데이터 기반 design thinking

수업 목적: 디자인씽킹의 5가지 단계를 거치며 각 단계에서 데이터를 어떻게 다루는지 알아보기 

강의자료는 강사님이 주셨다~!

 

공감->정의->아이데이션->생산->테스트

여기서 문제란? 이상과 현실의 차이 --> 이것을 어떻게 메꿀지 고민하셔라

 

1. 공감 : 사용자의 마음 이해하기

잠재고객에 대해 깊이 알아보기 

* 핵심 질문들 

- 내 사용자는 누구인가?

- 왜 그리고 무엇이 그들에게 중요한가?

- 어떤 맥락에서 제품이나 서비스를 사용하는가?

- 현재 어떤 어려움과 불편함을 겪고 있는가? 

중요한 포인트: 사용자가 말하는 것과 실제 행동하는 것 사이의 차이를 발견하는 것이 핵심입니다. 때로는 사용자도 자신의 진정한 니즈를 명확히 알지 못할 수 있습니다.

 

2. 정의 : 명확한 문제 정의

명확한 관점(Point-of-View) 설정 정의 단계는 공감 단계에서 수집한 풍부한 정보를 의미 있는 통찰력으로 변환하는 과정입니다. 여기서는 사용자의 진정한 문제 와 니즈를 명확하게 정의하고, 해결해야 할 핵심 도전 과제를 설정합니다.

정의 단계의 핵심 활동

• 사용자 페르소나 개발 - 실제 사용자 데이터를 바탕으로 한 구체적인 사용자 프로필 생성

• 사용자 여정 맵핑 - 사용자가 제품이나 서비스와 상호작용하는 전체 과정 시각화

• 문제 정의문(POV) 작성 - "사용자 X는 Y가 필요하다. 왜냐하면 Z이기 때문이다" 형식으로 명확한 문제 정의

• 기회 영역 식별 - 혁신과 개선의 가능성이 있는 핵심 영역 발굴

"문제를 올바르게 정의하는 것이 솔루션의 절반이다. 명확한 문제 정의 없이는 아무리 창의적인 아이디어도 목표를 잃기 쉽다."

 

3. 아이데이션(구상): 자유로운 아이디어 발상

구상 단계의 핵심 원칙

• 비판 금지 - 어떤 아이디어도 즉시 평가하거나 비판하지 않습니다

• 자유분방한 사고 - 거칠고 파격적인 아이디어를 환영합니다

• 양적 접근 - 많은 아이디어가 더 나은 아이디어로 이어집니다

• 조합과 발전 - 다른 사람의 아이디어를 발전시키고 조합합니다

아이데이션 방법

 

4. 프로토타입 : 다른 사람들에게 당신의 아이디어를 보여주세요

프로토타입의 주요 목적

• 아이디어 구체화 - 하나 이상의 아이디어를 실체화하여 모델링합니다

• 빠른 검증 - 프로토타입은 솔루션의 대략적인 초안으로 핵심 기능에 집중합니다

• 사용자 반응 관찰 - 실제 사용자가 어떻게 반응하는지 직접 확인할 수 있습니다

• 팀 내 소통 - 추상적인 개념을 시각적으로 공유하여 이해도를 높입니다

 

기획자라면 알아야 할 용어

 

• Proof of Concept (PoC) : 아이디어의 핵심 검증
• Prototype : 제품/서비스의 형태 구현
• Pilot : 제한된 환경에서의 실제 운영 테스트
• MVP (Minimum Viable Product) : 최소 기능 제품 출시

mvp 안에는 poc가 포함이되어야하는거아니니?

ChatGPT의 말:

좋은 질문이에요 👍

엄밀히 따지면 MVP 안에 PoC가 반드시 포함되는 건 아니에요.
둘은 서로 다른 목적과 단계에 가까워요:

• PoC (Proof of Concept)
  • “이 아이디어/기술이 원리적으로 가능한가?”를 확인하는 실험 단계
  • 보통 내부 검증용, 빠르고 저비용으로 진행
  • 결과물이 고객에게 직접 노출되지 않는 경우가 많음
• MVP (Minimum Viable Product)
  • “최소 기능을 갖춘 상태에서 실제 시장에서 고객 반응을 확인할 수 있는가?”
  • 즉, 시장 적합성(Product-Market Fit) 검증이 목적
  • 고객에게 바로 써볼 수 있는 수준까지 만듦

👉 그래서 관계를 정리하면:

• PoC는 기술적/개념적 타당성을 먼저 입증하는 단계
• MVP는 시장 검증을 위한 최소 제품
• 경우에 따라서는 PoC가 끝나고 → Prototype → Pilot → MVP 순으로 이어지기도 하지만, PoC 없이 바로 MVP를 만드는 경우도 있습니다.

