경영 데이터를 분석할 때 잘 하는 사람과 그렇지 않은 사람의 차이점이 있는데, 바로 가설에 대한 지식이다. 경영 데이터 분석 시 어떻게 가설을 세우는 지에 따라 차이점이 생긴다.
보통 가설을 결과에 대한 가설이라고 생각하는 경우가 많다. 예를 들어 ‘코로나가 어느정도 안정화됐으니 매출은 오르는 추세를 보일거야’ 가 가설이라면 실제로 매출이 오르고 있는 데이터를 보는 것이다.
데이터 분석을 위해 이 가설을 검증하고 증명해야 하는데, 그렇게 데이터를 보다 보면 매출이 실제로 올랐다 오르지 않았다는 것만 보게 되고, 그 다음에 이것을 가지고 무슨 얘기를 할까를 머릿속에 그리지 못하는 경우가 많다.
가설은 결과에 대한 가설이 아니라 과정에 대한 가설이어야 한다. A라는 것에 최종적인 보고서를 쓸 때 도달해야 하는 지점은 Z인건데, Z에 대한 가설을 세우려고만 하니까 BCDE에 대한 과정을 다 건너뛴다.
위 가설을 검증하기 위해 어떤 지역에서, 어느 연령대에서, 어떤 치료과목에서, 어떤 내원경로에서 매출의 변화가 있었는지에 대한 궁금증이 모두 가설이 되어야 한다.
그런데 무작정 Z, 즉 ‘코로나가 안정화되었으니 매출이 오르는 추세를 보일거야’ 가 가설이라면 그 정도의 데이터밖에 못 보고, 그것들을 분석해서 인사이트를 뽑고자 할 때, 보고할 때, 전략을 짤 때는 굉장히 얘기거리가 줄어들게 된다. 얘기거리가 줄어든다는 것은 내가 어떤 데이터를 봐야 할지도 감을 못 잡는다는 것이다.
분석 시 A에 대한 접근을 할 때는 Z에 대한 가설이 아니라 A-에 대한 가설이어야 한다. 꼬리에 꼬리를 무는 이야기처럼 가설도 꼬리에 꼬리를 물어야 한다.
최근 필자가 세운 가설과 검증의 예를 들어보겠다. ‘매출의 하락을 미리 예상할 수 없을까?’ 라는 궁금점이 들었다.
내가 세운 가설 A-1은 환자 유입 수(신환, 구신환), A-2는 상담건수, A-3은 상담 동의금액, A-4는 당월의 수납 비율, A-5는 병원의 분할납부 소요일이었다. 그리고 분석결과, 위의 가설 중 2가지 조건에서 매출 결과에 대해 예측할 수 있는 시그널을 발견했다.
데이터 분석에서 가설을 세운다는 것은, 가설을 세우면서 봐야 하는 데이터의 범위, 데이터 소스, 데이터를 통해 얻고자 하는 것이 머릿속에 많아져야 한다. 그래야 가설을 세울 때 더 유의미한 인사이트를 발견할 수 있게 된다.
