목요일

셀 수 있는 것만 세다가

2026-08-10T06:24:10Z

베트남 전쟁 한복판, 미국 국방장관 로버트 맥나마라는 숫자의 사람이었다. 그는 원래 포드자동차의 천재 경영자였다. 데이터로 회사를 살려낸 사람이었고, 그 방식 그대로 전쟁을 지휘했다. 전쟁의 진행 상황을 그는 하나의 숫자로 관리했다. 적 사망자 수(body count). 오늘 몇 명을 죽였는가. 이 숫자가 어제보다 크면 이기고 있는 것이고, 작으면

타겟은 아버지보다 먼저 알았다

2026-08-10T06:22:09Z

어느 날, 미국 미니애폴리스의 한 타겟 매장에 중년 남성이 씩씩거리며 들어왔다. 그의 손에는 우편으로 온 광고지가 들려 있었다. 고등학생인 딸 앞으로 배달된 것이었는데, 내용이 죄다 유아복과 아기 침대, 임산부 용품 쿠폰이었다. 그는 매니저에게 따졌다. "우리 애는 아직 고등학생이에요. 임신을 부추기기라도 하겠다는 겁니까?" 매니저는 연신 사

독감을 놓친 알고리즘

2026-08-10T06:20:26Z

2009년, 구글이 세상을 놀라게 한 논문을 내놨다. 사람들이 검색창에 무엇을 치는지만 봐도, 독감이 어디서 번지는지 알 수 있다는 것이었다. "기침 멎는 법", "몸살 해열제" 같은 검색이 늘면 그 지역에 독감이 도는 신호다. 구글은 수십억 건의 검색어를 뒤져, 독감 확산과 가장 잘 맞아떨어지는 검색어 조합을 찾아냈다. 이름은 구글 독감 트렌드(Go

모두를 위한 제품은 아무도 위하지 않는다

2026-07-17T13:40:21Z

1945년 여름, 미국 클리블랜드의 한 신문 1면에 이런 제목이 걸렸다. "당신이 노마인가요? 전형적인 여성을 찾습니다." 노마는 조각상이었다. 만 오천 명의 젊은 여성들에게서 모은 신체 치수를 평균 내어 만든, 말하자면 "평균적인 미국 여성"의 상이었다. 클리블랜드 건강박물관에 전시돼 있었고, 당대 사람들은 그 앞에서 감탄했다. 이것이 정상이고

99% 정확한 검사의 함정

2026-07-20T06:53:31Z

질문 하나로 시작해보자. 어떤 병이 있다. 만 명 중 한 명이 걸리는 희귀병이다. 이 병을 찾아내는 검사가 있는데, 정확도가 무려 99%다. 당신이 검사를 받았고, 양성이 나왔다. 당신이 실제로 이 병에 걸렸을 확률은 얼마일까. 99%라고 답했다면, 당신은 아주 정상적인 사람이다. 대부분이 그렇게 답한다. 정답은 약 1%다. 숫자를 세어보면

세 명이 말하면 대세가 된다 - 三人成虎

2026-07-20T07:13:06Z

회의실에서 누군가 이렇게 말한다. "인터뷰한 세 분이 전부 이 기능 불편하다고 하시더라고요." 그 순간 공기가 바뀐다. 다들 고개를 끄덕이고, 다음 분기 로드맵이 조용히 수정된다. 세 명 중 세 명. 숫자로 쓰면 100%다. 만장일치처럼 들린다. 그런데 우리 서비스를 쓰는 사람은 백만 명이다. 동전을 세 번 던져 앞면만 세 번 나올 확률은

과유불급

2026-07-05T13:53:45Z

머신러닝을 배우면 초반에 꼭 만나는 개념이 있다. 과적합(overfitting). 모델에게 과거 데이터를 잔뜩 보여주며 공부시키는데, 이 모델이 너무 열심히 외운 나머지 데이터에 섞인 우연이나 잡음까지 통째로 암기해버리는 현상이다. 시험 족보를 통째로 외운 학생을 떠올리면 쉽다. 작년 기출문제는 100점을 맞는다. 그런데 숫자만 살짝 바뀐 새 문제가

없는 데이터

2026-07-05T13:52:11Z

예전에 이런 요청을 받은 적이 있다. "사람들이 결제 직전에 왜 이렇게 많이 나가는지, 데이터로 좀 봐줄 수 있어요?" 좋은 질문이었다. 나는 자신 있게 데이터를 열었다. 그리고 십 분 만에 깨달았다. 답할 수 있는 게 아무것도 없다는 걸. 결제 페이지에 들어온 기록은 있었다. 결제를 완료한 기록도 있었다. 그런데 그 사이, 사람들이 무엇을 하다가

코브라를 잡으세욧!!

2026-07-05T13:45:25Z

영국 식민지 시절 인도, 델리에 코브라가 너무 많았다. 총독부는 묘안을 냈다. 코브라를 잡아 오면 현상금을 주기로. 처음엔 효과가 있었다. 사람들이 코브라를 잡아 왔고, 개체 수가 줄었다. 그런데 얼마 뒤, 이상한 일이 벌어졌다. 사람들이 현상금을 노리고, 집에서 코브라를 기르기 시작한 것이다. 뒤늦게 이를 안 총독부는 현상금을 폐지했다. 그러자 쓸모없어진

예쁜 쓰레기

2026-06-24T04:35:57Z

회의실에서 가장 자주 보는 장면이 있다. 누군가 자리에서 일어나, 자랑스럽게 슬라이드를 띄운다. 화면 한가운데, 큼지막한 숫자가 박혀 있다. "누적 가입자 100만 돌파했습니다." 박수가 나온다. 분위기가 좋다. 그런데 나는 그 숫자를 볼 때마다, 조용히 다른 생각을 한다. 그래서, 우리는 이제 무엇을 하면 되나. 대답이 떠오르지 않는다.

