[목 차]
프롤로그
데이터를 보며 사람을 생각합니다
1장. 데이터는 많고, 가는 길은 여전히 어렵다
● 데이터 앞에서 헤매는 순간들
● 중복과 협업의 경계에서
● 정답보다는 방향
● 분석의 시작, 출발은 단순하게
● 단단함은 기본기에서 나온다
2장. 그래서 뭐가 좋아졌나요? 분석의 끝이 일의 끝은 아니다
● 해석과 정리가 분석의 차이를 만든다
● 잘 전달하는 일, 분석의 두 번째 완성
● 변수는 결국 ‘사람’
● 설득으로 데이터에 온도 더하기
● 구구절절 열 마디 말보단, 핵심 한 마디
3장. 위치가 바뀌면 분석도 달라진다
● 숫자 너머 방향을 세우는 일
● 온도가 달라도 같은 곳을 향해 갑니다
● 무심함이 만든 거리
● 중립보다는 차라리 선택
● 맥락을 설계하는 질문
4장. 데이터 분석은 어떻게 성과로 연결될까
● 일을 잘한다는 것의 기준
● 진짜 성과는 숫자 바깥에 있다
● 조금 빠른 70점, 조금 느린 90점
● 성과는 목표로 시작해 유연성으로 완성된다
● 성과, 어떻게 인정하고 나눌 것인가
5장. 분석 도구는 변해도 고민은 달라지지 않는다
● 도구는 달라져도 변하지 않는 것
● 도구는 거들 뿐, 중요한 건 본질
● 늘어난 도구와 남은 고민
● 질문이 분명해야 도구가 일한다
● 데이터를 바라보는 시선의 변화
6장. 좋은 분석가, 좋은 동료
● 시간이 지나고 나서 남는 것
● 숫자로 남지 않는 순간들
● 관계 속에서 성장하는 분석가
● 실력의 진짜 의미
● ‘버틴다’가 ‘즐긴다’로 바뀌는 순간
7장. 결국은 오늘도 사람을 분석합니다
● 데이터가 말하지 못하는 것들
● 성장보다는 변화, 정답보다는 방향
● 분석이 끝난 자리에 무엇을 남기고 싶은가
● 기록은 내 일(내일)의 기준점
● 사람을 바라보고 이해하는 일
에필로그
수식이나 논리보다 애정과 관심으로
[본 문]
현실의 분석 업무에서는 정답을 찾는 일보다 정답처럼 보이는 것을 만들어야 하는 상황이 더 자주 찾아온다. 정답이라는 단어는 마치 어딘가 이미 존재하는 것처럼 느껴지지만, 실제로는 ‘누가 말하느냐’에 따라 정답이 달라진다. 분석가는 데이터를 다루는 사람인 동시에, 상황과 구조, 사람의 결정을 함께 읽는 사람이다.
완벽한 정답을 찾기보다, 지금 이 조직과 이 순간에 가장 설득력 있는 해석을 제시하는 사람. 그게 진짜 분석가의 역할이다.
ㅡ 「정답보다는 방향」 중에서
분석을 하다 보면, 어느새 분석 자체에 몰입하게 된다. “이만큼 했으니 알아주겠지.” “이 수치는 말 안 해도 의미가 느껴질 거야.” 하지만 전달되지 않은 분석은 아무 일도 일으키지 못한다. 아무리 정확하고 정교한 결과라도 전달되지 않으면, 없는 것과 같다.
분석은 언제나 완성형이 아니다. 전달은 분석의 끝이 아니라, 사람과 세상을 연결하는 마지막 해석의 문장이다.
ㅡ 「잘 전달하는 일, 분석의 두 번째 완성」 중에서
같은 데이터를 보고도 사람들은 다르게 말한다. 어떤 사람은 “지표가 개선되고 있네요”라고 말하고, 또 다른 사람은 “이게 정말 개선된 걸까?”라고 되묻는다. 이런 해석의 차이는 단순히 숫자를 다르게 읽어서가 아니다. 그 사람의 역할, 경험, 관심사, 조직 내 위치에 따라 같은 데이터를 두고도 전혀 다른 관점을 갖게 된다.
분석은 숫자로 말하지만, 그 숫자를 행동으로 바꾸는 건 사람이다. 그래서 데이터를 다루는 일은 언제나 사람을 다루는 일이기도 하다.
