{
  "id": "12cbc389-ff03-453a-8929-0765e643d1db",
  "slug": "ref/web/blog-bizspring-co-kr/데이터-분석-결과를-의심해본-적-있습니까-bizspring-blog",
  "doc_type": "ref",
  "title": "데이터 분석 결과를 의심해본 적 있습니까? - BizSpring BLOG",
  "title_en": null,
  "one_liner": "데이터 분석 결과를 의심해본 적 있습니까? 2022년 07월 12일 2023년 04월 14일 인사이트 오늘날 많은 기업들은 비즈니스 전략을 세우기 위해 데이터 분석을 진행하고 있습니다. 비즈니스 전략을 위해 관련된 데이터를 수집하고 분석하여 최적의 인사이트를 도출합니다. 수집된",
  "summary_bullets": [
    "평균 데이터만 보고 의사결정을 하면 실제 상황을 오판할 수 있음을 사례로 설명한다.",
    "부분에서 성립하는 성질이 전체를 합치면 성립하지 않는 '심슨의 역설' 개념을 병원 생존율 예시로 소개한다.",
    "분기별 DAU와 매출액 예시를 통해 회원/비회원 등 세그먼트로 데이터를 나눠 봐야 진짜 원인을 찾을 수 있음을 보여준다.",
    "데이터를 세분화해 그룹별로 비교 분석하는 것이 심슨의 역설을 피하는 핵심 방법이라고 강조한다.",
    "세분화가 어려울 경우 비즈스프링의 그로스플랫폼(GrowthPlatform)을 활용해 세그먼트별 데이터를 확인할 수 있다고 소개한다."
  ],
  "body_md": "# 데이터 분석 결과를 의심해본 적 있습니까?\n\n2022년 07월 12일 2023년 04월 14일\n인사이트\n\n오늘날 많은 기업들은 비즈니스 전략을 세우기 위해 데이터 분석을 진행하고 있습니다. 비즈니스 전략을 위해 관련된 데이터를 수집하고 분석하여 최적의 인사이트를 도출합니다. 수집된 데이터를 분석하고 나온 결과에 대해 여러분들은 얼마나 신뢰하고 계신가요? 자칫 잘못하면 비즈니스 전략에 마이너스 적인 요소가 될 수 있기에 신중하게 판단해야 할 것 입니다.\n\n그럼, 데이터가 가지고 있는 위험한 요소에 대해 알아 보도록 하겠습니다.\n\n### “평균” 이라는 데이터 위험 요소\n\n여러분들은 분석 하실 때 “평균” 을 어떻게 해석하고 계신가요?\n\n예를 한번 들어보겠습니다.\n\n만약, 여러분이 쇼핑몰 한곳을 운영한다는 가정하에 말씀드리겠습니다.\n\n쇼핑몰에서 평균 상품을 보는 조회수가 10이라고 가정한다면 많은 고객들이 대략적으로 8~12 개 정도 상품을 본다고 생각할 수 있습니다.\n\n그런데, 만약에 대부분의 고객들은 3~4개의 상품만 보고 나머지 고객들이 엄청나게 많이 상품을 조회한다면 여러분은 이 상황을 어떻게 분석하시겠습니까?\n\n답은 정해져 있지 않지만, 대부분 이런 문제에 봉착하게 되면 일단, 데이터를 시각화 합니다.\n\n그 후 전체 분포를 파악하고 범위 내에서의 데이터를 해석 합니다.\n\n한가지 예를 더 들어보겠습니다.\n\n이번엔 조금 더 자세히 보도록 하겠습니다.\n\n암을 전문적으로 치료하는 두 곳의 병원이 있다고 가정하겠습니다.\n\n병원 환자수 생존자수 생존율\nA병원 500 290 58%\nB병원 500 320 64%\n[표 1] 암 병원 생존율 표\n\n여러분들께 [표 1]에서 좋은 병원을 선택하라고 한다면 두 병원 중 어느 병원을 선택하시겠습니까?