한빛미디어

‘데이터분석의 진일보는 인과추론(Casual Inference)’ 
_
오래전부터 강조했던 데이터 리터러시(Data Literacy)의 중요성이 점점 더 현실에게 강조되고 있음을 느낍니다. 이미 수많은 기업에서는 데이터 분석 직무를 별도로 채용하고 있으며, 공공기관에서도 데이터 분석에 대한 전문성이 있는 분들의 경우는 단순 순환식 근무가 아니라 전문분야에 대한 대우가 달라질 추세라고 생각합니다. 이러한 시점에서 해당분야에 대한 접근을 했거나 준비하고 있는 사람이라면, 앞으로는 단지 데이터를 분석하는 역량이 아니라 유의미하게 의사결정할 수 있는 논리적 체계를 가지고 있어야 이 데이터 분야에서도 한단계 업그레이드 할 수 있을 겁니다. 저는 그 중에 하나라 인과추론(Casual Inference)를 실무에서 활용할 수 있는 역량이라고 보고 인과추론 데이터 분석의 불모지와 같은 대한민국에 마테우스 파쿠에레의 <실무로 통하는 인과추론 with 파이썬>이 등장한 것은 현직자들이 환영할 일이라고 생각합니다.

아직 인과추론에 대해 익숙하지 않은 분들이 많을 겁니다. 예를 들어 ‘쇼핑몰의 크기를 20% 확장했더니 3개월 후에 방문객이 20%’증가한 결과가 나왔다고 봅니다. 그렇다면 쇼핑몰의 크기를 넓히면 방문객이 증가하는 것이 참일까요, 그리고 해당 크기만큼에 유의미한 방문객수가 증가할까요? 그런데 타 경쟁사나 해외의 사례들을 확인하고 싶어 해당 데이터 분석을 한 결과 어떤 쇼핑몰은 크기 확장대로 증가했지만 그렇지 않은 쇼핑몰의 비중이 크다고 할 때 데이터 분석가들이 바로 ‘인과추론’을 할 시점이며 인과추론은 데이터 변수간의 상관관계를 일반분석을 하는 것을 넘어 해당 변수에 대한 통계적인 이론을 접목하여 구체적인 방법론까지 제시하는 것을 의미합니다. 그리고 본서는 실무의 데이터 분석가들이 활용할 수 있도록 파이썬(Python)을 통해 이를 전달하고 있습니다.

과거 인과추론에는 회귀분석(Regression Analysis)를 통한 선형회귀 방법과  A/B테스트등의 고전적 인과추론 방법이 쓰였습니다. 그런데 해당내용으로만은 인과추론의 이론적토대에 대한 접근성은 가질 수 있지만 실질 데이터 분석가나 경영평가 모형을 사용하는 실무진의 사용과는 거리가 있습니다. 그래서 본서는 이를 파이썬(Python)을 통한 실무 방법론과 연계시킵니다. 그래서 예를 들어 어떤 고객이 할인쿠폰없이 만족도가 높은지 배당 서비스의 서비스 충성도를 위해서는 어떤 방법이 ‘인과추론적’으로 의미가 있는지에 대한 정량적인 내용들과 실습이 가능합니다.

성공한 연사의 경영성과내용을 보면 말로는 A라는 변수가 B라는 변수에 영향을 미쳐서 결과가 난 것 처럼 보이지만, 실제로는 B가 아니라 C, D, E 때문일수도 있습니다. 만일 인과추론 방법론을 이해하지 못하거나 이를 적용할 역량이 부족하면 곧이곧대로 B라는 변수가 맞다는 ‘확증편향’에 빠질 수 있습니다. 하지만 인과추론과 함께 실제 결과변인을 추론할 수 있는 능력을 갖춘다면 남들이 보지 못하는 새로운 변수를 알 수 있는 ‘희소능력’을 보유하게 됩니다. 이러한 능력이 바로 남들과 다른 차별화 역량이 되는 것이지요, 본서의 내용들을 하나하나 짚어가면 그것을 가능하게 만들어 줄 수 있습니다.

‘이제는 단순한 데이터 분석능력의 시대는 저물고 있습니다’

한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다