PM의 데이터 해상도를 높이는 방법

PM의 데이터 해상도를 높이는 방법

"데이터 기반으로 결정했어요"라는 말, PM이라면 한 번쯤 써봤을 거예요. 근데 솔직히 이 말, 은근히 애매하게 쓰일 때가 많아요. 숫자 하나만 슬쩍 보고 "데이터가 이렇게 나왔으니까요"라고 하는 것도 데이터 기반이고, 진짜 파고들어서 이해하고 결정하는 것도 데이터 기반이거든요. 이 둘의 차이를 데이터 해상도라는 말로 설명할 수 있을 것 같아요. 사진으로 치면, 흐릿한 저화질 사진이랑 선명한 고화질 사진 차이 같은 거예요.

해상도가 낮은 PM, 이런 모습이에요

"데이터가 스스로 말한다"는 말을 자주 하는 사람일수록, 사실은 해상도가 낮은 경우가 많아요. 지표 하나만 보고 "숫자가 올랐으니 성공"이라고 결론 내리는 식이죠. 근데 데이터를 깊게 다루는 사람들은 정반대예요. 한 가지 숫자만 보고 맹목적으로 결정하지 않아요. 결과를 얻는 것만큼, 그 결과가 어떻게 나온 건지 아는 게 더 중요하다고 생각하거든요.

해상도를 높이는 첫 걸음: 직접 파봐요

데이터를 잘 다루는 PM들의 공통점 중 하나는, 남한테 "이거 좀 뽑아주세요"라고 요청만 하는 게 아니라, 직접 데이터를 열어보면서 스스로 확인한다는 거예요. 예를 들어 "이번 달 신규 가입자가 늘었다"는 결과를 받았을 때, 거기서 끝내지 않고 "어느 채널에서 늘었지?", "이 사람들이 실제로 서비스를 계속 쓰고 있나?"까지 한 번 더 들여다보는 거죠.

물론 모든 PM이 데이터 전문가처럼 복잡한 작업까지 할 필요는 없어요. 근데 최소한 내가 보고 있는 숫자가 어떻게 만들어졌는지 정도는 이해하고 있어야 해요. 그래야 그 숫자가 뭔가 이상하게 나왔을 때 "어? 이상한데?"라고 눈치챌 수 있거든요.

복잡한 방법이 항상 정답은 아니에요

해상도가 높은 PM은 어떤 문제든 무조건 복잡하고 어려운 방법으로 풀려고 하지 않아요. 오히려 상황에 따라 간단한 방법이 더 나을 때를 잘 알아요. 예를 들어 "요즘 인기 있는 상품 보여주기" 기능을 만든다고 하면, 처음엔 "최근 3일간 가장 많이 본 상품"처럼 아주 단순한 규칙으로 시작했다가, 데이터가 충분히 쌓이고 나서야 더 정교한 방식(AI 모델)으로 넘어가는 식이에요. 언제 단순한 방법에서 복잡한 방법으로 넘어갈지 판단하는 것도 결국 해상도의 문제예요.

결국 데이터는 목적이 아니라 도구예요

여기서 중요한 포인트가 하나 있어요. 데이터를 깊게 다루는 PM일수록, 데이터와 분석 결과가 전부는 아니라는 것을 알고 있다는 거예요. 아무리 정교하게 분석해도, 결국 PM은 그 결과를 가지고 팀이나 유저, 회사를 설득하고 제품을 만들어가는 사람이니까요. 해상도를 높이는 건 숫자에 매몰되기 위해서가 아니라, 더 정확한 판단을 내리기 위해서라는 걸 잊지 않는 게 중요해요.

그래서 오늘부터 뭘 해볼 수 있을까요

• 최근에 "데이터 기반으로 결정했다"고 말한 일 하나를 떠올려보고, "그 숫자는 정확히 어떻게 나온 거였지?" 한번 다시 확인해볼까요.
• 팀에서 매번 보는 지표 하나를 골라서, 그 숫자가 어떤 기준으로 계산되는지 담당자한테 한번 물어보면 어떨까요.
• 지금 만들고 있는 기능 중에, "이거 꼭 복잡한 방식이 필요한가, 아니면 간단한 규칙으로도 되는 거 아닌가?" 한번 스스로 물어볼까요.
• "숫자가 올랐다 = 성공"이라고 결론 내리기 전에, "혹시 다르게 해석될 여지는 없을까?" 한 번만 더 의심해보는 습관, 이번 주에 시도해볼까요.

---

용어 설명

• 데이터 해상도: 데이터를 얼마나 자세하고 정확하게 이해하고 있는지를 뜻하는 말이에요. 사진의 화질처럼, 얕게 보면 저해상도, 깊게 파고들면 고해상도예요.
• AI 모델: 컴퓨터가 많은 데이터를 보고 스스로 패턴을 찾아서 예측이나 추천을 해주는 프로그램이에요. "AI가 알아서 판단해주는 방식" 정도로 이해하면 돼요.

참고 자료

• 데이터 프로덕트 매니저의 부상