\n\n당연히, [표 1]의 내용만을 본다면 생존율이 높은 B병원을 선택하시겠죠?\n\n그런데 말입니다~~ 만약, [표 1]을 암 진행정도에 따라 다시 나눠서 본다면 어떨까요?\n\n아래와 같이 암 진행정도에 따라 다시한번 세분화 하도록 하겠습니다.\n\n<초기 · 중기 암> 환자수 생존자수 생존율\nA병원 100 90 90%\nB병원 300 240 80%\n[표 1-2] 초기 · 중기 암\n\n<말기 암> 환자수 생존자수 생존율\nA병원 400 200 50%\nB병원 200 80 40%\n[표 1-3] 말기 암\n\n자~ 다시 한번 선택권을 드리도록 하겠습니다. 두 병원 중 어느 병원을 선택하시겠습니까?\n\n이처럼, 부분에서 성립하던 성질이 부분을 합한 전체에서는 성립하지 않는 것을 우리는 “ 심슨의 역설 (Simpson’s Paradox) “ 라고 말합니다.\n\n데이터 분석에서 항상 나오는 “세그먼트” 개념을 설명할 때 반드시 등장하는 예 입니다.\n\n이번엔 좀 더 실무적인 측면에서 설명 드리도록 하겠습니다.\n\n[차트 1] 분기별 DAU 와 매출액\n\n위 그래프를 보시면 1분기에서 점점 DAU가 감소하고 매출액도 점점 줄어들고 있습니다.\n\n해당 기업에서는 이 그래프만 본다면 아마도 많은 생각을 하게 될 것입니다. 이렇게 전체 평균 데이터만 놓고 본다면 생각이 많아 지겠지만 만약, 이 데이터를 세분화 한다면 어떨까요?\n\n[차트 2] 분기별 회원/비회원 DAU와 매출액\n\n[차트 2] 분기별 회원가입 고객 DAU를 보면 [차트 1] 의 분기별 데이터와 다르게 회원가입 고객은 조금씩 증가하고 있습니다. 매출액도 2분기에는 약간 주춤했지만 3분기부터 조금씩 올라가고 있습니다.\n\n그런데, 분기별 비회원가입 고객 DAU와 매출액을 보면 3~4 분기에 엄청나게 떨어져 있음을 발견하실 수 있습니다.\n\n해당 사이트에서 제공하는 서비스에 지속적으로 도움을 주고 커뮤니케이션이 가능한 정회원 고객의 동향에는 다른 큰 이슈가 없습니다.\n\n그러나, 회원가입을 하지 않은 고객이 1,2 분기에 갑자기 올라가 평균 데이터에 영향을 준 것을 알 수 있습니다. 체리피커(케잌에서 하나밖에 없는 체리만 쏙~ 뽑아 먹는 사람)인 비회원가입 고객이 1,2 분기에 특정 상품 또는 특정 이벤트를 구매 또는 참여하기 위해 잠깐 유입한 것은 아닌지 마케팅팀과 함께 확인해 봐야 할 것입니다.\n\n기업에서는 단순 평균 데이터만 살펴보고 비즈니스 전략을 세우거나, 위기라고 판단하기 쉽습니다. 그러나 데이터를 좀 더 세분화 하여 전체 평균 데이터가 아닌 세부 데이터를 보고 올바른 의사결정을 해야 할 것입니다.\n\n심슨의 역설을 피하려면 그룹별로 데이터를 세분화 해보고 세분화된 데이터를 함께 비교하여 분석하는 것이 이번 포스트의 핵심입니다.\n\n만약, 세분화 하는 부분에서 어려움을 느낀다면 솔루션을 이용하는 방법을 추천드립니다.\n\n지금까지 말씀드린 전체 평균값을 유형별로 그룹화 하여 정확하게 세분화를 할 수 있는 플랫폼 입니다.\n\n최적의 세그먼트를 구성하고 세그먼트별로 취합된 데이터를 확인할 수 있는 (주)비즈스프링의 그로스플랫폼(GrowthPlatform) 입니다.\n\n< 그로스플랫폼 TAM 화면 >\n\n특히, 세분화된 세그먼트별로 수집되는 데이터를 확인할 수 있으며 세그먼트 잠재고객을 한눈에 볼 수 있는 차트까지 지원합니다.\n\n데이터를 1차원으로만 분석하기 보다는 2차원, 3차원 등 몇차례 세분화 과정을 거쳐서 인사이트를 도출하는 것이 비즈니스 전략을 세울때 많은 도움을 받으실 수 있으실 것입니다.