최근에 직장에서 일에 대해 곤란해하는 친구와 대화를 나누었어요. 그 친구는 자신이 판매 인력부에서 주도하는 주요 소프트웨어 롤아웃에 책임이 있었지만, 그 일에 대해 믿지 않았어요. 사실 그의 동료들도 그렇게 생각하지 않았다고 해요. 그가 묘사한 상황은 정말 안좋고 동기 부여가 안 되는 상황 같았어요.

나는 당연하게도 어떻게 이런 상황이 발생했는지 물어보았어요. 그 친구는 롤아웃을 추진할 결정이 경영진 사이에서 유포된 '킬러 차트'에서 비롯되었다고 설명했어요. 차트는 두 그룹의 판매 결과를 비교하여 특정 소프트웨어 제품을 현장에서 사용한 한 그룹이 더 효과적이라는 결론을 내렸다고 해요.

내가 한 질문은 두가지였어요. 먼저, 그들이 두 그룹의 차이가 우연 때문이 아닌지 확인했느냐 물어보았고, 그 다음으로 소프트웨어 사용이 그 차이를 일으켰다는 것이 결정적으로 입증되었는지 확인했느냐 물었어요.

말끔히 당황했다. 그는 우연히 차이가 발생할 수 있다는 것을 전혀 몰랐다며 원인과 결과에 대한 질문은 심지어 논의되지 않았다고 말했다. 그는 경영진이 단지 차트를 삼켜버리고 숫자들과 그 의미에 대한 추가 논쟁 없이 결정을 내렸다고 설명했다.

우리가 도출한 결론은 이 모든 것이 그룹 내에서 수학에 대해 아무도 모르기 때문에 발생했다는 것이었다! 분석 자료 한 조각이 그룹 전체를 휩쓴 바 있었고, 관련된 사람들은 모두 그것을 올바르게 비평할 경험이나 지식이 없었다.

나는 이러한 상황이 급속히 확대되고 있고, 그로 인해 수백만 달러의 잘못된 결정이 이루어지고 있다는 것을 우려한다.

왜 수학이 더 중요해지고 있는 것일까?

간단히 말하면, 데이터의 양이 많이 증가했습니다. IBM에 따르면, 우리는 이제 매일 2.5 퀸틸리언 바이트 이상의 데이터를 생성하고 있습니다. 이러한 추세가 계속될 것으로 보여주는 다양한 통계가 있습니다:

• McKinsey의 연구에 따르면, 거의 50%의 영업 및 마케팅 기능이 자신들을 '분석 및 빅데이터에 의해 변형되었다'고 설명하고 있습니다.
• Statista에 따르면, 빅데이터 시장은 다음 10년 동안 연간 10% 이상 성장할 것으로 보고 있습니다.
• 최근 업무 설문 조사에 따르면, 기업의 84%가 고급 분석 및 빅데이터 프로젝트를 시작하여 의사 결정을 개선하고 있습니다.

명확한 사실은 의사 결정자들이 10년이나 20년 전보다 훨씬 많은 데이터 주도 문서와 차트를 마주하게 될 것이라는 것입니다. 하지만 이러한 데이터 풍부한 환경에서 정확한 결정을 내릴 수 있는 능력을 가진 의사 결정자들이 더 잘 갖추어져 있는지 궁금합니다.

수학 능력은 높아지고 있지만 기술은 부족합니다

데이터 중심의 의사 결정과 분석 붐으로 인해 경영진의 수학 능력도 함께 높아져야 합니다. 분석을 의심하고 비평할 수 있는 능력이 없다면 의사 결정자들은 판촉 활동과 편향된 의도에 휘둘릴 수밖에 없습니다. 상관 관계, 회귀, 통계적 유의성 및 예측 정확도와 같은 개념들이 언급되고 있지만, 의사 결정자들이 그것들을 이해할 만큼 충분히 잘 갖추고 있는지에 대한 증거가 없습니다.

• 영국의 케임브리지 평가 연구에 따르면, 고도의 데이터 중심인 것이 아닌 직무에서도 고용주들은 수리능력을 중요시하며, 그러나 현재의 업무 인원은 이를 충족시키기에 적절한 수준이 되지 못하고 있다고 강조합니다.
• 미국 노동부는 다음 10년 동안 수학 관련 직종이 다른 직종보다 4배 빠른 속도로 성장할 것으로 예상되지만, OECD에 따르면 미국은 성인의 수리 능력 평균으로 볼 때 30개국 중 24위를 차지합니다.
• 최근 하버드 대학의 연구에 따르면, 미래 직업 시장에서 수학은 가장 필수적인 기술 중 하나가 될 것으로 예상되며, 최근의 가장 큰 일자리 증가는 수학이 필요한 포지션으로 집중되고 있다는 것을 보여줍니다.

의사 결정자들이 알아야 할 것은 무엇인가요?

세련된 매크로 요소와 트렌드 가운데, 데이터 중심 환경에서 의사 결정자가 알아야 할 몇 가지 기본적인 요소들이 있다고 생각이 듭니다:

• 상관 관계의 의미와 다양한 유형의 데이터에 대한 상관 계수 측정 방법
• 인과 관계의 의미, 상관 관계와의 차이, 그리고 인과 관계를 증명하는 방법
• 가설 검증의 통계적 방법과 가설 검정에 기반한 통계적 조건

데이터 중심 환경에서 일하고 계시는데 이러한 것들에 대해 충분히 이해하고 있다고 느끼지 않으시다면, 지금이라도 대책을 세우도록 권장드립니다. 더불어 동료 의사 결정자들도 비슷한 입장에 있다고 느낀다면, 상황은 더욱 시급해진다고 할 수 있습니다.

매년마다 직장에서 수학적 지식이 더욱 중요해지는 건 의심할 여지가 없습니다. 우리가 좋아하든 안 하든, 노력을 기울여 학습을 해 나가야 할 필요가 있습니다.

수학이 당신의 업무에서 얼마나 중요한가요? 자유롭게 의견을 남겨주세요.