평균에 속는다

2026-06-24T04:32:44Z

1973년, UC 버클리 대학원은 고소당할 뻔했다. 그해 합격률을 보면 남성은 44%, 여성은 35%였다. 누가 봐도 성차별이었다. 그런데 통계학자들이 학과별로 숫자를 쪼개 보자, 이상한 일이 벌어졌다. 대부분의 학과에서, 오히려 여성의 합격률이 같거나 더 높았다. 어떻게 전체에선 남성이 유리한데, 학과마다 들여다보면 여성이 유리할 수 있을까. 답

인간만이 자신 있게 틀린다

2026-06-12T12:46:52Z

AI에게 SQL을 시키면 좋은 점이 있다. 0.5초 만에 답을 준다. 나쁜 점도 똑같다. 0.5초 만에, 틀린 답도 그만큼 자신 있게 준다. 사람 주니어는 확신이 없으면 조심스럽게 묻는다. "이거… 맞을까요?" AI는 묻지 않는다. 모른다는 말도, 한 줌의 망설임도 없이, 완벽하게 정렬된 들여쓰기로 쿼리를 내민다. 나는 이게 진짜 위험한 부

떠난 사람은 말이 없다

2026-06-12T12:47:59Z

2차 세계대전 때 이야기다. 미군은 폭격을 마치고 돌아온 비행기들을 늘어놓고, 총탄 자국을 일일이 기록해서 찍었다. 날개와 꼬리에 자국이 빽빽했다. 결론은 너무나 자연스러웠다. "자국이 많은 곳에 철판을 덧대자." 그때 통계학자 한 명이 손을 들었다. 에이브러햄 발드. 그는 정반대로 말했다. 철판을 대야 할 곳은 자국이 많은 곳이 아니라, 자국이 하나

## 7화. 거짓말의 점심

2026-08-14T06:21:26Z

목요일 아침. 모니터 위에 강이준의 포스트잇. > 오늘은 떡볶이. 평소대로. 어제 강이준이 일찍 갔으니까, 어젯밤에 와서 붙여둔 건 아닐 거고 오늘 아침에 출근하자마자 붙인 거였다. 4년 동안 그래왔던 것처럼. 10시 회의. 큰 회의실. 차도엽이 자기 자리에 앉아서, 어제 새벽 1시까지 같이 다듬은 가설을 발표했다. 임지수, 정수아, 강이준이 같

AI에게 일 시키고 남은 시간

2026-06-12T12:49:46Z

### After SQL 처음엔 무서웠다. ChatGPT에 테이블 스키마를 붙여놓고 "어제 가입한 사용자 중에 첫 결제까지 도달한 비율 뽑아줘"라고 했더니, 3초 만에 정확한 SQL이 나왔다. 10년 가까이 SQL로 먹고 살았다. 처음 입사했을 땐 SQL 잘 짜는 게 분석가의 첫 번째 능력이었다. 이제 그건 누구나 한다. 그리고 한 달쯤 지나서

## 6화. 빗속 우산

2026-08-14T06:21:26Z

분기 마감이 다음 주였다. 〈사이〉 리뉴얼 1차 시안을 내야 하는 주. 화요일부터 야근이 시작됐다. 수요일 밤 11시. 사무실에 두 명 남았다. 하연, 차도엽. 강이준은 9시쯤 *내일 일찍 출근해야 됨* 한 마디 남기고 갔다. 임지수는 8시에 정확히 퇴근. 정수아는 처음부터 야근 멤버가 아니었다. 차도엽이 큰 회의실에서 노트북을 보고 있고, 하연

퍼널, 퍼널 그리고 퍼널.

2026-06-12T12:51:22Z

# 퍼널이 매번 깨지는 진짜 이유 ### Funnel Drift 분석가의 슬랙으로 같은 질문이 매주 온다. "저번 주에 가입 전환율 28%였는데, 이번 주 대시보드 보니까 22%네요. 캠페인 망한 거예요?" 들어가서 뜯어보면 캠페인 문제가 아니다. 퍼널의 정의가 그 사이에 바뀌었거나, 트래킹이 깨졌거나, 누군가 기준을 다르게 본 것이다. 퍼널 숫자

코코귀귀 - 코에 걸면 코걸이, 귀에 걸면 귀걸이

2026-06-12T12:52:49Z

# 코걸이, 귀걸이 ### Question First 코에 걸면 코걸이, 귀에 걸면 귀걸이. 데이터 분석을 오래 하다 보면 이 속담이 자꾸 머릿속에 떠오른다. 같은 매출 하락 그래프 한 장을 들고 세 부서가 회의에 들어간다. 마케팅은 "광고 예산이 너무 줄었다"고 말한다. 프로덕트는 "지난달 UI 개편 영향이다"라고 말한다. 재무는 "단가 인상이 컸

당신의 실험은 틀렸습니다

2026-05-26T05:32:39Z

p < 0.05 "이번 실험 결과 어때요?" 분석가가 가장 자주 받는 질문이고, 가장 자주 내놓는 답이 "p값 0.05 미만이라 유의합니다"다. 이 한 줄로 끝내면 사실 절반은 거짓말이다. A/B 테스트는 가장 과학적인 의사결정 도구처럼 보이지만, 동시에 가장 잘못 해석되는 도구다. 잘 굴린 실험 하나가 회사를 살리기도 하고, 잘못 읽은 실험 하나가 멀쩡

목요일