CLASS101

제품 전략(Product Strategy)을 잘한다는 건? 👉 팀이 "이 기능을 왜 지금 만드는가"를 명확하게 하며, 또렷한 목적지를 바라보게 하는 것. 최근 신제품(0 to 1)의 PM을 겸임하게 되었습니다. 대략 4개 정도의 직무를 동시에 하고 있었는데 이제 5개가 되었죠. 😅 오랜만에 PM을 겸한 김에, 꽤 자주 같이 일한 개발자 분께 저에 대한 피드백을 부탁드렸습니다. 그런데 그 답변이 제가 생각하는 '제품 전략의 역할'을 너무나 선명하게 설명해주셔서 글을 써보려합니다. 1️⃣ 제품 성공의 공식 적자 -800억 토스증권 을 해외주식 1등으로 만들고, 이미 1600만명이 넘는 토스 전체의 MAU 장벽을 깨부수는 과정에서 제가 깨달은 공식이 있습니다. 제품 성공은 아래의 상황에서 만들어집니다. "매 실행마다 러닝을 얻어가면서 반복적으로 집요하게 실행한다" 제품 성공은 [분석 -> 실행 -> 성공]처럼 선형적으로 발생하지 않습니다. 매 실행마다 러닝을 얻어서 조금씩 나아가는 양성 피드백 과정입니다. 실제 성공으로 가는 구조는 이렇습니다. [실행 -> 러닝 (방향조정) -> 실행 -> 러닝 (방향조정) -> ... -> 성공] 2️⃣ 제품팀의 현실 이상은 그렇지만 현실은 괴리가 있습니다. 그 이유는 보통 DA와 PO의 이분법적 역할 분리에 있습니다. 사람들은 [분석 -> 실행 -> 성공] 이런 선형적 과정을 기대하기 때문에, 분석-> 실행은 DA가 실행 -> 성공은 PO가 맡는다고 기대하고 있습니다. 그리고 그건 처참히 틀렸습니다. 그건 클래스101에서 수백명의 DA와 PO의 커리어 설문조사를 해본 결과에서 선명히 드러납니다. DA와 PO의 입장은 다음과 같습니다. 🗣️ DA : 내 분석은 실행이 안돼. 나는 추출만해. 🗣️ PO : 내 실행은 성공이 안돼. 대체 어떻게 성공해. 괴리가 생기는 이유는 제품 성공의 공식을 보면 알 수 있습니다. "매 실행마다 러닝을 얻어가면서 반복적으로 집요하게 실행한다" DA는 분석을 통해 러닝을 얻지 못했고, PO는 러닝을 기반으로 실행하지 못했고, 둘은 실행에서 러닝을 얻지 못했기 때문입니다. 끝없이 러닝이 빠져있습니다. 아무리 반복적이라도/아무리 집요해도 러닝을 얻지못하면 팀은 제자리를 맴돌 뿐입니다. 3️⃣ 러닝이란 무엇인가? 러닝이라는 것은 우리가 인과가 명확한 진실을 알게되는 것을 의미하지 않습니다. 그보다 덜 과학적이고, 더 내러티브에 가깝습니다. 정량적 진실은 필요하지 않을 때가 많습니다. 매주 우리는 러닝이 필요합니다. - "위시리스트 기능, 개발하는 게 좋을지. 그걸 어떻게 알지…?" 모호한 상황은 비즈니스에 일반적입니다. 러닝은 이런 것입니다. - "대체적으로 구매전환율은 같은 상품을 여러번 볼 수록 높아진다. 그러나 현재 재진입을 하는 유저들은 홈의 추천 시스템의 의해서 자신이 봤던 상품을 잘 찾아가는 것으로 보인다. 우리의 팀에 대기된 액션 아이템 목록중에 같은 상품을 다시 보게할 수 있는 아이템이 더 많으며 모델링 해본 결과 임팩트 차이가 큰 것이 있어보인다. 따라서 위시리스트 기능은 우선순위가 낮다" 4️⃣ 제품 전략의 정의 제가 정의하는 제품 전략은 다음과 같습니다. "팀을 매 실행마다 올바른 러닝을 얻어주면서, 반복적으로 집요하게 실행하도록 만드는 것" 여기서 올바르다는 건, '맞다'가 아닙니다. 보다 덜 과학적인 이야기입니다. 저는 제품전략에 러닝 뿐만 아니라 반복실행까지 포괄합니다. (아무리 좋은 러닝을 줘도, PO가 그걸 믿고 집요하게 실행하지 않으면 팀은 나아가지 못하거든요) 제품전략을 뛰어나게 수행하면, 매번의 실행마다 팀은 세상이 선명해지는 경험을 합니다. 고객에 대한 이해가 올라가고, 제품에 대한 이해, 산업에 대한 이해, 심지어는 인간 그 자체에 대한 이해가 올라갑니다. (믿으셔도 됩니다. 