숫자를 믿었는데 틀렸다면? 데이터 함정에서 벗어나는 법

작성일   |    2026.07.27 조회   |   95 작성자   |   총관리자
숫자를 믿었는데 틀렸다면? 데이터 함정에서 벗어나는 법 첨부 이미지
데이터 함정에 빠지지 않는 바른 결정이란? 우리 삶은 선택의 연속이다. 매일 무엇을 먹고, 무엇을 입을지부터 진학, 취업, 일생의 배우자를 만나는 중차대한 일까지 수많은 결정을 하며 살아간다. 문제해결 활동의 집합체인 회사경영 또한 의사결정의 연속이며, 그 과정은 길고 복잡하다. 데이터로부터 출발하여 정보, 지식으로부터 올바른 의사결정, 곧 Solution을 얻는다. 이것이 데이터 가치 흐름(Data Value Stream)이다.지난 칼럼에서 통계적 사고(Statistical Thinking)는 불확실한 정보 속에서 합리적인 결론을 도출하는 과정(Thinking Process)이라 정의하였다. 모든 일은 변동(산포, variation)을 가진다는 사실을 인식하고, 그 변동성을 관리함으로써 시스템 전체의 품질을 지속적으로 개선하는 것이다. 데이터 함정에 빠지지 않고 올바르게 의사결정을 하기 위해서는 시스템을 구성하는 전체 맥락을 이해하고 문제를 보는 안목을 갖춰야 한다. 회사 경영이 상호 연관된 Process 상에서 이루어지므로 이를 들여다보고 프로세스 산포를 이해하고, 여기에 엔지니어링 지식, 비즈니스 경험을 투영하여 올바른 의사결정으로 연결한다. 의사결정에 관한 실사례를 통해 통계적 사고 개념을 좀더 명확히 잡아 보자. 회의실에서의 데이터에 근거한 통계적 사고를 적용한 사례이다. 아래 표는 제품 X에 대한 2024년 1월과 2025년 1월의 매출실적이다. 매출액이 22% 급락한 상황에서 어떤 의사결정을 내릴 수 있을까?만약 당신이 매출의 책임자로서 이렇게 두 개의 숫자를 보면 어떤 생각이 들까? 두 시점간 큰 폭의 매출 감소로 화를 내거나, 뭔가 긴급 조치를 취해야 되는 상황이라 생각할 수도 있을 것이다. 그러나 바른 의사결정을 위해서는 숫자를 보는 안목을 가지고, 전체 시스템을 이해해야 한다. 전체 맥락을 이해할 수 있는 시스템적 사고가 필요한 순간이다.결론부터 말하자면, 위 2개 데이터만으로 올바른 결정을 내리기에는 충분하지 않다. 매출 실적이 22%나 떨어졌으니 “큰일났네” 라고 단순히 판단할 게 아니고 시스템 안에서 구제적으로 어떤 일이 있는지를 그 사연을 들어봐야 올바른 의사결정을 할 수 있다.진실에 다가서기 위해서는 관련 데이터를 더 확보하여 시간의 흐름에 따른 매출 산포(변동)를 따져 봐야 한다. Chart를 활용하여 데이터를 시각화(visualize) 하면 데이터 본연의 의미를 찾는데 효과적이다. 월별 실적 데이터를 추가 확보함으로써 매출의 산포, 즉 시간 흐름에 따른 매출액 추이(trend)를 점 찍어 볼 수 있다. Control Chart에서 위 매출표의 데이터는 두 빨간 점으로 표기된다. 아래 보이는 것처럼 빨간 시작점은 2024년 1월 실적이며, 빨간 끝점은 2025년 1월 실적이다.시간 흐름에 따라서 매월 실적이 오르고 내리고 있는 상황을 보면서 어떤 생각이 드는가? 당초 두 개의 실적 값만 보면서 들었던 생각과 달리 관리도 상에서 빨간 두 점 사이의 매출 변동을 보니 생각이 달라질 것이다. 매월 오르고 내리고 하는 점들이 그다지 심각하지 않아 긴급 조치를 취할 상황은 아닌 것이다. 왜냐하면 모든 점들이 관리한계선(control limit) 안에서 이상요인(special cause)이 아닌, 우연원인(common cause) 에 의해 등락을 반복하기 때문이다. 시스템을 온전히 이해하기 위하여 2024년 1월과 2025년 1월에 있어서의 휴무일을 따져볼 필요도 있다. 실제 2024년 1월의 근무일수는 20일이며, 2025년 1월은 설 연휴가 많이 껴서 18일로 이틀 짧다. 이처럼 근무일수가 줄어들어서 2025년 1월 매출이 하락한 것으로 생각할 수도 있다. 월간 매출 실적보다는 日평균 매출을 본다면 좀더 객관적인 매출 변화를 볼 수 있다.여기서 언급하는 통계적 사고, 시스템적 사고가 바로 이런 것이다. 회사 매출을 이루는 큰 시스템 안에서 어떤 일들이 일어나고 있는지, 어떤 사연이 있기 때문에 이처럼 점들이 오르고 내리는지는 그 안을 깊이 들여다봐야 한다. 단편적 데이터만 갖고는 충분치 않다. 시스템 내의 프로세스 패턴, 트렌드 등 변동의 본질(시그널)을 제대로 읽어 낼 수 있어야 비로소 올바른 의사결정을 내릴 수 있다. 