리더는 데이터를 비즈니스 의사결정에

어떻게 활용해야 하는가?

“최고의 의사결정은 ‘데이터와 직관의 균형’에서 탄생한다.”

기업 현장에서 흔하게 벌어지는 장면이 있다. 수십 장의 데이터 슬라이드가 회의실을 채우고, 더 많은 분석이 필요하다는 말이 반복되며, 결정은 다음 회의로 미뤄진다. AI와 빅데이터가 발전할수록 의사결정은 더 정교해지고 쉬워질 것이라 기대했지만, 현실은 오히려 반대다. 정보는 폭발적으로 늘어났고, 리더는 그 정보 속에서 길을 잃는다. 데이터는 넘쳐나는데, 정작 의사결정을 내리는 순간은 점점 더 늦어지고 훌륭한 결정을 하는 것은 더욱 어려워지고 있다. 이제 우리가 직면한 도전은 정보의 부족이 아니라 넘쳐나는 정보를 어떻게 활용할 것인지, 그 판단에 달려있다.

책 《데이터로 질문하고 직관으로 결정하라》는 의사결정의 문제는 데이터가 부족해서가 아니라고 말한다. 오히려 너무 많은 데이터가 ‘확실성에 대한 착각’을 만들어내고 있기 때문에 좋은 의사결정을 하는 것이 어렵다는 것이다. 우리는 여전히 더 많은 정보를 확보하면 더 나은 결정을 내릴 수 있다고 믿는다. 그러나 실제 비즈니스에서는 그 어떤 데이터도 완벽한 답을 보장하지 않는다. 숫자는 명확해 보이지만 전체 맥락을 설명해 주지 않으며, 분석은 정교해질수록 오히려 실행을 늦추기도 한다.

이 책은 이러한 현실적 딜레마를 해결하기 위해, 컬럼비아 경영대학원의 오데드 네처 석좌교수가 수년간 강의해 온 ‘정량적 직관(Quantitative Intuition, QI)’ 프로그램을 바탕으로 집필되었다. 아마존의 실제 데이터를 자문하는 아마존 스칼라이자 글로벌 기업의 의사결정을 설계해 온 그는 데이터와 인간의 판단을 연결하는 방법을 체계화해 왔다. 수많은 글로벌 기업의 CEO와 임원들이 직접 참여하고 경청한 이 강의는, 데이터와 직관을 결합해 더 빠르고 더 나은 결정을 내리는 방법을 체계화한 프로그램이다. 저자들은 이 강의의 핵심을 한 권의 책으로 압축해, 누구나 실전에 적용할 수 있는 프레임워크로 제시한다. 이는 데이터를 더 많이 분석하는 기술이 아니라, 불완전한 정보 속에서도 중요한 질문을 정의하고, 맥락 속에서 의미를 읽어내며, 결국 행동으로 이어지는 결정을 만들어내는 사고 방식이다.

결국 저자들이 말하는 핵심은 명확하다. 의사결정의 목표는 ‘정확한 답’을 찾는 것이 아니라, ‘지금 실행할 수 있는 선택을 만드는 것’이다. 완벽한 결정을 기다리는 조직은 멈춰 있고, 불완전하더라도 결정을 내리는 조직만이 앞으로 나아간다. 데이터 시대의 경쟁력은 더 많이 아는 데 있지 않다. 더 빠르고, 더 균형 있게 결정하는 데 있다.

[목 차]
  

다양한 분야에서 쏟아진 찬사

추천사

시작하며

 

프롤로그 | 확실성에 대한 잘못된 믿음

 

1장. 강력한 질문 던지기

강력한 질문을 던지는 법

정밀한 질문

정밀한 질문의 힘

질문하는 팀을 구성하라

회의실에서 가장 똑똑한 사람

 

2장. 문제의 프레임 설정하기

IWIK, 추론을 위한 도구

IWIK 프로세스

의사결정의 프레임 설정하기

 

3장. 마지막에서 시작하는 역방향 접근법

문제 정의하기

‘상자 안에서 생각하기’의 재발견

아직 가지 않은 길을 선택하다

 

4장. 데이터를 집요하게 파고드는 수사관

데이터와 데이터의 신뢰성 평가하기

맥락을 고려하여 데이터를 이해하기

분석 결과 검증을 위한 압박 테스트

 

5장. 숫자 감각 기르기

근사치의 힘

근사치 배우기

실무에서 접하는 어림잡기

왜 어림잡기가 효과적일까?

근사치에 익숙해져라

정량적 직관 프레임워크에서의 어림잡기

 

6장. 분석에서 종합으로

종합의 가치

핵심 결론은 맨 앞에 배치하라

종합의 부재

종합의 문화를 장려하라

그래서 무엇인가? 그것이 왜 중요한가? 이제 무엇을 해야 하는가?

 

7장. 의사결정의 순간

결정의 순간, 고려해야 하는 차원

두 가지 차원, 시간과 리스크

세 번째 차원, 신뢰

시간, 리스크, 신뢰 측정하기

결정을 뒤집을 수 있는가?