저는 토스증권에서 대니얼 카너먼의 전망이론을 실험으로 증명하기 까지했거든요. 그리고 그게 향후 모든 실험과 제품의 거대한 MAU 증분을 만들었습니다) 이건 단순히, Data-Driven Decision과는 다릅니다. 그건 러닝을 얻는 법의 일부일 뿐이죠. 제품 전략을 잘 해내면 그 결과 동료들은 이런 체험을 하게 됩니다. 👉 "이 기능을 왜 지금 만드는지"가 명확한 상태로 일을 하는 경험. 선명한 현재 상태가 팀에 공유되니 모두가 같은 선 위에 서게 되고, 또렷한 목적지를 함께 바라보니 흔들리지 않고 똑바로 나아갈 수 있습니다. 이건 제가 주장하는게 아닙니다. 제가 10년간 개발을 해오신 분께 피드백이죠. 5️⃣ 제품 전략은 제품 성공을 위해 존재합니다. 제품 전략은 현학적인 학문이 아니라, 제품 성공을 위해 존재하는 '전략'입니다. 그리고 저는 단언컨데, 한국에 이 분야를 저보다 집요하게 고민하고 정의하고 정리한 사람은 없다고 생각합니다. 이유는 간단합니다. 한국 제품 문화의 정점이라고 할 수 있는 토스에서, DA와 PO로 모두 Growth를 성공시켜봤고, 그 두개의 경험을 하쳐서 "제품 전략 매니저"라는 직군을 직접 만들었습니다. 전 계열사 2000명 중 유일하게 혼자 그 직무를 수행했습니다. 현재는 클래스101에서 "제품 전략 리드"를 맡고 있습니다. 저는 제 성공이 우연일까 끝없이 불안했고, '재현가능성'에 집착하면서 끝없이 정리하고 프레임워크화 시켰습니다. 토스에는 여전히 제가 만든 모델과 자료들이 학습 자료로 쓰이고 있고, 클래스101에서는 모든 데이터의 흐름과 접근법이 저의 기준으로 만들어져있습니다. 제가 생각하는 제품 전략 프레임워크가 궁금하신가요? 10월 25일 일요일 저녁 8시에, 유투브 생중계로 웨비나를 진행합니다. 관심있으신 분들은 참여해주세요. 그날 제가 진행하는 프로그램에 대한 소개도 드리겠습니다. 댓글에 오픈카톡방 링크 남겨놓겠습니다. Q&A도 진행하니 관심있으신 DA, PO분들은 편하게 참여해주세요. (웨비나는 당연히 무료입니다) "내 분석은 실행되지 않아", "대체 어떻게 성공을 만들지?"라는 고민이 있다면 환영합니다.

⭐️ 데이터를 많이 보는 것은, Data Driven Decision과 아무 상관이 없습니다. "저는 데이터를 활용하는 역량이 뛰어납니다." 많은 분들이 이 문장을 이력서에 당당히 쓰고 싶어 합니다. DA뿐만 아니라 광고대행사 마케터, MD, 재무기획, 영업, PM. 직군은 다른데 질문은 놀랍도록 같습니다. "분석가가 아닌 내가, 데이터로 인정받으려면 무엇이 필요한가요?" 시장은 이 질문에 SQL인 것처럼, 파이썬인 것처럼, 통계인 것처럼 도구를 팝니다. 도구를 쓸 줄 알면 데이터를 볼 줄 안다는 환상을 심어주죠. 저는 DA가 아니어도 뛰어나게 판단하는 PM, 마케터를 여럿 봐왔습니다. 공통적으로 SQL, 파이썬, 통계는 핵심이 아니었습니다. 그리고 재밌게도, 그분들께 비결을 물으면 설명을 잘 못하십니다. 자전거 타는 법과 같아서요. "그냥 보다 보니 잘 보게 됐다". 그래서 제가 대신 정리해봤습니다. 데이터를 잘 보는 능력은 4개의 층(Layer)으로 이루어져 있습니다. 1️⃣ 현실의 사례 "퍼널 그리는 법"은 가상 사례로 배울 수 있지만, "퍼널로 판단하는 법"은 실제 현실에서 누군가 부딪힌 문제의 맥락을 통해서만 배울 수 있습니다. 보통 이건 회사에서 데이터를 잘 보는 사람 옆에서 어깨너머로 배웁니다. 그리고 이 영역은 AI가 대체하기 매우 힘듭니다. 2️⃣ 분석 방법론 퍼널 분석, 코호트, 세그먼테이션 같은 것들이죠. 그런데 AI가 등장하면서 방법론을 찾고 적용하는 게 말도 안 되게 수월해졌습니다. 방법론을 많이 써본 건 더 이상 해자가 못 됩니다. 그럼에도 시장이 방법론을 먼저 파는 이유는 하나입니다. 