1. 코드 리뷰
- 리뷰이
첫 번째, 약점을 노출하지 않는 것이 중요:
코드 컨벤션이 잘 지켜졌는지
논리적인 오류나 오타가 없는지
반복적인 작업을 하다 누락한 부분이 있진 않은지
이전 PR에서 지적된 실수를 다시 한번 반복하고 있진 않는지
사용이 권장되지 않는(deprecated) 구식 기능을 사용하고 있는지
코드의 시간 복잡도를 낮출 수 있는지
성능상 최적화 가능한 부분이 더 남아있지는 않은지
두 번째, 리뷰어가 미리 궁금해할 수 있는 부분까지 고려해 설명을 남김:
변수나 함수에 왜 그러한 네이밍을 사용했는지
외부 프로젝트를 참고할 때, 어떤 것을 우선적으로 참고했는지
참고한 레퍼런스가 공신력이 있는지
선택한 라이브러리가 다른 라이브러리와 비교했을 때 어떤 장점이 있는지
내가 지금 수정하고 있는 코드에 대해서 기존에 논의된 히스토리가 있는지
만약 도움이 필요하다면, 지금까지 어떤 방법으로 디버깅을 시도했는지
- 리뷰어
누락한 로직이나 오타, 오류가 있는지
기존 코드보다 더 나은 네이밍, 로직을 제안할 수 있는지
참고한 레퍼런스가 믿을 수 있는지
리뷰이가 선택에 대해 충분한 근거를 남기지 않은 부분이 있는지
리뷰어의 지식이 부족해서 리뷰이의 코드 리뷰를 하기 어려운 경우, 코드를 이해하기 위해 어떤 노력을 했는지 자세하게 알리기
2. 데이터 분석가
데이터에 기반해 성공 확률이 높은 의사결정을 지속적으로 하도록 돕는 사람
1) 데이터 기반
조직 내에서 데이터를 쉽게 확인하기 위해선 BI(Business Intelligence) 툴 도입, 대시보드 개발, SQL 교육, 사용하기 쉬운 데이터 마트 개발, PA(Product Analytics) 툴 활용, 알림봇 개발 등 다양한 방법이 있음
- BI 툴 개발:
우선 여러 지표를 카테고리별로 분류하고, 위계와 중요도를 시각적으로 표현. 또한 사용자를 분석할 수 있는 필터(성별, 멤버십 가입 여부 등 측정 기준에 따라)를 제공해야
- SQL 교육과 데이터 마트:
미리 문서화하고, 여러 데이터를 모아 목적에 따라 가공한 데이터 마트(혹은 지표를 통합된 기준으로 관리하는 메트릭 스토어)를 만들어, 원천 데이터가 아닌 데이터 마트를 사용하도록 유도해야
- 주요 지표 인지하기:
가볍게 상황을 요약하는 리포트 등을 꾸준히 공유
① 결과 지표 추이를 통해 예상되는 미래 상황과 목표를 고려했을 때 얼마나 잘하고 있는지 알려준다.
② 결과 지표에 선행하는 것으로 보이는 지표를 소개한다.
③ 최근 액션에 대응하는 결과를 볼 수 있는 지표가 무엇인지, 현재 상황이 어떠한지 소개한다.
2) 성공 확률이 높은 의사결정
- 상황을 정확하게 해석하기:
여러 지표를 적절히 조합하고 분석해, 편향되지 않게 해석하고 상황을 진단하고, 상황에 대한 해석을 업데이트하고, 왜 이렇게 해석했는지 이유를 알리는 것이 필요. 도메인 지식을 지속적으로 기르는 것(생각의 프레임워크를 사실에 가깝게 구성하기 위함)도 중요. 이는 대부분 회사에서 무엇을 했고 결과가 어땠는지에 대한 정보를 잘 축적하고, 그것을 합리적인 형태로 구조화하는 것으로도 많은 도움이 됨
- 목표 설정과 성과 측정:
목표 설정 → 실행 → 측정 → 축적으로 이어지는 체계적인 조직 운영. 목표치는 크게 세 가지의 조합으로 구조화된 로직에 과거 데이터를 활용한 예상치 · 새로운 액션에 대한 확신 수준, 시장이나 경쟁사 상황, 불확실성을 반영한 기대치 · 의지치
해당 시기 이후로 지표가 어떻게 변했는지 확인. 각 상황에 맞는 적절한 성과 측정 방법을 설계해야 하며, 특히 각 방법론의 장점과 한계 등을 인지하고 있어야
3) 지속성
먼저 비즈니스 사이클에 맞게 분석해야. 첫째로 분석 주제가 현재 회사가 집중하는 것과 다르면 안 된다는 의미와, 둘째로 분석 주제의 결과물이 비즈니스 사이클에서 필요한 적절한 것이어야 함. 첫 번째로 플래닝 시기에는 기회 발굴을 위한 탐색적 분석과 데이터 및 성과 측정 방법을 설계함. 두 번째로 실행 및 배포 시기에는 데이터 확인과 대시보드를 관리합니다. 마지막 세 번째로 성과 측정 및 후속 분석 시기에는 성과 측정 및 추가 데이터 분석을 통해, 인사이트를 뽑고 다시 플래닝에 반영할 것이 있을지 확인해야
출처 - 요즘 IT '데이터 분석가가 되어보니 중요한 것들'
3. 채용
어떤 콘텐츠에 기준을 정한 경험을 이야기 함으로써 차별점을 줌.
성과 측정의 지표를 정하는 과정(왜 그게 가장 중요한 지표라고 생각했는지, 지표를 측정하기 위한 시스템 구축, 컨텐츠의 제작 방향이 어떻게 바뀌었는지).
주어진 분석 주제나 데이터로부터 출발하는게 아니라, 본인이 어떤 문제가 중요한지를 정의하는 것부터 출발하는 데이터 경험.
문제 정의가 데이터 분석 업무의 50% 이상. 문제 정의, 분석 주제 선정. 그 사전이 뭔지 그 사건이 언제 시작했는지, 어떤 영향을 주었는지, 어떤 지표가 그 영향을 뜻하는지 → 문제의식: 데이터 수집 / 분석
추상적인 어떤 문제를 정량화하는 방법을 구상함. 문제 분석을 위한 구체적인 근거에 기반한 지표 정의. 문제를 정의한다.
