데이터 리터러시는
단순히 데이터를 해석하는 능력이 아니다.

상황을 이해하고,
정보를 근거로 판단하고,
그 판단을 설명할 수 있는 힘까지 포함한다.

---

정형 vs 비정형

구분	설명	예시
정형	구조화된 숫자, 표	엑셀, DB
비정형	자유로운 형태	대화, 이미지, 영상

둘 다 분석 대상이 될 수 있다.
요즘은 말, 글, 행동도 데이터가 된다.

---

왜 중요한가?

우리는 이미 매일 데이터를 마주하고 있다.
SNS 피드, 유튜브 알고리즘, 쇼핑몰 추천, 매출 보고서까지.

이해할 수 없다면 “감”으로 판단하는 수밖에 없고,
읽을 수 있다면 판단에 근거가 생긴다.

---

방향 없이 보는 데이터는 의미 없다

분석은 탐색이 아니라
확인하고 싶은 가설이 있는 상태에서 시작돼야 한다.

‘무엇을 보고 싶은지’
‘어떤 결과를 예측해보는지’

이런 전제가 없으면
데이터는 그저 숫자의 나열일 뿐이다.

---

탐색의 출발점

가설이 생기는 건 작은 의문에서부터다.

1. • 사용자는 왜 중간에서 이탈할까?
2. • 이 기능을 누가 자주 사용할까?
3. • 특정 시점에 매출이 꺾인 이유는 뭘까?

의문이 명확해질수록, 데이터가 의미를 가진다.

---

현장에서 관찰했던 사례

‘영수증 분석’ 과제가 있었다.
별 의미 없어 보이던 구매 목록에서

1. • 반복되는 패턴
2. • 예상 밖의 조합
3. • 특이한 시간대

같은 것들이 눈에 들어오기 시작했다.

처음엔 수치였지만,
조금만 관찰하니 맥락이 보였다.

---

분석의 기본 흐름

1. • 주제 설정
2. • 필요한 정보 정리
3. • 데이터 수집 / 정제
4. • 표현 방식 구성
5. • 결정 또는 제안으로 연결

이 흐름만 익혀도
데이터는 막막한 게 아니라
도구가 된다.

---

ETL, 꼭 필요한 과정

데이터는 원래 지저분하다.
쓰려면 손질이 필요하다.

단계	설명	비유
Extract	가져오기	과일 사오기
Transform	가공하기	껍질 벗기고 갈기
Load	저장하고 활용	병에 담기

분석을 하려면 이 과정을 지나야 한다.
이게 없으면 ‘보기 좋은 쓰레기’가 된다.

---

잘 활용한 사례: 자라(ZARA)

ZARA는 매장 데이터를 분석해
실시간 반응을 디자인과 재고에 반영한다.

단순 판매량만 본 게 아니라,
고객 반응이라는 패턴을 읽어
전략을 바꿔냈다는 게 핵심이다.

데이터 리터러시로 브랜드 운영 자체를 바꾼 사례.

---

요약

항목	설명
데이터 리터러시	정보를 읽고 해석하고 판단에 활용하는 힘
핵심 조건	목적 있는 시선 • 연결된 해석 • 근거 있는 전달
분석 흐름	주제 설정 > 정보 정리 > 가공 > 표현 > 해석
ETL	분석 전, 데이터를 다듬는 필수 과정
사례	ZARA: 패턴을 전략으로 전환한 브랜드

---

오늘을 마치며

데이터는 많다.
하지만 중요한 건 그 속에서 어떤 의미를 찾고 싶은지다.

보고 싶은 방향이 있으면 숫자는 이야기하기 시작한다.
그걸 읽어내는 힘이 바로, 데이터 리터러시다.

---