\n\n## Related Posts via Categories\n\n기존 SEO와 무엇이 같고 무엇이 다른가\n광고비를 늘리지 않고 매출을 늘린 회사들은 무엇을 했나\n코호트로 비교하면 광고 예산 판단이 달라집니다\n마케팅 자동화, 무엇부터 자동화해야 할까?\nAIR-광고성과 자동 보고서로 느끼는 편리함\nAI가 질문도 만들고 콘텐츠도 쓰는데, GEO 전문가는 왜 필요할까\nAI 검색에 우리 브랜드가 안 보인다면\nAI 답변에 선택되는 콘텐츠의 8가지 공통 구조\nAI와 협업하기 위해 기존 서비스를 다시 구조화한 경험\n브랜드가 AI 답변에 인용되기 위해 필요한 정보 구조\n\n다음에 대해 검색하기...\n\n최신 글 둘러보기\n\n기존 SEO와 무엇이 같고 무엇이 다른가\n\n콘텐츠가 답인 걸 모르는 사람은 없습니다 — 문제는 지속입니다\n\n광고비를 늘리지 않고 매출을 늘린 회사들은 무엇을 했나\n\n코호트로 비교하면 광고 예산 판단이 달라집니다\n\nGEO를 위한 글쓰기를 위한 작은 노하우\n\n(해외동향) 광고주가 광고플랫폼 리포트에서 자체 측정으로 옮겨가고 있다.\n\n구글애즈가 정확검색·구문검색 키워드까지 AI 모드에 노출하기 시작했다 — 자동화 상품 없이 AI 답변 화면에 들어가는 첫 실험\n\nAI가 React 앱을 직접 디버깅 – Agent 기반 디버깅\n\nChatGPT 광고가 픽셀·전환 API·맞춤 오디언스를 갖췄다 — 답변 화면이 측정 가능한 광고 매체가 되는 순간\n\n마케팅 자동화, 무엇부터 자동화해야 할까?\n\n출처: https://blog.bizspring.co.kr/%ec%9d%b8%ec%82%ac%ec%9d%b4%ed%8a%b8/%eb%8d%b0%ec%9d%b4%ed%84%b0-%eb%b6%84%ec%84%9d-%ea%b2%b0%ea%b3%bc/",
  "related_slugs": [],
  "faq": [
    {
      "a": "부분 데이터에서는 성립하던 성질이 부분들을 합친 전체 데이터에서는 성립하지 않는 현상을 말합니다. 본문에서는 두 병원의 암 생존율 예시로, 세부(초기/말기) 그룹별로는 A병원이 우수했지만 전체 생존율은 B병원이 높게 나오는 사례를 보여줍니다.",
      "q": "심슨의 역설이 정확히 무엇인가요?"
    },
    {
      "a": "평균은 실제 분포를 숨길 수 있어 잘못된 판단으로 이어질 수 있습니다. 본문의 쇼핑몰 조회수 예시처럼 대부분 고객은 적게 보고 일부만 매우 많이 봐도 평균은 비슷하게 나올 수 있기 때문입니다.",
      "q": "왜 평균 데이터만 보면 안 되나요?"
    },
    {
      "a": "전체 평균으로 보면 DAU와 매출이 계속 줄어드는 것처럼 보였지만, 회원과 비회원으로 나눠보니 정회원은 꾸준히 증가하고 있었습니다. 문제는 특정 이벤트 시기에 잠깐 유입된 비회원(체리피커)이 1~2분기 평균을 끌어올렸다가 이후 급감한 것이었습니다.",
      "q": "분기별 DAU 감소 사례에서 실제 문제는 무엇이었나요?"
    },
    {
      "a": "그룹별로 데이터를 세분화하고, 세분화된 데이터를 서로 비교하며 분석하는 것이 핵심입니다. 전체 평균만 보지 말고 세부 데이터를 함께 살펴봐야 올바른 의사결정을 할 수 있습니다.",
      "q": "심슨의 역설을 피하려면 어떻게 해야 하나요?"