데이터는 시그널을 말하고 있으나, 잡음에 가려 이를 듣지 못하는 경우가 있다. 이러한 데이터의 잡음(Noise) 속에서도 신호(Signal)에 귀 기울여 들어야 한다. 우리에게 필요한 것은 바로 들을 수 있는 귀이다. 필자가 삼성 SDI에서 Six Sigma Black Belt 교육과정을 운영하면서 다루었던 사례이다. SPC(통계적 공정관리, Statistical Process Control)는 프로세스 변동 상황을 시각화하고 해석하도록 도와주는 통계적 언어다. 즉 SPC는 관찰된 데이터를 시간 흐름에 따라 점을 찍어 가면서 이 점들의 위치, 움직임의 형태를 보고 프로세스의 이상 유무를 파악하는 통계적 기법이다.그러나 그 의미를 잘못 해석하면 오히려 더 나쁜 결정을 내릴 수도 있다. 관리도를 잘못 해석하고 적용할 경우 비용 증가, 노력 낭비, 그리고 사기 저하라는 심각한 부작용을 초래할 수 있다는 중요한 메시지를 담고 있다.1996년 4월 불량률이 떨어지자 관리자는 '파티 타임'이라고 노고를 치하하였으나, 불량률이 계속 상승함에 따라 12월에는 “이제는 더 이상 부드럽게 관리하지 않겠다”고 엄격한 관리(Tough Love)를 천명하였다. 그의 결단 이후 1997년 불량률은 우연히 떨어졌고, 이에 따라 그는 “내 조치가 효과를 봤다”고 확신했다. 품질회의에서 그는 “내 결정은 늘 데이터에 근거했으니 어떻게 틀릴 수 있겠나?” 이렇게 말했다. 매달 불량률 그래프를 꼼꼼히 살피며, 수치가 조금만 올라가도 원인을 추궁하고 대책을 세웠다. 겉보기에는 완벽한 데이터 기반의 일 처리였다. 이러한 관리자의 그릇된 판단과는 다른 진실의 이야기를 해보자. 그가 믿었던 데이터의 신호는 잡음(noise), 즉 통계적으로 안정된 우연변동(Common Cause)에 불과하다. 관리도 상의 점들은 여전히 UCL(관리상한선)과 LCL(관리하한선) 안에서 무작위로 오르내리고 있기 때문이다. 공정은 이미 안정적이고, 유의미한(significant) 변화가 없다. 그럼에도 그는 숫자의 오르내림을 이상요인(special cause)으로 오해하며 불필요한 조치를 반복했다. 결국 그는 데이터를 본 것이 아니라, 데이터에 속은 것이었다. 불량률 감소는 조치의 결과가 아니라, 자연변동의 순환 속에서 일어난 착시 효과였던 것이다.이처럼 데이터는 항상 흔들린다. 기계의 미세한 차이, 작업자의 피로, 온도 변화 같은 수많은 요인들이 얽혀 작은 파동을 만든다. 이런 자연스러운 흔들림이 바로 우연원인에 의한 변동(산포)이다. 하지만 산포의 개념이 없는 관리자는 그 변동을 문제의 신호로 착각한다. 불량률이 오르면 “통제하라!”, 내려가면 “성과다!”를 외친다. 이런 즉흥적 대응은 오히려 시스템을 불안정하게 만든다. SPC를 잘못 해석하면, 데이터를 근거로 한 비합리적 행동으로 변질된다. Chart로 데이터를 시각화하고, 통계적 사고로 Signal을 알아차리다Chart化는 측정 데이터를 그래프로 표현하는 과정이다. 이는 현상을 이해하는 사고의 과정이다. 변동을 이해하지 못한 데이터는 함정이 된다. SPC의 가치는 '신호(Signal)'와 '잡음(Noise)'을 구분하는 데 있다. 관리도는 공정이 안정적인지(우연 변동), 아니면 불안정한지(이상 변동)를 알려주는 신호등과 같다. SPC의 핵심은 데이터를 통해 프로세스 안정성(stability)을 판단하고 산포 원인을 밝혀 개선하는 것이다. 그래프의 점을 보는 것이 아니라, 그 점이 만들어지는 시스템의 구조를 읽는 눈이 필요하다.美 경영학자 Edwards Deming(1900~1993)은 이렇게 말한다. 모든 일에는 변동(variation)이 있다. 변동을 이해하지 못하면, 어떤 데이터는 당신을 속인다.통계적 사고의 출발점은 데이터 변동의 본질을 이해하는 것이다. 우리가 사실이라 믿고 있는 데이터 자체보다 그 데이터가 만들어진 과정에 주목해야 한다. 통계는 숫자의 학문이 아니라, 변동을 이해하고 학습하는 사고의 틀이기 때문이다.데이터 속에는 진실이 숨어 있다. 데이터 변동을 Chart化하여 그 안에 숨은 그림을 찾을 수 있어야 한다. 또한 혼탁한 잡음으로부터 프로세스 변동의 신호를 알아 차려야 한다. 이것이 통계적 사고 역량이다. 시스템과 프로세스의 변동을 온전히 이해하고 문제에 접근할 때 전체 최적화(Global Optimization)를 이룬다. 이것이 바로 올바른 의사결정, 올바른 Solution이다.
경험이 많을수록 AI를 잘쓴다
첨부파일이(가) 없습니다.
목록