Data driven design 을 간단하게 설명하고 방법론을 소화하기 가장 좋은 방법으로 설명합니다. Data driven design 진영의 반대 되는 관점에서 바라보고 지양 해야할 오류에 대해 인지합니다.

1. Data Driven Design
September 30, 2019
Jaeyun Lee

2. Overview
인지과학자이자 UX디자인의 대부로 일컬어지는 도널드 노먼(Donald A. Norman)
과 웹 사이트에서 사용자 중심의 디자인 설계를 통한 사용성 연구를 계속해온 제이
콥 닐슨(Jakob Nielsen)은 닐슨노먼그룹(https://www.nngroup.com/)을 설립하여 사
용자 리서치를 시작하여 웹 사용성에 대한 다양한 연구를 진행해왔다
Apple 뿐 아니라 넷플릭스, 미국 대선 홍보 시스템, 익스피디아, Intuit 등 많은 기업
에서 데이터를 통한 UX 개선으로 많은 성공 사례를 이뤄냈다.

3. 디자이너에게 데이터가 필요한 이유
● 디자이너는 사용자가 아니기 때문.
https://www.youtube.com/watch?v=gZeXyVJC-Jg
● 디자이너와 사용자 간에 지식 격차가 있기 때문에, 디자이너가 제대로 된 사용
자 리서치나 실질적인 테스트 또는 데이터 없이 사용자가 원하고 필요한 것을
정확히 파악하고 있다고 생각한다면 이는 잘못된 판단

4. UX를 데이터로 분석해야 하는 이유
● 기본적으로 데이터 중심 디자인에서는 디자인 측면에서 수많은 결정을 내릴 때
데이터가 가장 중요한 기준이 됨.
● UX를 직관에만 의존해서는 여러 이해관계자들의 동의를 구하고 사업 지표를
안전하게 유지하도록 보장하기란 쉽지 않을 것이다. 따라서 좀 더 객관적이고
신뢰할 수 있는 방향성을 제시하고 그 효과를 기대하기 위해서는 과거의 경험,
사용자의 실제 데이터를 토대로 UX를 이해하고 분석해야 한다.

5. 기대효과
● 첫 째, 고객 자체에 대한 통계와 분석 얻기
● 둘 째, 고객이 직접 말하지 않는 요구사항을 파악하기
○ 사용자 테스트 / 사용자 인터뷰
● 셋 째, 서비스에 숨어있는 중요한 현상을 다각적인 면에서 찾아내기
○ 예: 회원가입 페이지의 회원 가입 전환율을 측정

6. 데이터의 두 가지 유형: 정량적 데이터와 정성적 데
이터
정량적 데이터(Qualitative data)
● 어떤 상황이 발생하고 있는지(또
는 발생하고 있지 않은지)를 알려
줌. 보통 수치 데이터가 이에 해당
됨
● 정량적 데이터는 측정에 의해 수
집될 수 있다.
● 클릭 횟수, 체류 시간, 오류 횟수와
같이 숫자로 표현될 수 있고 계산
을 통해 새로운 지표를 만드는 것
도 가능하다.
정성적 데이터(Quantitative data)
● 해당 상황이 발생하는 이유를 알
려줍니다. 이는 수치 데이터가 아
님.
● 정성적 데이터는 관찰이나 인터
뷰와 같은 방법론을 통해 수집된
다.
● 인터페이스를 이용하는 사용자들
의 동기, 정서와 같은 영역을 파악
하는데 용이하다.
● 수집된 데이터는 구조화 및 조직
화하여 분석되는데 연구자의 경

7. 데이터 중심 디자인의 3가지 핵심 요소
● 디자이너에 의해 탄생되는 최고의 제품은 데
이터,
공감 및 UX 비전이 완벽하게 조화를 이루는
명확하고 매력적인 경험

