한빛미디어가 주최한 데브그라운드 2019 에서 발표한 자료입니다. by 마이리얼트립 Growth팀 양승화

1. 데이터가 흐르는
조직 만들기
양승화 마이리얼트립

2. 네이버 이음소시어스 SK텔레콤 마이리얼트립
검색기획/UX 소셜데이팅 기획/운영 T전화 기획 Growth
양승화

3. 여행자들이 본인의 취향에 맞춰
세상을 경험하도록 돕습니다.
마이리얼트립은
항공권, 숙박, 투어&티켓, 에어텔 상품을 예약할 수 있는
국내 최고의 자유여행 플랫폼입니다.
2012년 가이드 투어 서비스를 시작으로 2018년 항공 서비스까지
성공적으로 출시하며 빠르게 성장하고 있습니다.
마이리얼트립은 여행자들이 개인의 취향에 맞는 여행을 할 수 있도록
도움을 주고, 여행자에게 더욱 가치 있는 경험을 제공하기 위해 끊임없이
노력하고 있습니다.

4. “데이터를 기반으로 일하는 회사를 만들자!”
“데이터를 바탕으로 OOO 문제를 해결하자!”

5. • 핵심 지표 선정 및 관리
• 데이터 파이프라인 설계 및 구축
• 주제별 데이터 분석
• 데이터 추출 및 분석 요청 대응
• 데이터 기반으로 일하는 문화 만들기
팀

6. 혼자 이걸 다?
팀
• 핵심 지표 선정 및 관리
• 데이터 파이프라인 설계 및 구축
• 주제별 데이터 분석
• 데이터 추출 및 분석 요청 대응
• 데이터 기반으로 일하는 문화 만들기

7. 팀
• 핵심 지표 선정 및 관리
• 데이터 파이프라인 설계 및 구축
• 주제별 데이터 분석
• 데이터 추출 및 분석 요청 대응
• 데이터 기반으로 일하는 문화 만들기
차근차근 하면 되는 것
당장 시간을 제일 많이 쓰는 것
어떻게 해야 할 지 막막한 것

8. • 어떤 데이터가 있는지 모르겠음
• 데이터 추출 요청을 하려면 팀장 승인이 필요한데…
• 간단한 요청인 것 같은데 1주일이나 걸린다고?
• 1주일 지나서 받았더니, 아 이거 말고 OOO을 요청할 걸…
• 내가 요청한 건 합계, 카운트, 평균 밖에 없는데, 이걸
데이터분석이라고 할 수 있을까…
• 데이터팀에서 데이터분석 리포트라는 걸 보내줬는데,
재미있긴 한데 딱히 업무에 쓸 만한 건 없네
• …
사업부서
실무자

9. • 여기저기서 쏟아지는 데이터 추출 요청에 정신이 없다
• 목적이 OOO인 것 같은데, 이 데이터를 달라고?
• 어떤 데이터를 추출해야 하는지 제발 구체적으로 써주세요
• 이것 추출해줬더니 이것도, 저것도, 다른것도 계속 더 달래
• 필요할 것 같아서 대시보드를 만들었는데, 왜 아무도 안 보지?
• 자주 쓴다고 해서 대시보드를 만들어줬는데, 왜 추출 요청이
안 줄어들지?
• 데이터 추출 말고 분석 좀 해보고 싶다 ㅠㅜ
• …
데이터팀
분석가

10. • 대시보드가 잘 되어 있는데도 계속 요청한다
• 보다보면 궁금한 게 더 많이 생김 -> ad hoc 분석이 많은 게 정상
• 조금씩 조건을 바꿔서 자꾸 요청한다
• 쓸만한 인사이트나 아이디어는 데이터를 다양한 각도에서 살펴보면서
반복되는 질문과 답 속에서 찾아진다 -> 역시 이것도 정상
이건 문제가 아님

11. • 데이터 분석가들이 데이터 추출만 하고 있다. 다른 일 할 시간이 없다.
• 데이터 추출 요청이 명확하지 않아서, 의도를 재차 확인하고 데이터를
추출하는 데 시간이 오래 걸린다.
• 데이터 추출 요청을 하는 게 번거로워서, 데이터팀의 눈치를 본다.
• 데이터 분석을 데이터팀에서만 한다.
• 데이터팀에서 분석한 결과가 서비스에 반영되지 않는다.
이건 문제

12. “우리 회사는,
데이터를 중요하게 생각하는 문화를 가지고 있어요”