현실의 사례는 강의로 팔 수 없어도, 방법론은 팔 수 있거든요. 3️⃣ 문제정의 프레임워크 현실의 문제를 보고 "아, 이건 Precision & Recall 관점의 문제야"라고 정리해내는 틀입니다. 모든 문제에 모든 방법론을 들이대는 게 아니라, 문제를 어떤 형태로 정리할지 정하는 층이죠. 제가 연재했던 [전략적 생각 원칙]이 여기에 해당합니다. R1(현재)과 R2(원하는 상태)의 갭을 문제로 정의하고, 문제가 어디(Where) 있는지 퍼널과 세그먼트로 충분히 좁힌 뒤에야 Why를 찾는 순서. 4️⃣ 메타적 사고 정의된 용어가 없는 영역입니다. 저는 팀에 "데이터를 바라보는 기본: 정방향, 역방향"이라는 문서를 써서 이 단어로 소통합니다. 가령 PAID 마케팅의 전환율은 정방향이고, 구매 유저 중 PAID가 차지하는 비율은 역방향입니다. 이 층은 데이터를 잘 보는 사람들조차 거의 신경 쓰지 않습니다. 그런데 이게 있어야 "지금 내가 어느 층에서, 어느 방향으로 데이터를 보고 있는지"를 점검하고 남에게 설명할 수 있습니다. 눈치채셨겠지만 이 4가지는 층입니다. 가장 구상적인 게 1️⃣ 현실의 사례, 가장 추상적인 게 4️⃣ 메타적 사고. 내가 데이터 직군이라면 1~4에 SQL/태블로(도구)가 추가로 필요하고, 데이터 직군이 아니라면 1~4만 있으면 됩니다. 도구는 이 4개 층 안에 있지도 않습니다. 그런데 시장의 데이터 강의 70%는 도구에, 30%는 방법론에 집중합니다. 그마저도 현실의 사례가 없어서 데이터 리터러시를 늘려주지 못합니다. 강사가 악랄해서가 아닙니다. 자신의 회사의 사례를 있는 그대로 알려줄 수 있는 강사가 구조적으로 없습니다. 제가 제품 전략 리더로 일하고 있는 클래스101은 특이하게도 교육을 목표로 하는 회사입니다. 그러다보니 저는 클래스101의 실제 사례로, 제가 데이터를 보는 법을 설명할 수 있는 특이한 자리에 있습니다. 클래스101의 비전은 '더 나은 내일을 위해'거든요. 그 비전에 맞게, 오는 10/25 무료로 라이브 웨비나를 열 예정입니다. - 직접 PM/PO로 제품 데이터를 볼 때 필요한 스킬은 어떤 것들이었는지 - 제품/전사 레벨에서 Growth Model을 직접 만들고, 성과를 냈던 방법은 무엇인지 - 그리고 이걸 여러 사람들이 복제해서 적용가능하도록 만들어낸 프레임워크에 대해서 - 클래스101에서 준비하고 있는 [데이터 기반 의사결정] 프로그램 소개까지. 최근 클래스101에서 PM까지 겸하면서 유저수가 100명도 안되는 데이터라고 할게 없는 환경에서 조차 제 사고방식이 적용되고 팀이 나아가는 모습을 보고 있습니다. 늘 강조하지만 결국 데이터를 보는데 중요한건 SQL이 아닌듯합니다. 모두 집대성한 이야기들에 관심있는 분들은 10/25 저녁 8시에 시작하는 무료 웨비나 링크를 공유드릴게요! https://lnkd.in/gv8zcfDF

🗣️ "추출만 하다 물경력이 될까 봐 무섭습니다." 🗣️ "사수가 없어서 제대로 크고 있는지 모르겠어요." 오픈 카톡방에 쌓인 질문을 정리하다 보니, 표현은 다른데 근원되는 두려움이 같은 질문이 한 무더기였습니다. 오늘은 그중 두 개에 답해보겠습니다. 감정적 위로 대신, 제가 실제로 쓰는 판단 프레임으로요. 그 전에 외면하지 말아야 할 진실 하나. 직무는 그 직무에 의해 창출되지 않습니다. 회사의 경영자(의사결정권자)의 니즈에 의해 창출되고 배정됩니다. "팀에 DA가 몇 명 필요하다"를 판단하는 진리의 기준은 세상에 없고, DA 집단이 정하지도 않습니다. 조직의 자원 배분을 결정하는 사람이 정합니다. 우리가 두려워하는 '물경력'의 본질은 연차와 스킬셋의 문제가 아닙니다. '현실을 바꿔본 경험'이 있느냐의 문제입니다. 