8. Data
● 데이터 중심 디자인에 대한 6가지
오해와 진실
● 데이터를 바탕으로 디자인 결정에
필요한 정보를 제공할 때에는 다음
의 세 가지를 고려해야 함.
● 입증 - 개선 - 발견
● 가이드라인
● 원하는 데이터에 대한 이해.
● 데이터 인사이트 확장
● 데이터 부담 경감
● 확증 편향 방지
● 수치 및 컨텍스트 포함

9. Empathize
● 자신의 관점에 머물지 않고 타인의
관점에서 세상을 바라볼 수 있는 능
력을 가리키는 공감 능력은 유의미
한 제품을 디자인하는 데 있어 핵심
역할을 합니다.
● 데이터는 기계가 아닌 사람에 의해
생성되며, 생성된 모든 데이터는 사
람과 관련된 것이라는 점을 이해해
야. 데이터는 사람의 행동에서 도출
되는 흔적을 나타냄. 따라서 데이터
에 의미를 부여할 수 있는 휴먼 스토
리를 발견해야.
● 공감을 활용한 디자인 사례
○ 테슬라 “이상할 정도로 친숙한"
제품을 만들어.

10. Vision
● 데이터는 다음 단계에서 무엇을 수
행할지 결정하는 데 도움을 주는 수
단.
● 데이터에만 맹목적으로 의존해서는
안됨
● 측정 지표는 이미 만들어진 데이터
를 기반으로 하기 때문에 제한적
● 어떤 데이터나 공감도 데이터 해석
방식에 대한 디자이너의 의사 결정
이라는 역할을 대신할 수 없음.
● 디자이너는 수행하고자 하는 작업
에 비전을 가져야 함.
● 디자이너는 데이터에 맹목적으로
의존하지 말아야 하며, 그 대신 디자
인 의사 결정에 필요한 정보를 선별
해야 함.

11. Six Myths about Data-
Driven Design

12. 많은 사람들이 데이터 주도형 디자인
에 열광하지만, 데이터 주도형 디자인
에 대한 의견은 분분하다.
같은 조직 내에서도 서로 다른 데이터 접근법과 이해, 특히 공통적언어(shared
language)가 부족한 팀에게는 어떻게 데이터를 정의하느냐도 어려운게 실정.

13. Myth. 1
데이터는 숫자이다.
● 숫자는 '진짜' 사람들의 복잡한 생활
속에서의 행동을 나타낸다. 하지만
백만명의 사람들의 패턴을 하나의
숫자로 집결시키는 것은 항상 유용
하거나 신뢰할 수 있지만은 않다.
● 수치 자료에서 오는 갭들은 인터뷰,
인구통계학(Ethnographic) 연구, 사
용성(Usability) 테스트가 채워준다.
● 하지만 정성적인 인사이트는 숫자
가 아니기 때문에, '데이터'로 여겨지
지 않곤 한다.
● 사회과학이나 의학분야에서는 당연
'정성적'인 요소들이 당연히 데이터
로 여겨진다.

14. Myth 2.
데이터는 객관적인 진
실이다 .
● 정량적 데이터는 완료된 액션을 숫
자로 기록하고, 이런 기록은 사람이
아닌 소프트웨어가 작성한다.
● 이는 정량적 데이터를 확실한 정보
(hard fact)처럼 보이게 만든다.
● 데이터가 아무리 크더라도 객관적
이라는 뜻은 아니다.
● 어느 데이터세트나 바이어스(Bias)
가 내제되어있기 때문.
● 바이어스 종류: 신호 편향, 불 정확성
원리
● 좋은 데이터는 어떤 Bias가 있는지
를 설명하고, 항상 컨텍스트를 제공

15. Myth 3.
많을 수록 좋다
● 데이터는 많을 수록, 클 수록 더 좋은
것이다?
● 더 크게 보는 만큼 우리는 계수에 대
해 생각하게 된다.
● 빅데이터는 다양성에 관한 것이기
도 하고, 그래서 다양한 출처를 뜻한
다.
● 우리는 Analytics한테서 Usability
Test가 보여주는 모든 가능한 유저
행동만큼 사용자 행동에 대해 알려
주기를 기대할 수 없다.
● 데이터를 그대로 받아 들이는 것이
아닌, 의미있는 카테고리(metrics라
고 알려진)를 통해 평가하고, 이해하
고, 꾸준히 파악해나가야 한다.

