데이터를 스토리로 바꾸는 기획적 사고의 모든 것

AI를 ‘도구’에서 ‘진짜 동료’로 만드는 실전 가이드

《사수 없이 AI와 함께 보고서 쓰기》는 빈 문서 앞에서 막막해하는 직장인을 위해, 데이터 분석에서 보고서 완성까지의 전 과정을 단계별로 안내하는 실전서다. AI 시대에는 반복적인 실무보다 문제를 정의하고 방향을 설계하는 능력이 중요하며, 직급과 연차에 관계없이 누구나 기획자의 역할을 해야 한다는 것이 이 책의 출발점이다.

저자들은 상황·목적·핵심 발견·고객·기대 효과를 점검하는 SPICE 질문법과 일곱 가지 사고 프레임을 통해 기획적 사고를 구체적인 업무 언어로 바꾼다. 이어 데이터 드리븐 보고서의 논리 구조를 세우고, 공공데이터와 원자료를 수집하며, AI와 함께 데이터를 분석해 문제를 발견하는 방법을 설명한다. 숫자를 나열하는 데 그치지 않고 변화의 원인과 맥락을 읽고, 이를 시각화와 스토리텔링으로 연결하는 과정도 실무 사례와 프롬프트를 통해 보여 준다.

[목 차]

프롤로그

 

Module 1. 데이터와 기획적 사고가 더 중요해지는 이유

1. 데이터와 기획적 사고가 더 중요해지는 이유

2. 기획적 사고의 핵심, SPICE 질문

3. 모두가 데이터 분석가가 되어야 하는 이유

 

Module 2. 데이터를 기반으로 AI와 함께 보고서 시작하기

1. 데이터 드리븐 보고서의 논리적 뼈대

2. 데이터 수집하기

3. AI와 함께 데이터 분석하기

4. 데이터에서 문제 발견하기

5. 데이터 시각화와 스토리텔링

 

Module 3. 기획적 사고로 AI와 함께 보고서 완성하기

1. 보고서 뼈대잡기

2. 설득력 있는 보고서 만들기, AI 리서치

3. AI와 함께 문제해결 방향 세우기

4. AI를 활용해 보고서 만들기

5. 보고서의 완성도 높이기

 

에필로그

[본 문]

이 책은 바로 질문을 잘 하는 방법에서 출발합니다.

데이터를 보는 관점, 숫자 뒤에 숨겨진 맥락을 읽는 힘, 분석 결과를 설득력 있는 보고서로 만드는 기획적 사고, AI를 단순한 도구가 아닌 진짜 협업 파트너로 활용하는 실전 방법까지 - 이 책이 담고 있는 것들은 모두 하나의 지향점을 향해 있습니다. 데이터를 ‘스토리’로 바꾸는 사람, 방향을 제시하는 사람, 일을 주도적으로 이끄는 사람이 되는 것입니다.

(p.5)

 

 

질문의 설계자가 되어야 한다는 것은 과정도 결과도 인간이 주도권을 갖는다는 의미이다. 최종적으로 AI가 정리한 답이 내 의도와 가치와 방향성이 담긴 답일 때 우리는 다음 스텝으로 나아갈 수 있는 논리와 힘을 스스로 얻게 된다. 이것이 기획적 사고의 시작인 질문이 중요한 이유 중 하나이기도 한다.

(p.30)

 

 

호기심에서 나오는 질문력

호기심이 충분히 발휘된다면 어떤 상황이든 좋은 질문 또는 꼭 필요한 질문을 잘 할 수 있다. 업무를 할 때도 마찬가지다. 일을 하던 대로 하거나 시키는 대로 해서는 역량을 발휘할 수도 인정받을 수도 없는 시대가 되어가고 있다. 시키는 대로 하는 것은 AI가 충분히 잘 해내고 있다. 인간은 끊임없이 의심하고 궁금해하고 추론을 해가며 새로운 방향성을 만들어가야 한다. 이것이 바로 질문하는 능력이 점점 더 발달해야 하는 이유다. 단지 AI에게 좋은 프롬프트를 쓰기 위해 질문하는 능력이 중요하다고 하는 것이 아니다. 질문을 떠올릴 수 있는 사고가 가능해야 AI에게 나만의 방식으로 일을 시킬 수 있는 방향성이 나오게 된다.