그리고 그 경험은 좋은 환경에서 주어지는 게 아니라, 지금 있는 자리에서 만드는 겁니다. 1️⃣ "SQL로 추출하고 반출만 하는데, 이 일도 데이터분석가라고 할 수 있나요?" 먼저, 그 현타는 이상한 게 아닙니다. "나는 SQL 자판기인가"라는 고민은 거의 모든 DA가 6개월에서 1년 차쯤 한 번씩 겪습니다. 첫째, 사람들이 바라보는 DA는 사실 "데이터로 할 수 있는 일 중 너무 테크/통계 헤비하지 않은 모든 작업을 요청받는 직무"에 가깝습니다. 중요한 건 모든 일을 '할 수 있다'는 것이지, 모든 일을 '한다'는 게 아니라는 점이에요. 추출도 그 스펙트럼 안에 있으니 DA가 아니라고 할 수는 없습니다. 둘째, 다만 이건 분명히 해야 합니다. 데이터를 추출할 수 있다는 것과 데이터 드리븐 디시전을 잘한다는 것은 별개입니다. 직무 이름이 아니라, 내 일이 어떤 의사결정을 바꿨는가가 분기점입니다. 셋째, 이력서 관점에서는 집계·검증을 '분석과 비슷한 느낌'으로 포장하는 것보다, 지금 접근 가능한 환경에서 현실의 문제를 하나라도 해결한 경험을 만드는 쪽이 훨씬 유리합니다. 포장은 면접에서 금방 드러나지만, 작더라도 현실을 바꾼 이야기는 힘이 있거든요. 2️⃣ "성과 보고와 시각화만 반복하는 기계가 된 것 같아요. 이직이 답일까요?" 회사 상황을 모르니 "하세요/마세요"는 못 드리고, 대신 프레임을 드립니다. 첫째, 회사의 구조적 상황과 나의 행동을 분리해서 보세요. 한 번은 '모든 것이 회사 구조 때문이다'라고 놓고 원인을 나열하고, 한 번은 '모든 것은 나의 행동 때문이다'라고 놓고 다시 나열합니다. 둘째, 두 목록을 제3자에게 평가받으세요. AI와의 대화도 좋습니다. 셋째, 내가 견딜 수 있는 N개월 안에 바꿀 수 있는 것을 선별하고, "그걸 바꾸면 현재 상황이 달라질까?"에 답해보세요. 그 답이 이직 여부를 알려줍니다. 그리고 별개로 세 가지. 성과 보고와 시각화가 주 업무라면, 이 일 자체를 줄일 방법부터 생각해봅시다. 루틴한 요청들은 겉보기와 달리 개별성이 강하지 않아서, 추상화하면 자동화하거나 셀프서빙으로 넘길 수 있습니다. 저는 반복되던 세그먼트 추출 요청을, 요청자가 직접 뽑아 쓰도록 두어 시간 만에 셀프서빙으로 만들어준 적도 있어요. 그렇게 일이 줄었다면, 회사는 왜 나를 필요로 할까요? 그럴 이유가 없다면, 반대로 그들이 나를 필요로 할 이유를 내가 만들어줄 수 있을까요? 기억하세요. 내가 새로운 문제를 발굴하지 않으면, 요청자는 새로운 문제를 주지 못합니다. 도메인 탓이 아니라, 다음 문제를 정의하는 건 언제나 내 몫이에요. 그리고 모든 고민에 앞서 가장 먼저 해야 할 것. 근본적으로 나는 무엇을, 어떤 커리어를 원하는가. 목표 Y가 불분명하면 행동 X도 불분명해집니다. "반드시 이렇게 된다"고 선언하는 사람의 말은 듣지 마세요. 노동 시장은 비효율적이고, 애매한 중간은 늘 존재합니다. 그런 말은 안심을 줄지언정 스스로 판단하는 법은 길러주지 못합니다. 연차가 많은 사람 말고, 인정받고 성과를 내본 사람의 말을 들으세요. 그게 제 이야기가 아니어도 좋습니다. 저는 DA로 시작해, 토스증권을 해외주식 1위로 만드는 Growth Silo의 PO를 담당했고, 전체 토스 2000명 중 저 만을 위한 직군을 만들어서 토스 전체의 Growth를 담당했습니다. 현재는 클래스 101에서는 제품 전략을 리드하고 있어요. 제가 최고라는 이야기는 아닙니다. 다만, 제가 성과에 도달하는 과정에서 배운 것들을 공개할 기회가 있어 링크드인에 글을 쓰고 있어요. 사수가 없는 누군가에게 도움이 되길 바라면서요. 제가 데이터를 통해 의사결정하고 성과를 냈던 과정에 대해 궁금하신 분들이 계신가요? 