SDV 이야기 제10편 — 통계로 가치를 설계한다는 것
데이터 분석을 넘어 의사결정과 가치 창출로 나아가는 통계 이야기
이 연재는 하나의 질문에서 시작했다.
AI가 분석과 해석, 보고서 작성에 참여하는 시대에 나는 통계학자로서 무엇을 지향해야 하는가.
처음부터 답이 분명했던 것은 아니다. 오랫동안 익혀 온 작업이 빠르게 수행되는 모습을 보면서 편리함을 느꼈고, 동시에 나의 역할을 다시 생각하게 되었다.
그 과정에서 나는 통계적 데이터 가치화, SDV라는 이름으로 하나의 방향을 제안했다.
신뢰할 수 있는 자료를 만들고 정확하게 분석하는 데서 출발하되, 그 결과가 무엇을 이해하게 하며 어떤 판단에 쓰이고 실제로 어떤 도움이 되었는지까지 연결하자는 것이다.
열 편의 글을 통해 그 연결의 여러 지점을 살펴보았다. 이제 내가 말하는 '통계로 가치를 설계한다'는 것이 무엇인지 정리하고 싶다.
가치화는 분석의 완성도를 낮추지 않는다
가치와 활용을 강조하면 정확한 분석보다 실용적인 결론을 우선하자는 뜻으로 읽힐 수 있다.
내가 생각하는 방향은 다르다.
근거가 잘못되었다면 활용을 많이 할수록 피해도 커질 수 있다. 대표성이 부족한 자료를 전체의 의견으로 해석하거나, 관련성을 원인으로 설명하거나, 불확실한 차이를 확정적인 사실로 전달하면 분석이 판단을 오히려 흐릴 수 있다.
따라서 데이터의 품질과 표본설계, 추정과 검증은 가치화의 기반이다. 활용 목적을 이유로 그 기준을 낮추어서는 안 된다.
또한 결정을 돕는다는 이유로 결론을 강하게 만들 필요도 없다. 지금의 근거로는 판단하기 어렵다는 사실을 분명히 하는 것 역시 통계학의 기여다.
가치화는 마지막 문단이 아니라 처음의 질문에 있다
분석을 마친 뒤 "정책적으로 활용할 수 있다"는 문장을 붙이는 것만으로 연결이 완성되지는 않는다.
누가 결과를 사용할 것인가. 무엇을 이해하거나 결정하려는가. 그 질문에 필요한 자료를 확보했는가. 실제로 선택할 수 있는 대안은 무엇인가.
이 질문을 처음부터 생각해야 한다.
그렇다고 모든 연구가 즉시 행동으로 이어져야 한다는 뜻은 아니다. 탐색과 이론 연구, 측정 방법의 개선, 지식의 축적에도 고유한 목적과 가치가 있다. 작업의 성격에 맞게 어떤 기여를 지향하는지 설명하면 된다.
활용 목적이 분명한 작업에서는 그 목적에 맞추어 자료와 분석, 전달과 평가를 설계해야 한다는 것이 나의 제안이다.
숫자에서 의미로, 의미에서 판단으로 연결한다
분석은 복잡한 현실을 이해할 수 있는 근거로 바꾸는 과정이다. 그러나 숫자가 정리되었다고 의미가 저절로 드러나는 것은 아니다.
무엇을 새롭게 이해했는지 설명해야 한다. 기존에 하나로 취급하던 판단을 구분하게 되었는지, 예상하지 못한 구조를 발견했는지, 확인이 필요한 가설이 생겼는지 살펴야 한다.
그다음에는 그 이해가 어떤 검토에 쓰일 수 있는지 밝혀야 한다. 자료가 허용하는 판단과 아직 허용하지 않는 판단을 구분하는 일도 포함된다.
여론조사에서 목표에 대한 동의와 시행 조건의 수용성을 구분하는 것은 하나의 예다. 그 구분이 시행 방안의 재검토나 추가 조사에 반영되었다면 분석과 활용 사이에 구체적인 연결이 생긴다.
가치는 막연한 좋은 결과가 아니라, 작업의 목적에 맞는 기여로 설명되어야 한다.
SDV는 기존 통계학 위에 놓인 제안이다
통계학과 데이터사이언스가 지금까지 활용을 외면했다고 말하고 싶지는 않다. 의사결정이론과 정책평가, 응용통계 등 여러 분야에서 이미 중요한 연결이 이루어져 왔다.
SDV가 그러한 작업을 처음 발명했다는 주장도 아니다.