그냥 궁금해서 물어봄 최소기능이면  핵심기능이랑 비슷한말 아닐까 했음 

 

시작품: 단위모델, 초안

시제품: 시작품을 다듬어서 사업화가 되기 직전의 모습

 

 5. 테스트: 프로토타입 공유 및 체계적 테스트

테스트 방법론

• 사용자 테스트 - 실제 사용자가 프로토타입을 사용하는 과정을 관찰하고 피드백을 수집합니다

• A/B 테스트 - 서로 다른 버전을 비교하여 어떤 것이 더 효과적인지 측정합니다

• 전문가 리뷰 - 해당 분야 전문가들의 의견을 통해 기술적, 전략적 관점의 피드백을 얻습니다

• 히트맵 분석 - 디지털 프로토타입의 경우 사용자의 행동 패턴을 시각적으로 분석합니다

 

피드백 수집 및 분석

- 테스트 과정에서 수집된 정성적, 정량적 데이터를 체계적으로 분석하 여 의미 있는 패턴과 통찰력을 도출합니다. 사용자의 말과 행동 사이의 차이점을 주의 깊게 관찰하는 것이 중요합니다.

 

데이터 기반 디자인 씽킹의 아쉬운 점

 

데이터 활용에는 무엇이 필요할까?

1. 서비스/ 제품 관련 데이터

2. 조직 성과 데이터

3. 고객 데이터

 

데이터 활용 역량

1. 데이터 수집

2. 데이터 관리

3. 데이터 가공 및 분석

4. 데이터 시각화

데이터가 활용되는 구조 이해하기

 

ㄴ 기억하라고 하신 데이터 분석의 목적 !!

 

앞으로 사라지지 않을 직업이 창업가 투자자 크리에이터 라고 하심

과연 맞을까? 미래의 나야 대답해주삼

 

---

장바구니 분석

1. 지지도 (Support)

• 뜻: 어떤 현상이 얼마나 자주 나타나는지를 보여줌.

• 비유: 100명 중 20명이 매일 아메리카노를 마신다면 → 아메리카노 지지도는 20%.

• 포인트: "얼마나 많이 같이 등장하냐?"

 

2. 신뢰도 (Confidence)

• 뜻: 어떤 조건이 주어졌을 때, 그 결과가 나올 확률.

• 비유: “아메리카노를 마시는 사람 중 70%는 디저트도 같이 산다” → 신뢰도는 70%.

• 포인트: "조건을 만족하면, 결과가 따라올 확률이 얼마냐?"

 

3. 향상도 (Lift)

• 뜻: 단순히 우연이 아니라, 정말로 서로 연관성이 있는지를 나타냄.

• 비유: 원래 디저트를 사는 사람이 30%인데, 아메리카노 마시는 사람은 70%가 산다면 → 향상도는 70 ÷ 30 = 2.33.

• 포인트: "조건이 있을 때 결과가 더 자주 일어나는가? (우연 대비 얼마나 강한 관계인가?)"

 

향상도 = 1 → 조건과 결과가 서로 아무 상관 없음 (독립적).

향상도 > 1 → 조건이 있을 때 결과가 더 잘 일어 남 → 양(+)의 연관관계, 의미 있음.

향상도 < 1 → 조건이 있을 때 결과가 오히려 덜 일어 남 → 음(-)의 연관관계.

 

MECE가 잘된 예

범주가 겹치면 안되는 이유는 각 범주들이 독립변수이기때문에 각자 영향을 줄 수 있기 때문이다 !! (데이터 과학적인 접근) 

그래서 선형회귀를 할때 다중공산성이 있는 변수들을 제거해야한다... 아 배웠는데 까먹음 헐 !! 인공지능학과의 자존심이ㅡ상한다