오는 10/25 저녁에 무료로 웨비나를 열 예정입니다. - 직접 제품/전사 레벨에서 Growth Model을 직접 만들고, 성과를 냈던 방법은 무엇인지 - 성과로 이어지는 분석과 그렇지 못한 분석은 어떻게 다른지 - 그리고 이걸 여러 사람들이 복제해서 적용가능하도록 만들어낸 프레임워크에 대해서 - 클래스101에서 준비하고 있는 [데이터 기반 의사결정] 프로그램 소개까지. 최근 클래스101에서 PM까지 겸하면서 유저수가 100명도 안되는 데이터라고 할게 없는 환경에서 조차 제 사고방식이 적용되고 팀이 나아가는 모습을 보고 있습니다. 늘 강조하지만 결국 데이터를 보는데 중요한건 SQL이 아닌듯합니다. 모두 집대성한 이야기들에 관심있는 분들은 오픈카톡방에 입장해주세요. 참가 링크 : https://lnkd.in/gv8zcfDF

🗣️ "추출만 하다 물경력이 될까 봐 무섭습니다." 🗣️ "사수가 없어서 제대로 크고 있는지 모르겠어요." 오픈 카톡방에 쌓인 질문을 정리하다 보니, 표현은 다른데 근원되는 두려움이 같은 질문이 한 무더기였습니다. 오늘은 그중 두 개에 답해보겠습니다. 감정적 위로 대신, 제가 실제로 쓰는 판단 프레임으로요. 그 전에 외면하지 말아야 할 진실 하나. 직무는 그 직무에 의해 창출되지 않습니다. 회사의 경영자(의사결정권자)의 니즈에 의해 창출되고 배정됩니다. "팀에 DA가 몇 명 필요하다"를 판단하는 진리의 기준은 세상에 없고, DA 집단이 정하지도 않습니다. 조직의 자원 배분을 결정하는 사람이 정합니다. 우리가 두려워하는 '물경력'의 본질은 연차와 스킬셋의 문제가 아닙니다. '현실을 바꿔본 경험'이 있느냐의 문제입니다. 그리고 그 경험은 좋은 환경에서 주어지는 게 아니라, 지금 있는 자리에서 만드는 겁니다. 1️⃣ "SQL로 추출하고 반출만 하는데, 이 일도 데이터분석가라고 할 수 있나요?" 먼저, 그 현타는 이상한 게 아닙니다. "나는 SQL 자판기인가"라는 고민은 거의 모든 DA가 6개월에서 1년 차쯤 한 번씩 겪습니다. 첫째, 사람들이 바라보는 DA는 사실 "데이터로 할 수 있는 일 중 너무 테크/통계 헤비하지 않은 모든 작업을 요청받는 직무"에 가깝습니다. 중요한 건 모든 일을 '할 수 있다'는 것이지, 모든 일을 '한다'는 게 아니라는 점이에요. 추출도 그 스펙트럼 안에 있으니 DA가 아니라고 할 수는 없습니다. 둘째, 다만 이건 분명히 해야 합니다. 데이터를 추출할 수 있다는 것과 데이터 드리븐 디시전을 잘한다는 것은 별개입니다. 직무 이름이 아니라, 내 일이 어떤 의사결정을 바꿨는가가 분기점입니다. 셋째, 이력서 관점에서는 집계·검증을 '분석과 비슷한 느낌'으로 포장하는 것보다, 지금 접근 가능한 환경에서 현실의 문제를 하나라도 해결한 경험을 만드는 쪽이 훨씬 유리합니다. 포장은 면접에서 금방 드러나지만, 작더라도 현실을 바꾼 이야기는 힘이 있거든요. 2️⃣ "성과 보고와 시각화만 반복하는 기계가 된 것 같아요. 이직이 답일까요?" 회사 상황을 모르니 "하세요/마세요"는 못 드리고, 대신 프레임을 드립니다. 첫째, 회사의 구조적 상황과 나의 행동을 분리해서 보세요. 한 번은 '모든 것이 회사 구조 때문이다'라고 놓고 원인을 나열하고, 한 번은 '모든 것은 나의 행동 때문이다'라고 놓고 다시 나열합니다. 둘째, 두 목록을 제3자에게 평가받으세요. AI와의 대화도 좋습니다. 셋째, 내가 견딜 수 있는 N개월 안에 바꿀 수 있는 것을 선별하고, "그걸 바꾸면 현재 상황이 달라질까?"에 답해보세요. 그 답이 이직 여부를 알려줍니다. 그리고 별개로 세 가지. 성과 보고와 시각화가 주 업무라면, 이 일 자체를 줄일 방법부터 생각해봅시다. 루틴한 요청들은 겉보기와 달리 개별성이 강하지 않아서, 추상화하면 자동화하거나 셀프서빙으로 넘길 수 있습니다. 저는 반복되던 세그먼트 추출 요청을, 요청자가 직접 뽑아 쓰도록 두어 시간 만에 셀프서빙으로 만들어준 적도 있어요. 그렇게 일이 줄었다면, 회사는 왜 나를 필요로 할까요? 