    },
    {
      "a": "본문에서는 이런 경우 솔루션을 활용하는 방법을 추천합니다. (주)비즈스프링의 그로스플랫폼(GrowthPlatform)은 전체 평균값을 유형별로 그룹화해 세분화할 수 있고, 세그먼트별 데이터와 잠재고객을 차트로 확인할 수 있는 기능을 제공합니다.",
      "q": "세분화 작업이 어려운 경우 어떤 방법이 있나요?"
    }
  ],
  "jsonld": null,
  "keywords": [],
  "source_id": "https://blog.bizspring.co.kr/%ec%9d%b8%ec%82%ac%ec%9d%b4%ed%8a%b8/%eb%8d%b0%ec%9d%b4%ed%84%b0-%eb%b6%84%ec%84%9d-%ea%b2%b0%ea%b3%bc/",
  "video_url": null,
  "duration_sec": null,
  "thumbnail_url": null,
  "image_url": null,
  "caption": null,
  "solution_slug": null,
  "captured_at": null,
  "width": null,
  "height": null,
  "created_at": "2026-09-06T11:30:03.577413+00:00",
  "updated_at": "2026-09-06T11:30:03.577413+00:00",
  "visibility": "public",
  "source_stage": "1",
  "anonymized": true,
  "source_key": "web-blog",
  "origin": "ingest",
  "locked": false,
  "locked_by": null,
  "locked_at": null,
  "gate_state": {
    "g1": {
      "hits": [],
      "pass": true
    },
    "g2": {
      "pass": true,
      "total": 37,
      "issues": [
        "다른 문서와 겹치는 말이 대부분입니다",
        "과장·공허한 표현 3회: 최적의",
        "소제목이 3개 미만이라 발췌 단위가 없습니다"
      ],
      "applies": true
    },
    "g3": {
      "pass": true,
      "required": false
    },
    "stage": "1",
    "decided_at": "2026-09-12T15:27:58.787Z"
  },
  "raw_id": "128ea01d-2bbf-4351-9c45-773ffecb75f5",
  "search_text": "데이터 분석 결과를 의심해본 적 있습니까? - BizSpring BLOG  데이터 분석 결과를 의심해본 적 있습니까? 2022년 07월 12일 2023년 04월 14일 인사이트 오늘날 많은 기업들은 비즈니스 전략을 세우기 위해 데이터 분석을 진행하고 있습니다. 비즈니스 전략을 위해 관련된 데이터를 수집하고 분석하여 최적의 인사이트를 도출합니다. 수집된  # 데이터 분석 결과를 의심해본 적 있습니까?\n\n2022년 07월 12일 2023년 04월 14일\n인사이트\n\n오늘날 많은 기업들은 비즈니스 전략을 세우기 위해 데이터 분석을 진행하고 있습니다. 비즈니스 전략을 위해 관련된 데이터를 수집하고 분석하여 최적의 인사이트를 도출합니다. 수집된 데이터를 분석하고 나온 결과에 대해 여러분들은 얼마나 신뢰하고 계신가요? 자칫 잘못하면 비즈니스 전략에 마이너스 적인 요소가 될 수 있기에 신중하게 판단해야 할 것 입니다.