모호성 위에 올라타 방향을 모색하라

IWIK에서 의사결정까지

 

8장. 의사결정의 전달

의사결정에서의 스토리 아크

서사의 조정

정보를 전달할 것인가? 아니면 행동을 촉구할 것인가?

 

9장. 의사결정의 추적

전략 1: 의사결정을 위한 논거를 마련하라

전략 2: 결과를 설정하라

전략 3: 의사결정의 유형을 분류하라

전략 4: 의사결정의 범위를 줄여라

전략 5: 의사결정의 규모를 최적화하라

전략 6: 의사결정을 압박 테스트하라-극단적인 상황까지 가정하라

전략 7: 합의가 아닌 동의를 구하라

완벽한 결정은 환상이다

 

10장. 정량적 직관 문화 만들기

정량적 직관 역량을 갖춘 인재 채용하기

정량적 직관을 위한 팀 만들기

정량적 직관 조직 성장시키기

 

11장. 데이터 기반 의사결정과 AI

자동화와 인간의 판단력

예측과 디지털 트윈

확률론적 사고 vs. 결정론적 사고

더 좋은 의사결정을 위한 시간 확보

 

 

에필로그 | 완벽한 결정은 없다, 오직 실행을 위한 결정뿐

 

감사의 말

미주

[본 문]
  

데이터와 숫자는 정확성과 확실성이라는 편안한 느낌을 주지만, 전체 내용과 흐름을 알려주는 경우는 거의 없다. 숫자만으로는 결코 완벽한 솔루션이나 답변을 제공할 수 없으며, 불안정한 의사결정을 내리는 것을 피할 수도 없다. 이러한 분석의 반대편 축이라고 할 수 있는 직관은 측정하기 어렵고, 주관적이며, 편향과 조작에 취약하다는 비판을 받는다. 하지만 직관은 본능적이며 근본적인 믿음에 대한 이해에 기반을 두고 있으며, 이는 기업의 용어로 ‘비즈니스 통찰력’이다. 그래서 그간 애써 무시하고 외면하려 했던 내면의 목소리인 직관을 데이터와 비교하고 결합할 수 있다면, 더 나은 결정으로 가는 훌륭한 길잡이가 될 수 있다. _30~31쪽 ㆍ 〈프롤로그〉 중에서

 

강력한 질문자가 되는 것은 질문을 통해 새로운 학습을 이끌어 내는 협력의 과정을 만드는 것이기도 하다. 우리는 질문을 하면서 데이터 속에 존재하는 눈에 잘 보이지 않는 관점이나 분석을 끌어내고, 데이터에 대한 추론과 연결을 할 수 있다. 이러한 탐색적 사고방식은 사람들에게 새로운 시도와 반복을 장려한다. 예상치 못한 혁신적 해결책은 데이터가 아닌 토론 과정에서 나온다. 당신이 리더라면, 질문과 학습의 순환을 촉진하는 환경을 만들기 위해 노력해야 한다. _80~81쪽 ㆍ 〈1장. 강력한 질문 던지기〉 중에서

 

당신이 볼 수 있는 데이터의 내용이 전체 데이터라고 절대 이야기할 수 없다. 우리가 보지 못하는 데이터의 측면은 거의 언제나 존재했다. 정부가 수집한 인구 조사 데이터조차도 모든 시민에게 도달하는 것을 목표로 하지만, 노숙자나 학생과 같이 장기간 특정한 거주지가 없는 사람, 또는 응답하지 않기로 선택한 사람은 놓치는 경향이 있다. 맹렬하게 질문을 하는 사람이라면 두 가지 중요한 질문을 해야 한다. “내가 보지 못하는 데이터는 무엇인가?” 그리고 “내가 놓치고 있는 데이터가 내가 관찰한 데이터와 유사한가?” 종종 관찰되지 않은 데이터도 관찰된 데이터와 비슷하다고 가정하지만, 만약 이 가정이 틀렸다면 이는 잘못된 예측과 잘못된 의사결정으로 이어질 수 있다. _160쪽 ㆍ 〈4장. 데이터를 집요하게 파고드는 수사관〉 중에서

 

위기란 ‘중요한 결정을 내려야 하는 극심한 어려움의 시기’라고 정의할 수 있다. 응급실 의료진, 응급 구조대원, 전장의 군인은 지금 닥친 위험과 가용한 시간을 예민하게 인식한다. 동시에 그들은 모든 결정을 신뢰의 척도에 비추어 저울질한다. 데이터를 종합하는 사람은 훈련과 학습을 통해 다양한 시나리오가 어떻게 전개되는지 파악할 뿐만 아니라, 유사한 상황에서의 경험을 통해 직관을 얻는다. 위기 상황이 진행될 때, 이러한 경험은 데이터 종합자가 새로운 종합을 형성하고 즉각적인 행동을 취하기 위해 데이터에 반영하는 판단의 기초가 된다. 위기 상황에서 고도로 숙련된 수준으로 활동하며, 위기가 아닌 상황으로 봉합할 수 있도록 의사결정을 내리는 사람들에게서 우리는 무엇을 배울 수 있을까? 그러한 의사결정의 규율을 평상시의 상황에도 적용해 볼 수 있을까? _244~245쪽 ㆍ 〈7장. 의사결정의 순간 〉 중에서

