주니어 PM도 데이터 분석을 배워서 회사에 기여할 수 있어요.

안녕하세요! 저는 *시드 라운드(seed round) 스타트업에서 커리어를 시작한 1년 차 주니어 PM, Kim입니다. 팀에서 처음으로 데이터 수집 체계를 설계하고 세팅하여 분석하는 업무를 맡았어요.

구글링도 하고 외부 교육도 수강지만 난생 처음하는 일이라 진척이 잘 되지 않았어요. 이 문제를 해결하고자 현직자에게 궁금한 점을 바로 물어볼 수 있는 ‘랜선사수’ 서비스를 2주간 이용했습니다.

사실 데이터 환경 세팅과 분석에 대한 내용은 인터넷에 정보도 많고 교육도 많아요. 저도 처음에 업무를 시작할 때는 혼자 공부해 가며 할 수 있을 줄 알았죠. 그러나 필요 이상으로 시간이 많이 걸리더라구요. 예를 들어 ‘데이터를 어디에 수집할 것인지’를 결정해야 했는데, 하루 종일 여러 툴의 장단점을 비교해 봐도 확신이 서지 않더라요.

번지의 데이터 분석가 멘토링 서비스를 이용한 후에는 이미 여러 툴을 경험한 현직자에게 우리 회사의 상황을 공유하고 “이러한 상황에는 어떤 툴이 가장 적합할까요?”라고 질문할 수 있었어요. 직접 경험한 현직자의 노하우를 공유받으니, 제가 미처 생각지도 못했던 제약 사항도 알 수 있어서 더 현명한 의사결정을 내릴 수 있었고요.

예를 들어, 어떤 툴은 데이터 외부 추출 과정이 매우 복잡해서 추후 마이그레이션을 고려하면 적합하지 않다거나, 또 다른 툴은 특정 용량 이상이 되었을 때 가격이 지나치게 비싸진다는 등의 사실을 미리 알 수 있었습니다. 질문 하나로 하루 종일 구글링에 쓸 시간을 아낄 수 있었어요.

PM 데이터 분석 멘토링 예시

이 외에도 제가 남겼던 질문 중에 기억에 남는 것들을 공유해 볼게요.

• Google Big Query (데이터 웨어하우스)에 Meta 광고 데이터를 연동할 때 필요한 Python 코드를 작성해 봤는데 작동하지 않아요. 피드백 주실 수 있을까요?
• 보통 B2B 서비스를 판매하는 웹사이트에서는 어떤 지표로 성과를 판단하나요?
• 고객 행동 데이터를 방문 경로(meta 광고, 검색, SNS 등) 기준으로 분석하고 싶은데 어떻게 해야 하나요?

스타트업을 포함한 신사업 및 신규 프로젝트를 진행하는 조직에서는 한 번도 해보지 않은 업무를 시도해서 성과를 만들어야하는 경우가 많은 것 같아요. 번지의 멘토링 그때그때 필요한 조언을 구할 수 있는 전문가를 연결해 주는 서비스입니다.

조직 내부의 인원이 전문가의 카운터파트가 되어 노하우를 배워 팀 내 적용하죠. 직접적으로 실무 성과를 내는 교육 서비스라고 이해하면 됩니다.

랜선 사수에게 조언을 구하며 1년 차 PM으로서 데이터 분석 환경의 초기 세팅을 성공적으로 마칠 수 있었던 것이 성과이죠. 아마 혼자서 진행했다면 훨씬 더 오랜 기간이 필요했을 거예요. 중점적으로 조언을 구했던 세 가지 포인트를 공유합니다.

구글 클라우드 플랫폼 구조

비용, 용량, 데이터 규모 등 다양한 요소를 고려하여 현재는 구글의 빅 쿼리(Big Query)를 이용하면 좋겠다고 조언해 주셨습니다.

저장하는 데이터 용량에 비례해 비용을 지출하기 때문에 가격이 합리적이고, 일정 수준을 넘어가기 전까지는 완전히 무료로 사용할 수 있기 때문이었어요. 저희와 같은 B2B 서비스는 데이터의 양이 비교적 적기 때문에 합리적인 선택이었죠.

또한 구글 애널리틱스4(Google Analytics 4) – 빅 쿼리(Big Query) – 루커 스튜디오 (Looker Studio)를 함께 활용하면 시너지가 좋다고 말씀해 주셨어요.

데이터 웨어하우스를 선정한 후 가장 먼저 했던 일은 정리되지 않은 채 이곳저곳에 산재되어 있는 데이터를 한 데 모아 저장한 것입니다.

그다음 고민은 ‘어떤 데이터를 어떻게 가공해서 지표로 활용해야 할까’였고, 랜선 사수에게 조언을 요청했어요. 비즈니스에서 집중하고 있는 것과 프로덕트에서 검증하고자 하는 가설 등 배경과 맥락에 대해 상세히 논의한 후, 주요 지표에 대한 조언을 들을 수 있었습니다. 선정한 주요 지표의 예시를 공유합니다.

• 유입 경로별 발생 트래픽
• 구매 퍼널의 단계별 전환율
• 유입 트래픽 대비 전환율
• 상세 페이지별 전환율

주요 지표를 선정한 이후에는 raw data를 어떻게 가공해야 지표별로 정확한 값을 추출할 수 있을지 SQL 쿼리 문을 작성하는 법에 대한 논의를 나눴습니다.

SQL 활용에 아주 능숙하지 않은 사람으로서 가장 어려운 것은 ‘이유를 알 수 없는 에러’를 해결해야 할 때인데요. 작성한 쿼리문을 보여드리고 피드백을 받아 수정하니 업무 효율과 실력을 크게 개선할 수 있었어요.

선정한 주요 지표가 자동적으로 업데이트되는 대시보드를 구글 루커 스튜디오 (Looker Studio)를 활용해 제작했습니다. 구글 클라우드 플랫폼 (Google Cloud Platform, GCP) 내에서 데이터 업데이트 자동화를 설정하는 과정이 가장 까다로웠는데, 화상 미팅에서 30분 정도 설명을 듣고 진행하니 훨씬 수월했습니다.

이렇게 누구나 필요한 지표를 확인할 수 있는 환경을 갖추고 나니 문제가 발생했을 때 훨씬 빠르게 대응하고 개선할 수 있게 되었습니다. 감에 의존하던 의사 결정 대신, 데이터에 기반하여 가설을 세우고 검증하는 방식으로 업무를 진행할 수 있게 문화가 바뀌어감을 체감하고 있습니다.

회사든 사람이든 새로운 일을 시작할 때 시행착오를 단축하고 단시간 내에 성과를 내야 하는 상황에 가장 적합할 것 같아요. 한 마디로 모두의 ‘처음’을 쉽게 만들어주는 서비스라고 생각합니다.