들어가며
1장 앞으로 필요한 건 데이터 문해력: 분석보다 활용
_1.1 기계가 할 일과 사람이 할 일
__기계가 압도적으로 잘하는 일이 훨씬 많은 세상에서
__중요한 것은 앞으로 자신에게 필요한 기술이 무엇인지 아는 것
__가치 있는 결과를 도출하기 위해서
_1.2 통계를 배워도 왜 활용하지 못하나?
__가치 있는 기술이란
__반드시 습득해야 하는 기술이 무엇인지 다시 확인한다
_1.3 데이터를 먼저 보지 마라 - 데이터 안에 답은 없다
__‘데이터 활용을 못 하는’ 사람들의 공통적인 과제, 문제점
__미래에 정말 필요한 지식이란?
__이 책에서 전하고자 하는 메시지
2장 올바른 데이터로 올바른 문제를 풀고 있는가? ~목적 사고력: 목적에 맞게 문제와 데이터를 연결하기~
_2.1 데이터 활용에 실패하는 두 가지 이유!
_2.2 주요 원인 1: 풀고자 하는 문제가 명확하지 않다 (Are you solving the right problem?)
__가장 먼저 해야 하는 작업은 ‘목적과 문제에 대한 정의’
__포인트 1: 사용된 언어가 구체적이고 명확한가?
__포인트 2: ‘문제’, ‘원인’, ‘해결 방안’을 구분하고 있는가?
__‘문제 정의’에 대한 사례
_2.3 주요 원인 2: 정의한 문제와 사용하는 데이터가 일치하지 않는다 (Are you using the right data?)
__‘지표 불일치’ 문제: 와키마치 고등학교의 사례
__‘지표 불일치’ 문제: 요코하마 국립대학의 사례
_2.4 비즈니스 현장 사례 분석
__사외와 관계된 문제
__사내에 존재하는 문제
__지자체 및 행정과 관계된 문제
__더 나은 목적 · 문제를 정의하기
제3장 ‘이것이 문제다’ 데이터로 말하는 방법 ~현상 파악 및 평가력: 문제를 표현하는 힘~
_3.1 결과와 평가는 다르다
__가치있는 정보란 무엇인가?
__평가와 우선순위의 관계
_3.2 비교할 때는 관점이 중요하다
__결론이 데이터와 일치하는가?
__비교할 때 체크포인트
_3.3 비교의 기술
__평균을 사용한 흔한 분석 패턴
__추이와 변화를 본다
__편차를 고려한다
__평가 기준의 정리
_3.4 비교 사례 분석
__인구 문제를 다룬 경우
__고객 만족도를 다룬 경우
__노동 시간, 시간 외 근무 시간을 다룬 경우
__공영 시설 이용 현황을 다룬 경우
__비교 총정리
4장 결과가 나왔다고 끝난 것은 아니다 ~원인 파악력: 행동으로 이어지는 힘~
_4.1 최종 목표는 ‘행동과 판단’
__‘데이터 정리’로 끝내고 있지 않나요?
__해결 방안은 원인에 실행되어야 한다는 것을 알고 있나요?
_4.2 데이터에서 원인을 찾는 사고방식과 방법
__원인 후보를 이끌어 내는 방법과 지표를 특정하는 방식
__문제와 원인, 그 관련성 유무를 확인하는 방법
__산포도와 상관계수를 활용한 분석 사례
_4.3 알아두어야 할 주의 사항
__직접적인 관계인지, 간접적인 관계인지?
__원인은 한 가지가 아니라, 여럿이거나 복잡할 수도 있다
__선형이 아닌 관계성도 존재한다
__상관관계는 인과관계를 나타내는 것이 아니다
5장 기법에 집착하지 마라~전체 구성력: 스토리(논리)를 만드는 힘~
_5.1 자꾸만 늘어가는 ‘방법맨’이란
__문제 해결 프로세스 재확인
__문제 해결 프로세스에서 누구나 하는 실수
__결과와 유효성에 차이가 생기는 ‘원인’ 파악 유무
_5.2 방법맨이 돼버리는 구조 ~‘생각한다’의 두 가지 의미~
__프로세스를 잊어버리기 십상
__평가 기준이 애매하다?
__당신의 ‘생각한다’는 어느 쪽?
_5.3 ‘왜(원인)’ 그런지 끈질기게 생각하라
__‘원인’의 구조는 단순하게만 볼 수 없다
__얼마나 ‘왜?’를 반복하면 될까?
5.4 도전 문제!