ㅡ 「변수는 결국 ‘사람’」 중에서
화려한 숫자의 곁에는 늘 사람의 행동 변화라는 숨은 축이 있었다. 데이터 분석도 결국 그 지점을 향한다. 아무리 정교한 모델이나 완벽한 보고서도 누군가를 움직이지 못하면 성과라고 부르기 어렵다.
성과는 숫자로만 정의되지 않는다. 데이터를 근거로 사람을 공감시키고, 움직이게 하고, 지속 가능한 흐름을 만드는 것. 성과란 결국 화려한 그래프 위에 적힌 수치가 아니라, 사람들이 고개를 끄덕이며 한 발짝 더 움직이는 순간에 깃드는 것이다.
ㅡ 「진짜 성과는 숫자 바깥에 있다」 중에서
기술은 우리에게 편리함을 주지만, 문제의 본질을 바꾸지는 않는다. 효율은 눈에 띄게 좋아졌지만, 무엇을 풀어야 하느냐는 질문은 여전히 사람의 몫으로 남아 있다. 예전보다 조금 더 빠르게, 조금 더 편하게 왔을 뿐, 정말 중요한 단계 앞에서는 여전히 내 생각과 판단이 필요하다.
도구는 우리를 도와줄 뿐, 고민을 대신해 주지는 않는다. 문제를 어떻게 정의할지, 데이터를 어떻게 해석하고 전달할지, 그 책임은 언제나 분석가에게 남아 있다.
ㅡ 「도구는 달라져도 변하지 않는 것」, 「도구는 거들 뿐, 중요한 건 본질」 중에서
어머니는 늘 적절한 시점에 필요한 만큼을 보내주셨다. 나중에서야 깨달았다. 그것은 계산의 결과가 아니라 관심의 결과였다는 것을. 수식이나 논리로 풀 수 없던 내 생활의 난제를, 어머니는 그저 나를 오래 바라본 감각과 애정으로 풀어내고 계셨다는 사실을.
그 반찬 택배는 음식이 아니라, 내가 잘 지내고 있는지를 묻는 하나의 방식이었고, 나를 계속 버티게 해준 조용한 응원이었다.
ㅡ 「수식이나 논리보다 애정과 관심으로」 중에서
[일은 사람의 마음에서 움직인다]
데이터는 거짓말을 하지 않는다고들 말한다. 틀린 값은 찾아 고치고, 빠진 값은 채우면 된다. 그러나 사람은 그렇게 단순하지 않다. 표정은 감정을 숨기고, 같은 말도 듣는 사람의 입장에 따라 전혀 다른 의미로 받아들여진다. 저자가 작은 데이터 분석 조직을 이끌며 가장 크게 깨달은 것도 바로 이 점이었다. 데이터 분석보다 더 어렵고 중요한 일은 함께 일하는 사람의 표정과 말의 온도를 읽는 일이었다.
『데이터는 사람으로 말한다』는 분석 기법을 알려주는 실용서가 아니다. 데이터 경영의 중요성을 선언하는 책도 아니다. 이 책은 데이터를 직접 뽑고 모델을 돌리던 실무자의 손끝과, 방향을 정하고 조직을 이끄는 리더의 어깨 사이에 놓인 현실적인 고민을 다룬다.
어떤 데이터를 써야 하는지보다 먼저 왜 이 일을 하는지를 묻고, 정확한 결과를 만든 뒤에는 그것을 누구에게 어떤 언어로 전할지를 고민한다. 열심히 만든 분석이 반려된 이유, 같은 데이터를 보면서도 부서마다 다른 결론을 내리는 이유, 논리적으로 완벽한 보고서가 사람을 설득하지 못하는 이유를 하나씩 되짚는다.
숫자는 스스로 말하지 않는다. 데이터를 골라내고 해석하며, 의미를 부여하고, 끝내 누군가의 선택으로 연결하는 것은 사람이다. 이 책이 말하는 좋은 분석가는 숫자를 능숙하게 계산하는 사람에 머물지 않는다. 데이터가 발생한 맥락과 그것을 받아들이는 사람의 상황까지 읽고, 서로 다른 시선 사이에서 납득할 수 있는 방향을 만드는 사람이다.
