김힘찬 부장이 감탄하며 말합니다.
“김아루 과장, 수고했네! 지난 분석을 통해 스테이크가 중요한 메뉴 아이템이란 것을 확인했지만, 이 정도일 줄은 몰랐네. 데이터 분석을 매출/예약 관점과 고객 관점으로 구분해서 분석한 것이 좋았어. 이것으로 주력 제품의 패턴과 우리 고객들이 한 번만 방문하는 고객이라는 사실, 상위 고객이 중요하다는 사실을 알아낸 것도 좋았고. 특히 의사 결정 나무를 사용하여 스테이크 주문 고객이 어떤 고객인지 확인한 것은 정말 탁월했어! 스테이크와 와인의 상관관계를 확인하고 두 제품을 멤버십 프로그램에 적용한 것은 두말할 필요가 없구먼!”
최분석 과장이 옆에서 거듭니다.
“부장님, 분석으로 인사이트를 찾아내기가 싶지 않은데. 김아루 과장님은 적절히 기술 통계와 추론 통계, 데이터 마이닝 기법을 사용해서 의미 있는 인사이트를 찾아냈습니다. 게다가 그냥 데이터만 확인할 때보다 그래프로 정리해서 설명해 주시니 듣기만 해도 쏙쏙 이해할 수 있겠네요!”
“김아루 과장, 그리고 최분석 과장! 정말 수고했네. 자네들 때문에 내가 아주 든든하네. 지금까지 분석한 결과를 바탕으로 멤버십 프로그램 론칭을 추진하겠네! 자네들, 연말을 기대해도 좋을 거야!”
“감사합니다, 수고하셨습니다!”
모든 과정이 마무리되었습니다. 지금까지 데이터 분석 과정을 다시 한번 요리에 빗대어 설명하겠습니다. 먼저 어떤 요리를 할지 결정해야 합니다(문제 인식, 목표 설정 및 가설 설정). 만들 요리를 결정했으면 좋은 재료를 엄선해야 합니다. 재료가 아무리 많다고 해도 내가 하려는 요리에 적합한 재료가 아니면 소용없을 것입니다. 또 선택한 재료가 신선한 재료인지 그렇지 않은지도 판단해야 합니다(데이터 수집). 재료를 준비했으면 그것을 어떻게 가공해야 목표한 요리를 만들 수 있을지 고민한 후 진행합니다(가공, 처리, 분석). 요리를 완성했으면 맛있는 요리를 손님에게 대접합니다(시각화, 커뮤니케이션, 실행).