13. 데이터를 기반으로 업무를 진행하는 프로세스와 역량을 갖춘 회사
넘.사.벽
데이터의 중요성을 모든 구성원이 공감하는 회사

14. • 복잡한 절차 없이, 필요한 데이터를 누구든 찾아 볼 수 있다
• 추출한 데이터를 다양한 형태로 가공하면서, 인사이트를 찾을 수 있다
• 데이터 분석가들이 본업인 ‘분석’에 집중할 수 있다
• 분석 결과물들이 체계적으로 쌓이고, 실제 서비스에 반영된다
• 데이터를 기반으로 부서 간 협업이 원활하게 진행된다
• 좋은 질문을 할 수 있다
프로세스와 역량을 갖춘 회사

15. 요청자 ≒ 분석가
조직의 역량 > 팀의 역량 > 개인의 역량
요청자 와 분석가의 역할이 명확하게 구분
조직의 역량 = (똑똑한) 개인의 역량

16. • 요청을 하는 사람과 추출/분석 하는 사람 구분 없이, 원하는 사람이 필요한
시점에 자유롭게 데이터에 접근할 수 있는 업무환경 만들기
• 질문 > 데이터 추출 > 데이터 분석 까지 하나의 완결적인 cycle을 스스로
해낼 수 있는 개인의 역량 갖추기
• 이러한 개인적인 역량이 뒷받침 된 가운데, 더 좋은 질문과 더 좋은 답을
찾기 위한 조직의 역량 갖추기
데이터가 흐르는 조직 만들기

17. 데이터가 흐르는 조직을 만들기 위해서
1인 그로스팀이 살아남기 위해서
마이리얼트립이 시도한 것들

18. 사내교육
데이터 추출과 분석을 위한 기본 지식 쌓기

19. 교육 #1. 데이터 분석 프레임워크와 마인드셋

20. 교육 #1. 데이터 분석 프레임워크와 마인드셋

21. 교육 #1. 데이터 분석 프레임워크와 마인드셋

22. 교육 #1. 데이터 분석 프레임워크와 마인드셋
에서 전체 슬라이드를 보실 수 있습니다

23. 교육 #2. SQL
• 마리트 공식(?) SQL 강의

24. 교육 #2. SQL
• 자기주도학습!
• 매일 자정까지 진도 공유
• 스터디 채널을 만들어서 Q&A 진행

25. 교육 #2. SQL
• 동영상 강의 수강이 끝나면, 서비스 DB 스키마 익히기
• 그리고 배웠던 SQL 문법을 써먹을 수 있는 과제를 합니다. 매일 제출 & 피드백
• SQL 스터디 진행기간은 전체 3주

26. 교육 #3. Excel
• Vlookup 쓸 때의 문법은?
• 피벗테이블이란 무엇인가?
• 그래프에서 이중 축 만드는 방법은?
스킬에 대해 공부하는 것 말고
• 2018년 가입자들의 월별 리텐션에 대한 코호트 테이블을 만들어봅시다.
• 누적 결제데이터 기반으로 LTV를 계산해봅시다.
• 자동 갱신되는 보고서를 만들어봅시다.
실제 업무에서 필요한 문제를 풀면서, 그걸 위한 스킬을 연습합니다.

27. 사내교육이 의미있으려면
• 주기적으로 계속 해야 합니다.
• 안그러면 1회성 이벤트로 그칠 수 있음
• 리더의 의지와 지원이 필요합니다.
• CEO와 COO도 자발적으로(!) 교육 참석
• 배운 걸 즉시 써먹을 수 있는 환경이 지원되어야 합니다.
• Query를 배워도, DB를 안 열어주면 무쓸모
• 배운 걸 실제 업무에 써먹고 있는지 체크해야 합니다.
• 이거 배우면 일하기 편하다는 게 소문나서(?) 신규 입사자분들이 다음 기수 언제
시작하는지 자꾸 물어봄…

28. 시스템
쿼리와 대시보드를 공유할 수 있는 환경

29. 데이터 파이프라인 만들기
• 구성원들이 자유롭게 Querying 할 수 있는 환경을 만드는 게 시작
• 데이터 파이프라인이 잘 구축된 회사라면 좋겠지만, 시작부터 엄청난 시스템이
필요한 건 아닙니다.
• 백업용으로 들고 있는 DB를 가지고 시작할 수도 있음.
• 운영 서버에 직접 Query를 하는 것만 아니면 괜찮음.
• 시스템의 문제라기보다는, 신뢰의 문제.

