데밸챌) 그로스 해킹 - 1

데이터를 다루면서, 특히 예측 문제들을 많이 다루면서 

 

실제로 내가 하는 이 행동이 회사에 실질적으로 기여를 하고 있긴 한 것인가 하는 

 

의문을 가질 때가 많았다.

 

 

예측 모델의 정확성을 시간을 들여 개선한다고 그 시간만큼의 결과가 나오는 것일까?

 

데이터를 활용해서 회사의 발전에 직접적으로 영향을 미칠 수는 없는 것일까?

 

그러던 차에 데이터리안에서 진행하는 데이터넥스트레벨 챌린지를 보게 되었고

 

이번 기수인 4기에 "그로스 해킹"에 대한 책을 진행한다고 하여 참여하게 되었다. 

 

 

그로스 해킹이 이 블로그의 Causality 카테고리에 속하는 이유는

 

(개인적인 생각이지만)  그로스 해킹을 통해서 이루려고 하는 목표가 

 

예측 문제를 풀어서 해결되기 어렵겠다는 판단에서이다.

 

 

회사의 성장에 있어서 데이터를 통해서 풀어야 되는 여러 문제는 최적화 문제, 리스크 관리 혹은 재고 관리 등을

 

제외하면 대부분 intervention, experiment를 진행하고 extrapolation을 염두에 둬야만 해결할 수 있다고 생각한다.

 

그리고 그러한 문제들을 푸는 방법론 자체는 기존의 prediction 보다는 causality를 보려고 하는 것에 가깝다. 

 

 

그리고 이러한 방법론들을 토대로 더 넓은 시야에서 어떻게 하면 회사를 효과적으로 성장시킬 수 있을지 큰 프레임을

 

제시해 주는 것이 그로스 해킹의 접근방법이라고 생각한다. 

 

즉, 기획에서의 접근은 그로스 해킹, 실무(방법론)는 causality를 보려고 하는 다양한 방법론이라고 판단하고 있다.

(회사의 성장이 아닌 product의 성장은 product data analysis라는 프레임이 존재한다.)

 

 

이번 기회를 통해 기존의 데이터 사이언티스트, 데이터 애널리스트들이 어떻게 데이터를 효과적이고 직접적으로

 

회사의 성장에 기여하고자 고민하였는지 깊이 이해하고자하는 시간을 가지려고 한다.