 문화가 성숙된 조직일수록
크게 비즈니스 분석가(BA)와 프로덕트 분석가(PA)로 세분화될 수 있습니다.
● 비즈니스에서 두 가지 관점의 분석은 모두 필요하고, 두 가지 분석의 시너지 효과를
통해 비즈니스와 프로덕트는 함께 성장할 수 있습니다.
비즈니스
분석
프로덕트
분석
Business
Growth
✚
,
46. 두 가지 분석가를 경험하면서 배운점
- 비즈니스 분석가(BA)는 전사 조직 관점에서 비즈니스 KPI를 정의하고
매출 관점에서 데이터를 크게 바라볼 수 있습니다.
하지만 세세한 로그 설계나 데이터 퀄리티를 놓칠 수 있습니다.
- 프로덕트 분석가(PA)는 하나의 프로덕트 관점에서 데이터를 뜯어보고 필요한
프로덕트 지표를 설계하고 검증하여 세세하게 분석할 수 있습니다.
하지만 진행한 프로덕트 관련 분석이 작은 비즈니스 임팩트일 수 있습니다.