 

이전 장들에서 논의한 정량적 직관 역량을 갖춘 후, 이 시점에서 스스로에게 던질 수 있는 질문은 다음과 같다. 정량적 직관 역량을 갖춘 인재를 어떻게 채용해야 하는가? 내가 찾아야 할 구체적인 개별 기술은 무엇이며, 팀의 이상적인 구성은 무엇인가?” 최고의 인재를 찾는 것이 첫 번째 장애물이다. 그다음에는 A급 인재나 해당 분야의 전문가를 성공적으로 영입해야 한다. 설상가상으로, 공석을 빠르게 채워야 한다는 시간적 제약 아래 이 과업을 수행해야 하는 경우가 많다. 마지막으로, 이러한 인재들이 집단으로서 일하도록 동기를 부여하면서도 자신의 기여에 대해 가치를 인정받고 보상받는다고 느끼는 환경을 조성해야 한다. _354쪽 ㆍ 〈10장. 정량적 직관 문화 만들기〉 중에서

 

더 나은 의사결정자가 되기 위해 단순히 더 뛰어난 분석가가 되려고만 하지 마라. 이 개념이 바로 정량적 직관의 핵심이다. 분석은 복잡한 문제를 더 잘 이해하기 위해 세부 구성 요소를 상세히 평가하는 과정이다. 이는 반드시 필요하지만, 행동을 이끌어내기에는 충분하지 않다. 행동을 이끌어내려면 이해관계자들을 데이터가 아닌 의사결정을 중심으로 결집시켜야 한다. 거창한 분석 모델이 아니라 의사결정의 순간에 그들을 참여시켜야 한다. 세부 요소로 파고드는 대신 맥락을 제공해야 하며, 요약이 아닌 종합을 해야 한다. _411쪽 ㆍ 〈에필로그〉 중에서

조나 버거 (펜실베이니아대학교 와튼스쿨 교수, 뉴욕타임스 및 월스트리트저널 베스트셀러 《컨테이저스 전략적 입소문)

더 나은 데이터 기반 의사결정을 내리고 싶은가? 그렇다면 이 책을 반드시 읽어야 한다. 《데이터로 질문하고 직관으로 결정하라》는 더 나은 결과를 얻기 위해 직관과 데이터, 그리고 비즈니스적 감각을 결합할 수 있는 도구와 프레임워크를 제공한다.

 

세스 스티븐스 다비도위츠 (뉴욕타임스 기고가, 베스트셀러 《모두 거짓말을 한다》, 《데이터는 어떻게 인생의 무기가 되는가》 저자) 

데이터 중심 사고를 장려하는 대부분의 책은 독자에게 방대한 데이터 더미를 던져줄 뿐이다. 저자들은 그보다 훨씬 가치 있는 일을 해냈다. 바로 이 모든 데이터를 이해하는 법을 가르쳐준 것이다. 이 책을 다 읽고 나면 특정 결정에 도움이 될 법한 새로운 사실 몇 가지를 아는 데 그치지 않고, 어떤 결정이든 내릴 수 있는 새로운 접근 방식을 갖게 될 것이다.

 

존 거제마 (해리스 폴 CEO, 뉴욕타임스 베스트셀러 《아테나 독트린》 저자)

빅데이터의 위험 중 하나는 관리자들에게 결과에 대한 면책 특권을 가졌다는 착각을 준다는 점이다. 완벽한 결정이란 없으며, 그 어떤 방대한 데이터도 완벽한 결정을 보장할 수 없다. 세계에서 가장 존경받는 기업들의 정량 분석 전문가인 저자들은 정보가 직관을 대체할 수 없다고 주장한다. 나아가 오늘날처럼 초고속으로 팽창하는 시장에서 기민하게 의사결정을 내릴 수 있는 프레임워크를 제공한다.

 

리타 맥그레이스 (《모든 것이 달라지는 순간》 저자, 컬럼비아 경영대학원 교수)

오늘날 경쟁 우위는 조직이 의사결정을 얼마나 신속하면서도 높은 품질로 내릴 수 있느냐에 따라 결정된다. 이 즐겁고 명쾌한 책에서 저자들은 당신을 숫자를 넘어 꿰뚫어 보는 법, 불완전한 정보 속에서도 전진하는 법, 그리고 원하는 결과를 얻는 법으로 안내한다.

 

수닐 굽타 (하버드 경영대학원 교수)

저자들은 수년간의 연구와 업계 경험을 통해 데이터와 직관을 결합하는 방식, 즉 ‘정량적 직관’이 어떻게 더 현명한 결정으로 이어지는지 보여준다. 《데이터로 질문하고 직관으로 결정하라》는 모든 기업 경영진의 필독서 목록에 올라야 할 매력적인 책이다.