6장 ‘결론은 이것이다’ 정보를 요약하라 ~정보 집약력: 정보를 수집하고 결론을 이끌어 내는 힘~
_6.1 결과와 결론은 다르다
__‘결과’와 ‘결론’의 차이: 목적을 이해하지 못하는 사례
_6.2 ‘결과’와 ‘결론’의 차이: 데이터를 너무 단순하게 이해한 사례
__그래프를 효과적으로 사용해 결론을 내린 사례
__그래프를 활용한 결론의 예
__그래프 그 자체로 결론을 설명할 수 있는 예
_6.3 결론을 낼 때 주의해야 할 점
__데이터로 설명 가능한 범위인가?
__인지 편향(선입견)
__정답은 역시 한 가지가 아니다
7장 ‘데이터로 문제를 해결할 수 있다’는 착각 ~시야확대력: 데이터로부터 시야를 넓히는 힘~
_7.1 데이터 안에는 답이 없다고 생각하라
__데이터를 다루는 기술을 익히려면 극복해야 할 것들
__가장 적합한 해답을 찾기 위한 논리적인 사고방식이란
__분석 범위와 이용해야 할 데이터를 적절히 논리적으로 검토한 프로세스
_7.2 시야를 넓히면 분석의 폭도 넓어진다
__논리 사고로 문제를 구조화한다
_7.3 ‘보이지 않던 것’을 보이게 만드는 힘
__짝짓기
__자기 부정
7.4 지금 그리고 앞으로 필요한 ‘살아남는 능력’이란
8장 개인과 조직의 데이터 활용 능력을 높이는 방법 ~실행력: 문해력을 실현하는 힘~
_8.1 데이터를 활용할 ‘환경’은 적절한가요?
_8.2 잘 나가는 개인과 조직은 무엇이 다른가
__공통점 1: 선생님과 팀장, 파트장 등의 리더십, 책무로 확립되다
__공통점 2: 목적이 명확하다
__공통점 3: ‘생각’과 ‘작업’의 차이와 가치를 이해한다
__공통점 4: 결과물을 적절하게 평가할 수 있는 사람이 있다
__데이터 문해력에 뛰어난 사람이 되려면
끝으로

카시와기 요시키(柏木 吉基, Yoshiki Kashiwagi)
게이오대학 이공학부 졸업 후, 히타치에서 해외 세일즈 엔지니어로 재직.
미국에서 MBA를 취득하고 닛산에서 해외 마케팅&영업부, 조직개발부, 비즈니스 개혁 매니저 등을 역임, 글로벌 조직에서 수많은 경영 과제를 해결하고 사내 개혁 프로젝트의 파일럿을 담당.
2014년에 데이터 분석 및 합리적 사고(로지컬 싱킹) 기반의 문제 해결 트레이너로서 독립했으며 풍부한 실무 경험과 실적에 기반한 실천적인 교육과 컨설팅이 가능한 유일한 강사로서 활동하고 있다.
일본 정부의 RESAS 전문 위원도 겸하고 있으며 농구부 코치이기도 한 두 아이의 아버지.


강모희
연세대학교 신문방송학과 졸업 후, 일본 와세다 대학 국제정보통신연구과 공학석사 학위 취득.
삼성전자, LG유플러스 등, IT 기업에서의 근무를 거쳐, (주)아이티앤베이직을 공동 창업하고 일본 법인 IT&BASIC Japan의 대표로 재직 중.
KOTRA 글로벌 지역전문가로서도 활동하며, 정보통신산업진흥원, 한국무역협회 등에서 일본 사업 노하우에 대한 강연을 진행하는 등, 일본 비즈니스 전문가로 다방면에 걸쳐 활약 중이다.