(p.40)세상을 바꾼 통계, 나이팅게일의 ‘로즈 다이어그램(Rose Diagram)’

우리에게는 ‘백의의 천사’로 더 익숙한 플로렌스 나이팅게일은 사실 위대한 통계학자였다. 크림 전쟁 당시, 그녀는 단순히 부상병과 사망자의 숫자를 세는 것에 그치지 않았다. 그녀는 숫자를 통해 ‘병사들이 왜 죽어가는가?’라는 현상을 파고들었다. 그 결과, 전장에서 입은 부상보다 의료진이나 치료 환경의 열악한 위생과 감염이 사망의 주원인이라는 사실을 발견해 냈다. 그녀는 이를 설득하기 위해 사망 원인을 한눈에 보여주는 ‘로즈 다이어그램’을 그려 영국 정부를 움직였다. 단순히 사망자 ‘수(Number)’가 아닌 사망의 ‘원인(Phenomenon)’에 집중한 결과, 42%였던 사망률을 2%로 낮추는 기적을 만들어낸 것이다.

(p.52)

 

 

데이터 드리븐 보고서의 개념

‘데이터’라는 말이 붙으면 거리감부터 느끼는 사람들이 적지 않다. 하지만 우리는 생각보다 많은 데이터를 다루면서 살고 있다. 특히 회사 업무의 경우 대부분의 직무에서 이미 데이터 기반으로 보고서를 쓰고, 기획을 하며, 문제를 해결하고 있다. 매출 실적, 고객 유입율, 서비스 이용 현황, CS통계 등 모든 것이 데이터이며 이를 기반으로 쓰고 있는 보고서가 데이터 드리븐 보고서라고 할 수 있다. 즉, 우리는 이미 데이터 드리븐 보고에 발을 들여놓고 있는 셈이다. 하지만 유의미한 데이터 드리븐 보고서와 통계가 들어간 보고서와는 차이가 있다. 데이터 드리븐 보고서란, 문제 해결을 위해 통계나 수학적 숫자를 활용하고, 적절한 분석 전략을 수립해 데이터 기반의 의사결정을 지원하는 커뮤니케이션 문서이다. 즉, ‘데이터 드리븐 의사결정’을 문서화하여, 의사결정자와 효과적으로 소통하고 설득하는 것이 목적이다.

(p.71)

 

 

결론적으로, 데이터 분석이란 엑셀의 숫자를 예쁘게 시각화하는 작업이 아니다. 나만의 기준(과거의 나, 타 집단, 이상적인 목표)을 단단히 세우고, 그 기준과 현재의 데이터 사이에 ‘벌어진 틈(Gap)’을 예리하게 도출해 내는 과정이다. 이 틈이 깊고 넓을수록, 그 문제를 해결했을 때 우리가 얻을 수 있는 비즈니스의 가치와 시장의 기회도 덩달아 커지게 된다.

(p.116)

 

 

AI는 우리가 던져준 투박한 원석(데이터)을 바탕으로 ‘악순환’, ‘고착화’, ‘업무 생산성 저하’ 같은 비즈니스 용어를 덧붙여 세련된 문장으로 가공해 준다. 우리는 AI가 제시한 여러 가지 문제 정의 후보군 중에서, 우리의 프로젝트 목적에 가장 잘 부합하는 문장을 선택하고 다듬기만 하면 된다.

결국 좋은 문제 정의란, 데이터가 보내는 신호를 놓치지 않고 “이것이 왜 당장 해결해야 할 중요한 문제인가?”를 끈질기게 파고드는 기획자의 집요함에서 탄생한다. 그리고 AI는 그 집요한 고민의 시간을 획기적으로 단축해 주는 든든한 조력자다.

(p.121)

 

 

보고서의 최종 목표는 다음 스텝에 대한 최종 결정권자의 ‘승인’이다. 따라서 ‘제대로 된 보고서’란 보고를 받는 사람이 쉽게 이해하고, 공감함으로써 설득이 되는 보고서이다. 이를 위해 해야 하는 첫 번째 작업은 분석 결과를 보고 관점으로 재정리를 하는 것이다.

보고 관점은 쓰려고 하는 보고서의 목적에서 나온다. 데이터 분석 결과를 어떤 렌즈로 볼 것인가를 결정하고 해석하는 과정이라고 할 수 있다. 보고서의 목적인 ‘신규 사업 계획 승인’이라면 보고 관점은 ‘사업성’이 된다. 목적이 ‘리스크 대응’이라면 보고 관점은 ‘안정성’이 된다. 즉, 이 보고서를 왜 쓰는가에 따라 동일한 데이터 분석 결과라도 전혀 다른 이야기를 하는 결과가 나온다.