내가 제안하는 것은 신뢰할 수 있는 근거의 생산에서 실제 활용과 평가까지를 하나의 책임 있는 작업 과정으로 놓고, 그 연결을 명시적으로 설계하고 확인하자는 틀이다.
이 제안이 기존 논의에 비해 어떤 기여를 더하는지는 앞으로 더욱 구체화해야 한다. 이름을 정하고 글을 썼다는 사실만으로 독립적인 학문 영역이 확립되는 것은 아니다.
실제 사례에서 어떤 작업이 추가되었고, 어떤 판단이 달라졌으며, 그 차이를 무엇으로 확인했는지 축적해야 한다. 차이가 충분하지 않다면 개념을 수정할 수도 있어야 한다.
독창성은 선언만으로 확보되지 않는다. 구체적인 절차와 검토 가능한 사례를 통해 발전시켜야 한다.
내가 지향하는 실천 원칙
지금까지의 생각을 작업에 적용한다면 나는 다음 원칙을 중심에 놓고 싶다.
| 실천 원칙 | 작업에서 확인할 내용 |
|---|---|
| 질문에서 출발한다 | 누구에게 어떤 이해와 판단이 필요한지 정한다 |
| 근거의 적합성을 검토한다 | 측정·대표성·추정·비교 가능성과 한계를 확인한다 |
| 사실과 해석을 구분한다 | 관측한 결과, 가능한 설명, 검증할 가설을 나누어 제시한다 |
| 판단과 연결한다 | 대안·제약·가치 기준 속에서 결과의 사용 범위를 설명한다 |
| 활용 이후를 살핀다 | 실제 사용과 기여, 부작용과 미활용 이유를 확인한다 |
| 다음 작업에 반영한다 | 확인한 한계와 경험으로 질문·자료·방법을 수정한다 |
이 원칙은 한 방향으로만 진행되지 않는다. 분석 중에 질문을 바꿀 수 있고, 활용 단계에서 자료의 부족을 발견할 수 있으며, 평가 과정에서 처음의 해석을 수정할 수도 있다.
그 되돌아감은 작업의 실패가 아니라, 근거와 활용을 연결하는 과정의 일부다.
통계학자의 역할은 협력 속에서 확장된다
통계학자가 모든 맥락을 알고 모든 결정을 내려야 하는 것은 아니다.
분야 전문가는 현실의 조건을 제공한다. 영향을 받는 사람들은 경험과 우려를 제시한다. 결정권자는 여러 가치를 검토하고 선택에 책임을 진다. 통계학자는 검증 가능한 근거와 그 한계를 구성하는 데 기여한다.
AI도 이 과정에 참여할 수 있다. 자료를 점검하고 분석을 수행하며, 설명과 반론을 제안하는 데 활용할 수 있다.
내가 지향하는 전문성은 다른 사람이 할 수 없는 일을 끝까지 독점하는 데만 있지 않다. 다른 역량과 협력해 더 믿을 만하고 실제로 쓸모 있는 결과를 만드는 데도 있다.
다만 협력이 책임을 흐리게 해서는 안 된다. 누가 어떤 근거를 검토했고 무엇을 판단했는지 설명할 수 있어야 한다.
분석 다음을 묻는 일은 계속된다
처음의 질문에 완전한 답을 얻었다고 말할 수는 없다. 그러나 앞으로 어떤 일을 하고 싶은지는 더 분명해졌다.
분석 결과를 많이 만드는 것만을 목표로 삼고 싶지는 않다. 데이터가 어떤 현실을 담고 있는지 살피고, 그 근거에서 의미를 찾으며, 이해와 판단에 기여하도록 연결하고 싶다.
때로는 새로운 대안을 제안할 것이다. 때로는 기존 판단을 뒷받침할 것이다. 때로는 성급한 결론을 막고, 무엇을 더 알아야 하는지 밝힐 것이다.
그 모든 과정에서 묻고 싶은 질문은 같다.
"이 작업으로 무엇을 더 잘 이해하게 되었으며, 어떤 판단에 어떤 도움이 되었는가."
통계적 데이터 가치화, SDV는 이 질문을 통계학의 전문성과 연결하려는 나의 제안이다.
이제 필요한 것은 더 큰 선언보다 구체적인 실천이다. 하나의 자료와 하나의 판단을 놓고 그 연결을 끝까지 살펴보는 일이다.
이 연재의 첫 묶음은 여기에서 마친다.
"이 작업으로 무엇을 더 잘 이해하게 되었으며,
어떤 판단에 어떤 도움이 되었는가."
통계적 데이터 가치화, SDV는 이 질문을 통계학의 전문성과 연결하려는 나의 제안이다 — 이 연재의 첫 묶음은 여기에서 마친다.
