매출 분석 (0) 10배 이상 뛰어난 데이터 분석가가 되는 법
매출 분석 시리즈 모아보기
10배 이상 뛰어난 데이터 분석가가 되는 법
업셀링(Upselling), 크로스 셀링(Cross-selling) 알아보기
ARPPU를 이용하여 매출 분석하기
LTV(고객 생애 가치), LTR(고객 생애 매출) 왜 필요하고 어떻게 계산할까? [✨ 로그인 전용]
안녕하세요. 데이터리안 윤선미입니다.
Revenue, Profit, Paying User의 비율, ARPU(Average Revenue Per User), ARPPU(Average Revenue Per Paying User), Up-selling, Cross-selling, 객단가 등 매출과 관련한 전문용어는 왜 이렇게 많은 걸까요? 매출을 내는 일이 회사에서 가장 중요한 일이기 때문입니다. 물론 비즈니스가 성장 단계의 어디쯤에 있느냐에 따라 매출보다 더 중요한 것(서비스 이용자 수 등)이 있을 수는 있겠지만, 그런 비즈니스도 결국에는 돈을 벌어야 살아남을 수 있습니다.
10배 이상 뛰어난 데이터 분석가가 되는 법
혹시 How to Be a 10x Software Engineer라는 글을 읽어보신 적 있나요?
이 글에서는 주니어 개발자가 자주 저지르는 3가지 실수를 소개하고, 같은 문제를 시니어 개발자가 어떻게 다르게 해결하는지를 보여주면서 '10배 이상 뛰어난 개발자가 되는 법'을 알려주는데요. 이 글에 따르면 주니어 개발자가 자주 저지르는 3가지 실수는 각각 이렇습니다.
Not investigating tooling enough (도구에 대한 고민, 연구를 충분히 하지 않음)
Not asking for help (도움을 요청하지 않음)
Not delivering business value (비즈니스 가치를 제공하지 않음)
셋 다 고개가 절로 끄덕여지는 항목이지만, 저는 특히 세 번째 '비즈니스 가치를 제공하지 않음'이 10x 개발자와 그렇지 않은 개발자를 가르는 확실한 기준이라는 생각을 했습니다. 시니어 개발자들은 그들의 코드가 비즈니스 목표를 달성하기 위한 수단이라는 것을 이해하며, 비즈니스 목표를 달성하기 위한 방향으로 모든 의사결정을 한다는 이야기인데요(심지어 그것이 코딩을 1줄도 하지 않는다는 결론을 내더라도요). 이런 기준이 아직 없는 주니어 개발자들은 종종 '멋진 신기술이 나왔으니까 써보자', '코드 구조가 마음에 안드니까 리팩토링을 하자', '구식 플랫폼을 버리고 새 플랫폼으로 마이그레이션하자'는 식으로 비즈니스 목표와는 전혀 상관 없는 근거와 방향으로 의사결정을 한다는 겁니다. (더 궁금하신 분들은 번역본도 있으니까 읽어보시면 좋을 것 같아요.)
데이터 분석가도 비슷합니다.
멋진 머신러닝 알고리즘이 나왔대요. 이번 프로젝트에 써봅시다. (이로 인해 확실히 좋아지는 것이 없는데도 불구하고요.)
제가 이렇게 분석을 해봤는데요. 이렇게 멋진 시각화가 나왔습니다! (비즈니스 목표 달성과 전혀 관련 없음)
분석 결과 E에서 비용을 절반이나(5천원) 절감할 수 있습니다. (너무 규모가 작아 하나마나한 개선)
주니어 데이터 분석가들이 수익 창출과는 무관한 이런 일들을 하는 동안, 10배 이상 뛰어난 데이터 분석가들은 뭘 하고 있을까요? 아마 저런 일을 하는 동안 쓴 시간의 반절도 안되는 시간에, 5배의 수익을 내는 분석을 하고있었을겁니다. 여기에서 10배의 생산성 차이가 발생합니다.
매출을 분석하자
좋은 소식을 알려드릴게요.
10배 이상 뛰어난 데이터 분석가가 되는 것이, 10배 이상 뛰어난 개발자가 되는 것보다는 쉬울 수도 있습니다. 왜냐하면 데이터 분석가는 매출 분석을 하니까요! (이 글을 읽는 개발자 선생님들이 화가 나지 않기를 바랍니다.) 회사의 비즈니스 목표는 결국 매출을 향합니다. 그것이 조금 더 먼 미래의 매출이냐, 가까운 미래의 매출이냐만 다를 뿐 겉으로 보기에는 돈과 전혀 상관 없는 것 같은 의사결정들도 결국에는 매출과 연결되어 있습니다. '지금 우리의 목표는 단기적으로 돈을 버는게 아니라, 사용자 수를 늘리는거야!' 같은 문장을 대충 읽으면 '아 지금 우리 회사는 매출이 중요한게 아니구나'로 결론을 내기 쉽지만, 사실은 '아 나중에 더 큰 매출을 내기 위해서 일단 지금은 이 일에 집중해야 하는구나'로 해석해야 합니다.
매출 분석 시리즈를 통해 '회사의 매출이 성장하고 있는지', '성장 또는 하락하고 있다면 그 원인은 무엇인지', '어떤 사용자들로부터 이 매출이 나오고 있는지' 현상 분석 뿐만 아니라 '어떻게 하면 매출을 성장시킬 수 있을지' 전략까지 일부 다뤄보려고 합니다. 단순히 숫자로서 매출을 분석하는 방법론만 배워가는 것이 아니라 여러분들의 회사에서 어떻게 돈이 흐르고 있는지, 나는 그 흐름에 어떤 기여를 할 수 있을지 함께 고민해보는 시간이 되기를 바랍니다. 시리즈를 쭉 따라오다보면 여러분들이 10배 이상 뛰어난 데이터 분석가가 되어있을지도 모르지요!
다음 글에서는 회사 전체 매출을 어떻게 구조적으로 쪼개어 볼 수 있는지 얘기하려고 합니다. 우리에게 친숙한 서비스들이 매출 최대화를 위해서 어떤 장치들을 전략적으로 배치해놨는지 사례도 몇 가지 같이 소개해보겠습니다.


이 글은 Taylor Brownlow 의 아티클(Dashboards are Dead)을 번역한 내용입니다.

내가 만든 대시보드는 왜 아무도 보지 않을까?

conversion_type

시리즈 내 순서

conversion_text

멤버 전용

대표 이미지

공개 가능

작성일

예상 읽기 시간

전환 텍스트

글쓴이

시리즈

상단 노출

전환 유형

요약

제목

고객을 세분화하여 나누고 나면 개선이 필요한 고객군을 발견하기도 하고, 다른 고객군들과 현저하게 다른 성과를 내는 고객군을 발견하기도 합니다.

코호트 분석 Cohort Analysis

10배 이상 뛰어난 데이터 분석가가 되는 법

매출과 관련한 전문용어는 왜 이렇게 많은 걸까요? 매출을 내는 일이 회사에서 가장 중요한 일이기 때문입니다.

매출 분석 (0) 10배 이상 뛰어난 데이터 분석가가 되는 법

Contents

함께 읽어보면 좋은 글

1주 1개 실험하는 프로덕트 팀이 되는 여정

매출 분석 (3) LTV(고객 생애 가치), LTR(고객 생애 매출) 왜 필요하고 어떻게 계산할까?

공학적 관점으로 데이터 분석 프로세스 만들기

데이터 분석 소식을
한 달에 한 번 받아보세요