더 좋은 질문하기

🔄 이전 레슨 복습: 이전 레슨에서 AI가 분석의 기계적 작업을 가속하고, 여러분이 판단과 맥락을 제공한다는 걸 배웠어요. 이제 분석의 첫 단계이자 가장 중요한 단계 — 올바른 질문하기 — 를 다뤄요.

질문 문제

분석의 80%는 시작 전에 실패해요 — 잘못된 질문으로. “매출이 어떻게 되고 있어요?“는 분석 질문이 아니에요. 분석이 불가능한 모호한 요청이에요.

좋은 분석 질문의 4가지 특성

비교의 원칙

숫자는 혼자서는 의미가 없어요. 비교가 의미를 만들어요.

질문 프레임워크

프레임워크 1: “그래서 뭐?” 사다리

모호한 요청에서 시작해서 “그래서 뭐?“를 반복하면 실행 가능한 질문에 도달해요:

"매출이 줄었어요" → 그래서 뭐?
→ "어떤 제품의 매출이 줄었는지 알아야 해요" → 그래서 뭐?
→ "원인을 파악해서 대응해야 해요"
→ 최종 질문: "Q4에 전년 대비 매출이 10% 이상 감소한 제품 라인은 무엇이고, 각각의 감소 원인은?"

프레임워크 2: 누가/무엇을/언제/어디서/얼마나

누가: 대상 그룹
무엇을: 측정 지표
언제: 시간 범위
어디서: 지역/채널/세그먼트
얼마나: 규모와 비교 기준

프레임워크 3: 의사결정 프레임

"[누가] [무엇을] 결정해야 하는데, [어떤 데이터]가 필요해요"

모호한 요청을 좋은 질문으로 전환하기

AI로 질문 다듬기

다음 분석 요청을 더 좋은 분석 질문으로 바꿔줘.

원래 요청: [모호한 요청]
비즈니스 맥락: [산업, 회사 상황]
의사결정자: [누가 이 분석을 사용하는지]

다음을 포함하는 구체적인 분석 질문으로 다듬어줘:
1. 명확한 측정 지표
2. 시간 범위
3. 비교 기준
4. 실행 가능한 결과

질문의 계층

가능하면 진단적 이상의 질문을 하세요.

핵심 정리

• 분석의 80%는 잘못된 질문에서 실패해요 — 구체적이고, 측정 가능하고, 실행 가능하고, 비교적인 질문이 핵심이에요
• 숫자는 맥락 속에서만 의미를 가져요 — 비교(시간, 목표, 경쟁, 세그먼트)가 맥락을 제공해요
• “그래서 뭐?” 사다리가 모호한 요청을 실행 가능한 질문으로 바꿔요
• 기술적 질문(무슨 일이?)보다 진단적(왜?), 예측적(앞으로?), 처방적(뭘 해야?) 질문이 더 가치 있어요
• AI에게 모호한 요청을 구체적인 분석 질문으로 다듬어달라고 할 수 있어요

다음 레슨: 빠른 데이터 탐색 — AI를 활용해서 데이터셋을 빠르게 프로파일링하고, 문제를 발견하고, 기회를 식별해요.