[정답보다는, 함께 움직일 수 있는 방향을]
실무의 문제에는 교과서처럼 하나의 답이 주어지지 않는다. 불량률이 개선되었다는 동일한 수치를 두고도 품질 부서에서는 아직 문제가 남았다고 말하고, 생산 부서에서는 충분히 좋아졌다고 판단할 수 있다. 숫자는 같아도 각자 책임지는 목표와 위치가 다르기 때문이다.
이 책은 정답이 없는 현실에서 분석가가 해야 할 일은 완벽한 해답을 선언하는 것이 아니라, 지금 이 조직이 가장 납득할 수 있는 방향을 제시하는 것이라고 말한다. 분석가는 중립적인 관찰자가 아니라 상황과 구조를 읽고 결정을 돕는 조율자이며, 때로는 불편하더라도 한쪽 방향을 선택해야 하는 사람이다.
저자는 실무자가 흔히 마주하는 장면들을 구체적으로 보여준다. 빠른 70점짜리 결과와 늦은 90점짜리 결과 중 무엇을 선택할 것인가. 모든 분석 과정을 보여줄 것인가, 핵심 한 문장만 남길 것인가. 중간 결과에 개입하는 것은 간섭인가, 함께 책임지기 위한 확인인가. 리더는 답을 내려줘야 하는가, 질문으로 맥락을 설계해야 하는가.
그 질문에 대한 답은 언제나 상황에 따라 달라진다. 다만 한 가지 기준은 분명하다. 분석은 의사결정의 골든타임 안에 도착해야 하고, 받는 사람이 이해할 수 있는 언어로 전달되어야 하며, 실제 행동으로 이어져야 한다. 분석을 끝냈다고 일이 끝나는 것이 아니다. 숫자가 사람에게 도달하고, 사람이 움직이는 순간에 비로소 분석은 완성된다.
[기술이 변할수록 더욱 중요해지는 일의 본질]
SQL, Python, 통계 프로그램, 머신러닝, 생성형 AI에 이르기까지 데이터 분석의 도구는 끊임없이 변해왔다. 더 많은 데이터를 빠르게 처리하고, 복잡한 모델과 그럴듯한 보고서를 짧은 시간 안에 만들 수 있게 되었다. 그러나 도구가 아무리 발전해도 무엇을 물어야 하는지, 결과를 어디까지 믿어야 하는지, 누구에게 어떻게 설명할 것인지는 여전히 사람이 결정해야 한다.
저자는 최신 기술을 부정하지 않는다. 오히려 새로운 도구를 적극적으로 받아들이면서도, 기술이 분석가의 판단과 책임을 대신할 수 없음을 강조한다. 질문이 흐릿하면 AI가 만든 답도 공허하고, 데이터가 잘못되면 빠른 도구는 잘못된 결과를 더 빠르게 퍼뜨린다. 결국 분석의 품질을 만드는 것은 화려한 기법이 아니라 기본기를 지키는 태도, 문제의 본질을 정의하는 힘, 결과를 정직하게 해석하는 책임감이다.
책의 후반부로 갈수록 이야기는 ‘좋은 분석가란 누구인가’라는 질문에서 ‘좋은 동료란 누구인가’라는 질문으로 확장된다. 시간이 지나 남는 것은 완벽한 보고서보다 힘든 순간 함께 길을 찾았던 기억이며, 숫자로 환산되지 않더라도 조직을 지탱하는 신뢰와 친절이라는 것이다. 좋은 관계는 일을 시작하게 하고, 실력은 그 일을 끝까지 완성하게 한다. 저자가 말하는 진짜 실력은 바로 그 두 가지가 만나는 자리에서 드러난다.
『데이터는 사람으로 말한다』는 데이터 분석가만을 위한 책이 아니다. 보고와 설득에 지친 직장인, 성과와 관계 사이에서 고민하는 리더, 빠르게 변하는 기술 앞에서 자신의 경쟁력을 의심하는 사람이라면 누구나 자신의 이야기를 발견할 수 있다. 결국 모든 일의 시작과 끝에는 사람이 있다. 이 책은 그 익숙하지만 자주 잊는 사실을, 한 분석가의 단단하고 다정한 기록으로 다시 들려준다.