그럴 이유가 없다면, 반대로 그들이 나를 필요로 할 이유를 내가 만들어줄 수 있을까요? 기억하세요. 내가 새로운 문제를 발굴하지 않으면, 요청자는 새로운 문제를 주지 못합니다. 도메인 탓이 아니라, 다음 문제를 정의하는 건 언제나 내 몫이에요. 그리고 모든 고민에 앞서 가장 먼저 해야 할 것. 근본적으로 나는 무엇을, 어떤 커리어를 원하는가. 목표 Y가 불분명하면 행동 X도 불분명해집니다. "반드시 이렇게 된다"고 선언하는 사람의 말은 듣지 마세요. 노동 시장은 비효율적이고, 애매한 중간은 늘 존재합니다. 그런 말은 안심을 줄지언정 스스로 판단하는 법은 길러주지 못합니다. 연차가 많은 사람 말고, 인정받고 성과를 내본 사람의 말을 들으세요. 그게 제 이야기가 아니어도 좋습니다. 저는 DA로 시작해, 토스증권을 해외주식 1위로 만드는 Growth Silo의 PO를 담당했고, 전체 토스 2000명 중 저 만을 위한 직군을 만들어서 토스 전체의 Growth를 담당했습니다. 현재는 클래스 101에서는 제품 전략을 리드하고 있어요. 제가 최고라는 이야기는 아닙니다. 다만, 제가 성과에 도달하는 과정에서 배운 것들을 공개할 기회가 있어 링크드인에 글을 쓰고 있어요. 사수가 없는 누군가에게 도움이 되길 바라면서요. 제가 데이터를 통해 의사결정하고 성과를 냈던 과정에 대해 궁금하신 분들이 계신가요? 오는 10/25 저녁에 무료로 웨비나를 열 예정입니다. - 직접 제품/전사 레벨에서 Growth Model을 직접 만들고, 성과를 냈던 방법은 무엇인지 - 성과로 이어지는 분석과 그렇지 못한 분석은 어떻게 다른지 - 그리고 이걸 여러 사람들이 복제해서 적용가능하도록 만들어낸 프레임워크에 대해서 - 클래스101에서 준비하고 있는 [데이터 기반 의사결정] 프로그램 소개까지. 최근 클래스101에서 PM까지 겸하면서 유저수가 100명도 안되는 데이터라고 할게 없는 환경에서 조차 제 사고방식이 적용되고 팀이 나아가는 모습을 보고 있습니다. 늘 강조하지만 결국 데이터를 보는데 중요한건 SQL이 아닌듯합니다. 모두 집대성한 이야기들에 관심있는 분들은 오픈카톡방에 입장해주세요. 참가 링크 : https://lnkd.in/gS6DHjS9

🗣️ "추출만 하다 물경력이 될까 봐 무섭습니다." 🗣️ "사수가 없어서 제대로 크고 있는지 모르겠어요." 오픈 카톡방에 쌓인 질문을 정리하다 보니, 표현은 다른데 근원되는 두려움이 같은 질문이 한 무더기였습니다. 오늘은 그중 두 개에 답해보겠습니다. 감정적 위로 대신, 제가 실제로 쓰는 판단 프레임으로요. 그 전에 외면하지 말아야 할 진실 하나. 직무는 그 직무에 의해 창출되지 않습니다. 회사의 경영자(의사결정권자)의 니즈에 의해 창출되고 배정됩니다. "팀에 DA가 몇 명 필요하다"를 판단하는 진리의 기준은 세상에 없고, DA 집단이 정하지도 않습니다. 조직의 자원 배분을 결정하는 사람이 정합니다. 우리가 두려워하는 '물경력'의 본질은 연차와 스킬셋의 문제가 아닙니다. '현실을 바꿔본 경험'이 있느냐의 문제입니다. 그리고 그 경험은 좋은 환경에서 주어지는 게 아니라, 지금 있는 자리에서 만드는 겁니다. 1️⃣ "SQL로 추출하고 반출만 하는데, 이 일도 데이터분석가라고 할 수 있나요?" 먼저, 그 현타는 이상한 게 아닙니다. "나는 SQL 자판기인가"라는 고민은 거의 모든 DA가 6개월에서 1년 차쯤 한 번씩 겪습니다. 첫째, 사람들이 바라보는 DA는 사실 "데이터로 할 수 있는 일 중 너무 테크/통계 헤비하지 않은 모든 작업을 요청받는 직무"에 가깝습니다. 중요한 건 모든 일을 '할 수 있다'는 것이지, 모든 일을 '한다'는 게 아니라는 점이에요. 추출도 그 스펙트럼 안에 있으니 DA가 아니라고 할 수는 없습니다. 둘째, 다만 이건 분명히 해야 합니다. 