16. Myth 4.
데이터는 디자이너가
아닌 매니저를 위한 것
이다
● ex: 데이터에 의하면 지난번 디자인
을 바꾸고 나서 전활율(Conversion
rate)이 떨어졌어.
● 데이터를 통한 '입증'은 한 부분일 뿐
이다.
● 데이터를 통해 디자인을 바꾸려고
한다면 입증-개선-발견의 사이클을
계속 해서 Iteration 하는 방법.
● 경영진들을 한 종류의 데이터를 다
루고, UX Team은 또 다른 종류의 데
이터를 다룬다. 각기 다른 팀은 다른
레퍼런스 기준을 가졌다.
● 데이터는 맞느냐 틀리냐를 입증하
기 위한 것이 아닌, 개선하고 새로운
가능성을 발견하는 것이다.

17. Myth 5.
데이터는 혁신을 빼앗
는다
● 데이터는 여러가지 면에서 혁신과
대조되는 것으로 보여지곤 한다.
● 대부분의 데이터는 (analytics든, 설
문데이터든, 고객서비스데이터든지
간에) 과거 회고적이다. 미래 예측은
어렵다.
● 데이터는 전략적이기 보다는 전술
적이다.
● 데이터는(특히 analytics) 겉핥기 처
럼 보인다.
● 어떤 데이터든 디자인을 주도하려
면, 복잡성을 포용하기 위해서 보정
되어야 한다. 사용자 경험은 정해진
대로 움직이는 것이 아니다.

18. Myth 6.
디자인을 유익하게 하
기 위한 ‘맞는’ 데이터
사용법이 있다.
● 지금껏 모든 조직의 모든 팀에게 적
합한 하나의 규범은 없으나 가이드
라인은 있다!

19. Proposed guideline
● 여러가지 방식/출처(sources)의 데이터를 사용하라.analytics, a/b테스트, 소셜 미
디어 정서, 고객 서비스 로그 설문조사, 인터뷰 등
● 숫자와 context를 포함하라. 데이터가 인간 경험의 복합성 을 세심하게 고려 하
도록 하라. 정량적이든 정성적이든, 연구이든 빅데이터 이든 진짜 스토리를 위
해 숫자와 context를 다 포함 하라.
● 누가 맞고 누가 틀린지를 입증하기 위함이 아닌 데이터를 통해 변화를 감시하
고, 새로운 패턴을 탐험하고, 문제를 더 깊게 파기 위한 도구로 사용하라.
● 데이터를 더 잘 이해할 수 있게 만들고 경험에 대한 이야기를 할 수 있게 만드는
의미있는 카테고리를 결정하라.
● 조직에서 데이터에 대해 공유하고 의논할 수 있는 방법을 세우고 같이 기초를
정의하는 것에서 부터 시작하라.

20. 데이터를 가지고 디자인하는 것은
algorithms, automation, A/B testing, analytics
를 넘어서야 한다.
그보다 그런 데이터를 전부 사용해서
어떻게 일상적인 경험을 더 잘 이해하
느냐가 궁극적인 목표일 것이다.

21. 리소스
● https://www.nngroup.com/articles/why-you-only-need-to-test-with-5-users/
● https://www.springboard.com/blog/data-driven-design/
● https://blogs.adobe.com/creativedialogue/design-ko/the-importance-of-data-in-design/
● https://theblog.adobe.com/the-importance-of-data-in-design/
● https://www.youtube.com/watch?v=gZeXyVJC-Jg
● http://uxmag.com/articles/six-myths-about-data-driven-design
● https://brunch.co.kr/@byeon/10
● https://www.i-on.net/news/newsletter/column/1215490_7965.html
● https://www.smashingmagazine.com/2013/09/data-driven-design-in-the-real-world/