30. 간단한 BI툴에서부터 시작 바퀴를 재발명하지 마세요

31. 써보니깐 좋더군요 1
• 최초 세팅에 걸리는 시간 30분
• 지나치게(?) 간단한 기능 = 단시간에 학습 가능
• SQL + Graphic UI를 통한 시각화
• 쿼리, 대시보드 공유
• 굉장히 합리적인(!) 가격
• 다양한 source의 데이터를 통합적으로 보기에는 불편
• 조회 이상의 용도로 사용하기에는 부족

32. 써보니깐 좋더군요 1

33. 써보니깐 좋더군요 2
• 데이터 엔지니어 없이 ETL하기
• Attribution, Advertising, Email, CRM 등 다양한 source 지원
• 개발 없이, GUI 설정만으로 꽤 디테일한 적재 옵션 설정
• 합리적인(!) 가격
• 데이터 엔지니어링 리소스가 있다면 굳이…

34. 써보니깐 좋더군요 2

35. 써보니깐 좋더군요 3
• 분석용 DB를 만들어야 하는데, 데이터 엔지니어가 없다면?!
• Firebase 연동 편의성 (앱 로그 분석)
• 어마무시한 속도와 저장공간
• Data Studio와 연계한 시각화도 가능
• 굉장히 합리적인(!) 가격
• 변성윤님의 BigQuery의 모든 것 (이거보다 더 잘 설명할 자신이 없음)
• https://www.slideshare.net/zzsza/bigquery-147073606

36. 써보니깐 좋더군요 3

37. 조직문화
결국 사람이 하는 것

38. 데이터가 흐르는 조직 문화: 업무환경
• 리더의 의지 • 데이터에 대한 폭넓은 접근성

39. 데이터가 흐르는 조직 문화: 조직구조
• 낮은(또는 거의 없는) 부서 간 업무 장벽 • 고립되지 않은 분석 조직

40. 데이터가 흐르는 조직 문화: 일하는 방식
• 지표의 조작적 정의 • 반복되는 실패, 지속적인 실험

41. 데이터가 흐르는 조직 문화
• 좋은 질문을 찾는 노력

42. 더 좋은 질문과
더 좋은 답을 찾기 위한
조직의 역량 갖추기
저희도 이제 하나씩 시작…

43. • 얼마나 데이터가 큰가요?
• 어떤 도구를 쓰나요?
• 어떤 언어를 쓰나요?
• 어떤 알고리즘을 쓰나요?
• 이런 문제를 풀고 있어요
주위에서 물어보는 것 우리가 이야기하는 것

44. Data Driven Company를 만들기 : 그로스팀
• 데이터 파이프라인을 설계하고, 분석 DB를 구축
• 핵심지표 선정 및 관리
• 새로운 서비스와 툴을 학습하고, 빠르게 업무에 적용
• 단순 데이터 추출보다는, 여러 부서와 협업해서 비즈니스의 문제를 해결
• 파트너 송금 프로세스를 효율적으로 바꾸려면? (w/회계팀)
• 티켓 재고관리를 어떻게 해야 할까? (w/사업팀)
• 어트리뷰션 데이터를 이렇게 활용하면 좋지 않을까요? (w/마케팅팀)
• 리뷰 데이터에서 운영 개선 아이디어를 뽑아 보죠. (w/운영팀)

45. 데이터에 기반해서 핵심 지표를 개선 : 크로스셀TF
• 핵심지표 선정, 선행지표에 대한 조작적 정의
• 지표 개선을 위한 실험 설계
• 실험 & 검증 & 반복
• 열심히 고민해서 한 방에 종합적이고 완벽한 솔루션을 만드는 게 아닙니다.
• 우리의 목표는 작은 가설들을 세운 후에, 이게 통하는지 검증하는 과정을 작고 빠르게 반복하는 것입니다.
• 출시했다 = 실험했다 가 아닙니다. 실험의 결과를 잘 확인하고 이를 바탕으로 학습하지 않으면 출시 자체는
아무런 의미가 없습니다.
• 실험 결과가 기대대로 나오지 않을 수 있습니다. (그렇다고 잘못한 건 아닙니다)
• 대신, 빠른 속도로 많은 실험을 할 수 있어야 합니다. (1달동안 실험 하나 해서, 하나의 결과를 본 건 잘못한
겁니다...)

46. Data Driven Company를 만드는 팀
• 데이터 분석가
• 데이터 전처리 및 분석 인프라 구축
• 개별 사업부서가 분석의 주도권을 가지도록
• 어려울 때 도와드립니다!
• 우리가 먼저 찾아보고, 협업을 제안합니다
• 사내 Evangelist
데이터에 기반해서, 핵심 지표를 개선하는 팀
• 개발자/디자이너/마케터/분석가…
• 분석에서 끝나지 않고, 비즈니스 지표에
임팩트를 주는 결과 만들기
• 우리가 Best Case를 만들어볼께요!
• 시행착오 받아들이기 & 계속 도전하기
팀 크로스셀

47. 양승화