데이터를 추출할 수 있다는 것과 데이터 드리븐 디시전을 잘한다는 것은 별개입니다. 직무 이름이 아니라, 내 일이 어떤 의사결정을 바꿨는가가 분기점입니다. 셋째, 이력서 관점에서는 집계·검증을 '분석과 비슷한 느낌'으로 포장하는 것보다, 지금 접근 가능한 환경에서 현실의 문제를 하나라도 해결한 경험을 만드는 쪽이 훨씬 유리합니다. 포장은 면접에서 금방 드러나지만, 작더라도 현실을 바꾼 이야기는 힘이 있거든요. 2️⃣ "성과 보고와 시각화만 반복하는 기계가 된 것 같아요. 이직이 답일까요?" 회사 상황을 모르니 "하세요/마세요"는 못 드리고, 대신 프레임을 드립니다. 첫째, 회사의 구조적 상황과 나의 행동을 분리해서 보세요. 한 번은 '모든 것이 회사 구조 때문이다'라고 놓고 원인을 나열하고, 한 번은 '모든 것은 나의 행동 때문이다'라고 놓고 다시 나열합니다. 둘째, 두 목록을 제3자에게 평가받으세요. AI와의 대화도 좋습니다. 셋째, 내가 견딜 수 있는 N개월 안에 바꿀 수 있는 것을 선별하고, "그걸 바꾸면 현재 상황이 달라질까?"에 답해보세요. 그 답이 이직 여부를 알려줍니다. 그리고 별개로 세 가지. 성과 보고와 시각화가 주 업무라면, 이 일 자체를 줄일 방법부터 생각해봅시다. 루틴한 요청들은 겉보기와 달리 개별성이 강하지 않아서, 추상화하면 자동화하거나 셀프서빙으로 넘길 수 있습니다. 저는 반복되던 세그먼트 추출 요청을, 요청자가 직접 뽑아 쓰도록 두어 시간 만에 셀프서빙으로 만들어준 적도 있어요. 그렇게 일이 줄었다면, 회사는 왜 나를 필요로 할까요? 그럴 이유가 없다면, 반대로 그들이 나를 필요로 할 이유를 내가 만들어줄 수 있을까요? 기억하세요. 내가 새로운 문제를 발굴하지 않으면, 요청자는 새로운 문제를 주지 못합니다. 도메인 탓이 아니라, 다음 문제를 정의하는 건 언제나 내 몫이에요. 그리고 모든 고민에 앞서 가장 먼저 해야 할 것. 근본적으로 나는 무엇을, 어떤 커리어를 원하는가. 목표 Y가 불분명하면 행동 X도 불분명해집니다. "반드시 이렇게 된다"고 선언하는 사람의 말은 듣지 마세요. 노동 시장은 비효율적이고, 애매한 중간은 늘 존재합니다. 그런 말은 안심을 줄지언정 스스로 판단하는 법은 길러주지 못합니다. 연차가 많은 사람 말고, 인정받고 성과를 내본 사람의 말을 들으세요. 그게 제 이야기가 아니어도 좋습니다. 저는 DA로 시작해, 토스증권을 해외주식 1위로 만드는 Growth Silo의 PO를 담당했고, 전체 토스 2000명 중 저 만을 위한 직군을 만들어서 토스 전체의 Growth를 담당했습니다. 현재는 클래스 101에서는 제품 전략을 리드하고 있어요. 제가 최고라는 이야기는 아닙니다. 다만, 제가 성과에 도달하는 과정에서 배운 것들을 공개할 기회가 있어 링크드인에 글을 쓰고 있어요. 사수가 없는 누군가에게 도움이 되길 바라면서요. 제가 데이터를 통해 의사결정하고 성과를 냈던 과정에 대해 궁금하신 분들이 계신가요? 오는 10/25 저녁에 무료로 웨비나를 열 예정입니다. - 직접 제품/전사 레벨에서 Growth Model을 직접 만들고, 성과를 냈던 방법은 무엇인지 - 성과로 이어지는 분석과 그렇지 못한 분석은 어떻게 다른지 - 그리고 이걸 여러 사람들이 복제해서 적용가능하도록 만들어낸 프레임워크에 대해서 - 클래스101에서 준비하고 있는 [데이터 기반 의사결정] 프로그램 소개까지. 최근 클래스101에서 PM까지 겸하면서 유저수가 100명도 안되는 데이터라고 할게 없는 환경에서 조차 제 사고방식이 적용되고 팀이 나아가는 모습을 보고 있습니다. 늘 강조하지만 결국 데이터를 보는데 중요한건 SQL이 아닌듯합니다. 모두 집대성한 이야기들에 관심있는 분들은 오픈카톡방에 입장해주세요. 10/25 저녁 8시에 시작하는 무료 웨비나 링크를 공유드릴게요!