\n\n그럼, 데이터가 가지고 있는 위험한 요소에 대해 알아 보도록 하겠습니다.\n\n### “평균” 이라는 데이터 위험 요소\n\n여러분들은 분석 하실 때 “평균” 을 어떻게 해석하고 계신가요?\n\n예를 한번 들어보겠습니다.\n\n만약, 여러분이 쇼핑몰 한곳을 운영한다는 가정하에 말씀드리겠습니다.\n\n쇼핑몰에서 평균 상품을 보는 조회수가 10이라고 가정한다면 많은 고객들이 대략적으로 8~12 개 정도 상품을 본다고 생각할 수 있습니다.\n\n그런데, 만약에 대부분의 고객들은 3~4개의 상품만 보고 나머지 고객들이 엄청나게 많이 상품을 조회한다면 여러분은 이 상황을 어떻게 분석하시겠습니까?\n\n답은 정해져 있지 않지만, 대부분 이런 문제에 봉착하게 되면 일단, 데이터를 시각화 합니다.\n\n그 후 전체 분포를 파악하고 범위 내에서의 데이터를 해석 합니다.\n\n한가지 예를 더 들어보겠습니다.\n\n이번엔 조금 더 자세히 보도록 하겠습니다.\n\n암을 전문적으로 치료하는 두 곳의 병원이 있다고 가정하겠습니다.\n\n병원 환자수 생존자수 생존율\nA병원 500 290 58%\nB병원 500 320 64%\n[표 1] 암 병원 생존율 표\n\n여러분들께 [표 1]에서 좋은 병원을 선택하라고 한다면 두 병원 중 어느 병원을 선택하시겠습니까?\n\n당연히, [표 1]의 내용만을 본다면 생존율이 높은 B병원을 선택하시겠죠?\n\n그런데 말입니다~~ 만약, [표 1]을 암 진행정도에 따라 다시 나눠서 본다면 어떨까요?\n\n아래와 같이 암 진행정도에 따라 다시한번 세분화 하도록 하겠습니다.\n\n<초기 · 중기 암> 환자수 생존자수 생존율\nA병원 100 90 90%\nB병원 300 240 80%\n[표 1-2] 초기 · 중기 암\n\n<말기 암> 환자수 생존자수 생존율\nA병원 400 200 50%\nB병원 200 80 40%\n[표 1-3] 말기 암\n\n자~ 다시 한번 선택권을 드리도록 하겠습니다. 두 병원 중 어느 병원을 선택하시겠습니까?\n\n이처럼, 부분에서 성립하던 성질이 부분을 합한 전체에서는 성립하지 않는 것을 우리는 “ 심슨의 역설 (Simpson’s Paradox) “ 라고 말합니다.\n\n데이터 분석에서 항상 나오는 “세그먼트” 개념을 설명할 때 반드시 등장하는 예 입니다.\n\n이번엔 좀 더 실무적인 측면에서 설명 드리도록 하겠습니다.\n\n[차트 1] 분기별 DAU 와 매출액\n\n위 그래프를 보시면 1분기에서 점점 DAU가 감소하고 매출액도 점점 줄어들고 있습니다.\n\n해당 기업에서는 이 그래프만 본다면 아마도 많은 생각을 하게 될 것입니다. 이렇게 전체 평균 데이터만 놓고 본다면 생각이 많아 지겠지만 만약, 이 데이터를 세분화 한다면 어떨까요?\n\n[차트 2] 분기별 회원/비회원 DAU와 매출액\n\n[차트 2] 분기별 회원가입 고객 DAU를 보면 [차트 1] 의 분기별 데이터와 다르게 회원가입 고객은 조금씩 증가하고 있습니다. 매출액도 2분기에는 약간 주춤했지만 3분기부터 조금씩 올라가고 있습니다.\n\n그런데, 분기별 비회원가입 고객 DAU와 매출액을 보면 3~4 분기에 엄청나게 떨어져 있음을 발견하실 수 있습니다.\n\n해당 사이트에서 제공하는 서비스에 지속적으로 도움을 주고 커뮤니케이션이 가능한 정회원 고객의 동향에는 다른 큰 이슈가 없습니다.\n\n그러나, 회원가입을 하지 않은 고객이 1,2 분기에 갑자기 올라가 평균 데이터에 영향을 준 것을 알 수 있습니다. 체리피커(케잌에서 하나밖에 없는 체리만 쏙~ 뽑아 먹는 사람)인 비회원가입 고객이 1,2 분기에 특정 상품 또는 특정 이벤트를 구매 또는 참여하기 위해 잠깐 유입한 것은 아닌지 마케팅팀과 함께 확인해 봐야 할 것입니다.