DDM(Datarize Dev Meetup) 두 번째 발표자는 데이터 분석가(DA)이자 PM을 맡고 있는 다솜님입니다. 다솜님은 분석한 데이터를 곧 프로덕트로 구현하는 데이터라이즈 DA의 역할을 주제로 발표했는데요. 지금 바로 확인해 보세요!

안녕하세요, 데이터라이즈에서 애널리틱스 기능의 PM이자, DA를 맡고 있는 박다솜이라고 합니다.
보통 DA는 다양하고 많은 분석을 하고 있지만, DA가 하는 분석 그 자체가 프로덕트가 되는 경우는 그렇게 많지 않아요. 데이터라이즈는 그 희귀한 케이스에 들어가는데요. 그러면 분석 그 자체가 프로덕트인 데이터라이즈의 DA는 어떻게 일하는지 발표하도록 하겠습니다.

여러분, 만약 PM이 “방문과 구매를 기준으로 세그먼트를 나눠주세요. 고객사가 이걸 보고 사이트의 상태를 스스로 파악하고 액션을 취할 수 있게 해주세요!”라고 요청 한다면, 무엇을, 어떻게, 어떤 순서로 업무를 진행하실건가요? 일반적인 DA라면 가설을 설정 후 고객사를 분석하고, 결론을 내고, 결론을 바탕으로 액션을 유도합니다. 방문과 구매 관련 어떤 데이터를, 어떤 방식으로 모델링을하고, 어떤 인사이트를 제공하고, 어떤 액션을 유도할지를 분석하는거죠. 그 후 액션을 제안하고 액션을 평가하는 후행 분석을 진행할 수도 있습니다.

그러나 데이터라이즈의 DA는 여기서 멈추지 않고, 프로덕트를 위한 여정을 이어갑니다. 만약 아까의 분석 결과가 충분히 유의미하고, 데이터라이즈에 녹여냈을 때 고객사가 좋은 인사이트를 얻을 수 있다는 결과가 나온다면, 분석물 자체를 좀 더 탄탄하게 만드는 과정을 거칩니다. 분석의 일반화 단계라고 할 수 있어요. DAU가 천명인 고객사도 있지만, 5만명인 고객사도 있고, 상품 개수가 10개인 고객사도 있지만, 100개인 고객사도 있어요. 이런 다양한 케이스를 커버할 수 있는 일반화된 분석을 제공하기 위해 연구 합니다.

그리고 이렇게 준비된 분석 결과를 데이터라이즈에 안정적으로 정합성에 맞게 DW를 설계하고, 백엔드까지 넘어가는 결과물을 구현합니다. 물론 이 과정에서는 많은 분들의 도움을 받죠. 마지막으로 이 모든 작업들을 프로덕트에 반영하기 위해 데이터 PM은 이 분석물을 고객이 스스로 읽고 인사이트를 얻을 수 있는 플로우를 연구하고 기획합니다. 또 그냥 인사이트만 얻고 끝이면 안되겠죠? 데이터라이즈에서 어떤 액션을 하면 되는지, 스토어 성장을 위해서 어떤 액션을 준비하면 좋을지 액션을 유도하는 플로우도 함께 연구합니다.

이 모든 과정을 거치고 나면 PM의 요청에 답 할 수 있게 됩니다. 우리는 일부 고객사를 대상으로 방문과 구매의 RF, RFM 데이터 모델링을 통해 이탈 확률을 계산하고 이를 바탕으로 고객군을 분류했습니다. 그리고 벤치마크를 통해 고객사가 스스로 자신들의 위치를 파악할 수 있는 플로우와 이를 바탕으로 사이트를 개선시킬 수 있는 액션을 스스로 취할 수 있는 화면을 만들었습니다.

요약하자면, 데이터라이즈의 DA는 일반적인 분석을 넘어 이 결과물을 프로덕트로 전환하는 전 과정을 함께 고민하고 이를 서비스에 녹여냅니다. 분석을 하고, 일반화를 하고, 프로덕트에 녹이고… 고객들에게 인사이트를 줄 수 있고 우리 프로덕트를 성장시킬 수 있는 분석을 함께 고민하고 싶으신가요? DA로서의 영역을 넓히고 내 분석이 프로덕트에 녹여져 고객이 지속적으로 사용하는 기능이 되길 원하신다면 데이터라이즈에서 함께 하시면 좋을 것 같습니다 :)