⭐️ 토스 2000명 중 유일한, '제품 전략 매니저'라는 직무를 만들었던 이유 저는 MD 👉 DA 👉 PO로 직무를 여러번 변경했습니다. 특히 토스증권에서 DA, PO로 Growth를 담당했습니다. 성공적인 Growth로 토스증권이 해외주식 1위에 도달했을 때, 저도 토스에서의 여정을 마무리하려했습니다. 그 때 토스 본사의 Head of Growth셨던 Minjung Yoon님의 제안으로 토스 본사로 넘어가게 되었습니다. 그 과정에서 제품 전략 매니저(Product Strategy Manager)라는 직무를 만들었습니다. 전 계열사 2000명이 넘는 회사에서 혼자서만 사용할 직무를 만든다는건 정말 특이한 경험이었는데요. 당시 제가 직무를 만들면서까지 풀고자 했던 문제는 "전략(DA)와 실행(PO) 사이의 교착상태"를 해결하는 것이었습니다. 제품 Growth의 일반적인 성공공식은 '좋은 전략을 여러번 실행'입니다. DA가 '여러 번 실행될 좋은 전략'을 제안해야하고, PO는 '좋은 전략을 여러 번 실행'해야합니다. 그리고 모두가 여기서 핵심이 '여러 번'이라는 사실을 놓칩니다. Q. 전략이 여러번 실행되려면 어떻게 해야할까요? A. "사람들의 믿음이 되어야 합니다." (이건 토스팀 리더이신 승건님의 전략 101 세션에도 나올 정도로 중요한 한문장입니다) Q. 사람들의 믿음이 되는 전략은 어떻게 만들어질까요? A. 답은 성공 경험입니다. "해당 프레임워크로 도출 한 전략으로 성공적인 실행을 한 경험"들이 알려져야합니다. 여기서 DA의 교착상태가 나옵니다. 1. DA가 전략이 실행되어 성공한 경험이 없으므로, 좋은 전략을 제시하기 힘들고, 2. 설령 그것이 좋은 전략이더라도 그것을 PO가 신뢰하기 힘듦 (전략은 실행되기전까지 좋은전략인지 알 수 없음) 3. 그래서 실행되지 않음 4. 그래서 좋은 전략을 제시하기 힘듦. 5. 무한 루프 전략은 답이 있는 영역이 아닙니다. 그래서 [전략 -> 실행] 이 전체 사이클을 통해 성공을 해본 경험이 중요하죠. 세계 1등 헤지펀드 창업자 레이달리오는 "신뢰도 기반 의견 가중치"라는 개념을 제시하는데, 이 개념과 비슷합니다. 누군가를 신뢰하려면 아래 2가지가 필요하다는 내용이죠. 1. 해당 분야에서 적어도 3번 이상 반복적, 성공적으로 문제 해결한 경험이 있는사람(실행) 2. 자신의 주장에 대해 인과관계를 논리적으로 설명할 수 있는 사람 (전략) 1번은 실행, 2번은 전략입니다. 그래서 제 경험이 토스에서도 유니크했던 것 같습니다. DA로서의 전략과, PO로서의 실행이요 DA로서 토스증권 최악의 리텐션 시절에 리텐션에 대한 답을 제시하고, PO로서 토스증권의 액티베이션과 Viral을 폭발적으로 성공시켰던 경험이 말이죠. 제가 만든 직무 Product Strategy Manager는 제가 앞의 과정에서 깨달은 "여러번 실행 될 수 있는 전략을 도출하는 프레임워크"를 한개의 Silo(Squad)에서 적어도 5개 이상의 Squad에서 동시 수행 가능하도록 스케일 업하는 직무였습니다. 그래서 저는 PO들의 컨설턴트 였으며, 동시에 DA의 코치였고, 여러 프레임워크를 정리해 토스 Growth Domain을 이끌었습니다. 클래스101으로 넘어오면서 주니어 DA분들을 가르칠 일이 더 많아졌는데, 토스에서의 경험들과 제 러닝들이 클래스101의 망가진 데이터를 밑바닥부터 갈아엎고 쌓아가면서 더 뚜렷해진 느낌을 받았습니다. 그래서 "여러번 실행될 수 있는 좋은 전략을 도출하는 법"을 정리하고 가르치는 코칭 프로그램을 기획했습니다. 저는 클래스101에서 제품전략팀이 업계 Best Practice가 되는 꿈을 꾸고 있습니다. 이건 어쩌면 저에게도 씨앗이고 도전입니다. 만약 제가 하나의 회사를 넘어서 업계 전체에서 제 프레임워크를 뿌리고 성과를 거두는걸 본다면, 제 꿈도 더 빨리 다가오겠지요. 회사의 마케팅 목표상, DA를 타겟했지만, 저는 "제품 전략"이라는 하나의 직무를 창출하는게 목표입니다. 전략은 DA, 실행은 PO 이렇게 이분화된 역할을 저는 원하지 않습니다. AI의 시대에 데이터를 다루는 기술적인 어려움 들은 점차 없어지고, 그로 인해서 전략과 실행으로 경계가 나눠진 부분들은 점차 없어지고 있음을 느낍니다. 그리고 저는 그게 더 맞다고 생각합니다. 오는 10/25(일요일) 저녁 8시에 어떤 내용을 준비했는지, 라이브 웨비나를 합니다. (무료입니다) 시장에서 인정 받는 전략가, 그리고 제 프레임워크에 대한 간단한 소개를 말씀드리려 하는데, 시간 되시는 분은 참여해주시면 좋을듯합니다. 모두 집대성한 이야기들에 관심있는 분들은 오픈카톡방에 입장해주세요. 10/25 저녁 8시에 시작하는 무료 웨비나 링크를 공유드릴게요!