\n\n기업에서는 단순 평균 데이터만 살펴보고 비즈니스 전략을 세우거나, 위기라고 판단하기 쉽습니다. 그러나 데이터를 좀 더 세분화 하여 전체 평균 데이터가 아닌 세부 데이터를 보고 올바른 의사결정을 해야 할 것입니다.\n\n심슨의 역설을 피하려면 그룹별로 데이터를 세분화 해보고 세분화된 데이터를 함께 비교하여 분석하는 것이 이번 포스트의 핵심입니다.\n\n만약, 세분화 하는 부분에서 어려움을 느낀다면 솔루션을 이용하는 방법을 추천드립니다.\n\n지금까지 말씀드린 전체 평균값을 유형별로 그룹화 하여 정확하게 세분화를 할 수 있는 플랫폼 입니다.\n\n최적의 세그먼트를 구성하고 세그먼트별로 취합된 데이터를 확인할 수 있는 (주)비즈스프링의 그로스플랫폼(GrowthPlatform) 입니다.\n\n< 그로스플랫폼 TAM 화면 >\n\n특히, 세분화된 세그먼트별로 수집되는 데이터를 확인할 수 있으며 세그먼트 잠재고객을 한눈에 볼 수 있는 차트까지 지원합니다.\n\n데이터를 1차원으로만 분석하기 보다는 2차원, 3차원 등 몇차례 세분화 과정을 거쳐서 인사이트를 도출하는 것이 비즈니스 전략을 세울때 많은 도움을 받으실 수 있으실 것입니다.\n\n## Related Posts via Categories\n\n기존 SEO와 무엇이 같고 무엇이 다른가\n광고비를 늘리지 않고 매출을 늘린 회사들은 무엇을 했나\n코호트로 비교하면 광고 예산 판단이 달라집니다\n마케팅 자동화, 무엇부터 자동화해야 할까?\nAIR-광고성과 자동 보고서로 느끼는 편리함\nAI가 질문도 만들고 콘텐츠도 쓰는데, GEO 전문가는 왜 필요할까\nAI 검색에 우리 브랜드가 안 보인다면\nAI 답변에 선택되는 콘텐츠의 8가지 공통 구조\nAI와 협업하기 위해 기존 서비스를 다시 구조화한 경험\n브랜드가 AI 답변에 인용되기 위해 필요한 정보 구조\n\n다음에 대해 검색하기...\n\n최신 글 둘러보기\n\n기존 SEO와 무엇이 같고 무엇이 다른가\n\n콘텐츠가 답인 걸 모르는 사람은 없습니다 — 문제는 지속입니다\n\n광고비를 늘리지 않고 매출을 늘린 회사들은 무엇을 했나\n\n코호트로 비교하면 광고 예산 판단이 달라집니다\n\nGEO를 위한 글쓰기를 위한 작은 노하우\n\n(해외동향) 광고주가 광고플랫폼 리포트에서 자체 측정으로 옮겨가고 있다.\n\n구글애즈가 정확검색·구문검색 키워드까지 AI 모드에 노출하기 시작했다 — 자동화 상품 없이 AI 답변 화면에 들어가는 첫 실험\n\nAI가 React 앱을 직접 디버깅 – Agent 기반 디버깅\n\nChatGPT 광고가 픽셀·전환 API·맞춤 오디언스를 갖췄다 — 답변 화면이 측정 가능한 광고 매체가 되는 순간\n\n마케팅 자동화, 무엇부터 자동화해야 할까?\n\n출처: https://blog.bizspring.co.kr/%ec%9d%b8%ec%82%ac%ec%9d%b4%ed%8a%b8/%eb%8d%b0%ec%9d%b4%ed%84%b0-%eb%b6%84%ec%84%9d-%ea%b2%b0%ea%b3%bc/",
  "embedding": null,
  "embedded_at": null,
  "embedding_hash": null,
  "map_x": null,
  "map_y": null,
  "backlinks": [],
  "html_url": "https://bizspring.ai/kb/ref/web/blog-bizspring-co-kr/데이터-분석-결과를-의심해본-적-있습니까-bizspring-blog",
  "markdown_url": "https://bizspring.ai/kb/ref/web/blog-bizspring-co-kr/데이터-분석-결과를-의심해본-적-있습니까-bizspring-blog.md"
}