Ch1. 데이터 리터러시란(데이터로 생각하기)

데이터 리터러시는 코딩 능력이 아니다

데이터 리터러시는 데이터를 잘 다루는 기술 이전에, 숫자와 표를 보고 적절한 질문을 던지는 능력입니다. 엑셀 함수나 파이썬을 몰라도 “이 숫자는 어디서 왔지?”, “무엇과 비교해야 의미가 있지?”, “빠진 조건은 없나?”를 묻는다면 이미 데이터로 생각하기를 시작한 것입니다.

일상에서도 데이터는 계속 등장합니다. 할인율, 병원 검사 결과, 설문조사, 뉴스 그래프, 회사의 매출 리포트가 모두 데이터입니다. 문제는 데이터가 항상 친절하게 설명되어 있지 않다는 점입니다.

---

데이터로 생각한다는 것

데이터로 생각한다는 말은 감을 버린다는 뜻이 아닙니다. 감으로 떠올린 가설을 데이터로 확인하고, 데이터가 말하지 않는 부분을 다시 질문한다는 뜻입니다.

상황	감으로만 판단	데이터로 생각하기
카페 메뉴 결정	”요즘 말차가 유행이래”	요일별 판매량, 재구매율, 원가를 함께 보기
공부 계획	”나는 밤에 잘돼”	시간대별 집중도와 복습 성공률 기록하기
회의 평가	”반응이 괜찮았어”	참석률, 질문 수, 후속 실행률 확인하기

좋은 데이터 판단은 숫자를 많이 모으는 일이 아니라, 결정에 필요한 최소한의 증거를 찾는 일에 가깝습니다.

---

데이터가 답하지 않는 질문

데이터는 강력하지만 모든 것을 말해주지는 않습니다. 예를 들어 고객 만족도 점수가 4.6점이라고 해도, 어떤 고객이 빠졌는지, 질문이 유도적이지 않았는지, 불만을 가진 사람이 응답을 포기하지 않았는지는 따로 확인해야 합니다.

데이터를 볼 때는 다음 세 가지를 먼저 점검합니다.

1. 이 데이터는 무엇을 측정했는가?
2. 어떤 사람이 포함되고 제외되었는가?
3. 이 숫자로 어떤 결정을 하려는가?

이 질문 없이 평균, 순위, 증가율만 보면 숫자는 쉽게 권위처럼 보입니다.

---

작은 기록이 좋은 데이터가 되는 순간

처음부터 거대한 데이터베이스가 필요하지는 않습니다. 한 달 동안 수면 시간과 다음 날 집중도를 적는 것, 업무 요청의 반복 유형을 표로 모으는 것, 지출 항목을 고정비와 변동비로 나누는 것도 데이터 리터러시 훈련입니다.

중요한 것은 기록의 양보다 일관성입니다. 매일 다른 기준으로 적으면 비교가 어렵습니다. 반대로 기준이 일정하면 작은 데이터도 생활과 업무를 개선하는 근거가 됩니다.

---

핵심 요약

• 데이터 리터러시는 도구 사용 능력보다 데이터를 읽고 질문하는 능력이다.
• 데이터로 생각하기는 감을 없애는 것이 아니라 감을 검증 가능한 가설로 바꾸는 일이다.
• 좋은 판단은 “무엇을 측정했는가”, “누가 빠졌는가”, “무엇을 결정할 것인가”에서 시작한다.
• 작은 기록도 기준이 일정하면 실용적인 데이터가 된다.

다음 장에서는 평균, 중앙값, 분포를 통해 데이터를 읽는 기본 문법을 배웁니다.