(p.145)

 

 

본격적인 내용 작성 전에 목차를 정리하는 이유는 전체 방향과 흐름, 내용이 흔들리지 않는 보고서를 쓰기 위해서이다. 상세한 목차를 작성하지 않고 내용 작성에 들어가면 방향을 잃기 쉽다. 막상 한 장 한 장을 채우는 일이 쉽지 않다 보니 핵심 메시지까지 탄탄한 논리로 가지 못하고 각 장표가 따로 노는 상황이 발생한다. 즉, 집을 짓는데 상세한 설계도 없이 공사를 하다 거실보다 큰 침실이 만들어지고, 계획했던 서재는 사라지고, 각 공간의 톤 앤 매너가 달라지는 결과와 같은 상황이 될 수도 있다는 뜻이다. 벤치마킹 및 시장 현황, 타겟 분석을 할 때에도 목차를 먼저 잡아놓지 않으면 너무 많은 자료 속에서 길을 잃고 헤매기 쉽다. 하지만 보고서를 많이 써보지 않은 상황에서는 목차를 잡는 것도 쉬운 일은 아니다. 이 단계에서도 AI와의 협업으로 진행하면 좀 더 탄탄한 목차를 잡을 수 있다

(p.159)

 

 

상세 전략은 앞에서 대목차 3개에 걸쳐 리서치를 진행하고 인사이트를 도출한 내용이 연결되어야 하는 지점이다. 콘셉트가 핵심 메시지와 리서치 결과를 모아 이름만 봐도 맛있어 보이는 제목을 지은 것이라면, 상세 전략은 맛있는 알맹이의 주 재료를 정리하는 것이다. 이미 정리한 시장의 상황, 타겟의 니즈, 경쟁 서비스의 한계를 보완한 요소들이 차별화된 맛과 향을 내는 재료가 되는 것이다. 기획자는 이 재료들을 어떤 순서와 비중으로 조합할지, 즉 ‘전략적 레시피(논리 구조)’를 설계하는 요리사가 되어야 한다.

(p.210)

 

 

보고서에서 페이지마다 가장 큰 폰트로 쓰여지는 ‘헤드 타이틀’을 정리하는 작업은 보고서 전체의 흐름을 잡는 것만큼이나 중요하다. 아무리 심플한 보고서라고 해도 보고서를 받아서 처음부터 정독을 하는 사람은 드믈다. 일단 전체를 쭉 훑는 것부터 시작한다. 이때 각 페이지의 헤드 타이틀이 눈에 들어오지 않으면 그 보고서에 대한 관심이 떨어질 수밖에 없다.

헤드 타이틀은 간단하면서도 페이지에서 어떤 말을 하고 싶은 것인지 분명하게 보여야 한다. ‘어떤 내용이 담겨 있는가’를 넘어서 ‘그래서 이 페이지의 결론이 무엇인가?’에 대한 내용이 담겨있는 거버닝 메시지(Governing Message) 기능을 해야만 한다.

(p.224)

 

 

모의 보고 연습

보고의 과정에서 큰 난관에 부딪히는 경우가 바로 상사의 ‘질문’에 답을 하지 못했을 때이다. 준비한 보고 내용을 말하는 것은 문제가 없었음에도 보고가 성공적으로 끝나지 못할 때는 예상치 못한 질문에 제대로 된 답변을 못한 채로 보고가 끝났을 때다. 이런 상황은 보통 보고서를 보완하여 다시 보고해야 하거나 극단적으로는 힘들게 준비한 보고서가 무용지물이 되기도 한다.

(p.236)

 

 

이 책에서 다룬 기획적 사고는 거창한 개념이 아닙니다. 일을 시작하기 전에 ‘왜’와 ‘무엇을’을 스스로에게 묻는 것, 데이터 앞에서 맥락을 읽으려는 시도, 결론보다 인사이트를 먼저 고민하는 습관 - 그 작은 사고의 흐름이 쌓이면 보고서 한 장의 무게가 달라집니다. AI와 협업하는 방식이 달라집니다. 그리고 일을 대하는 태도 자체가 달라집니다. 처음에는 어색하고 느리게 느껴질 수 있습니다. 질문을 던지는 것이 습관이 되지 않은 상태에서는 당연한 일입니다. 하지만 한 번, 두 번 반복하다 보면 어느 순간 일을 시작할 때 자연스럽게 ‘이 일을 왜 하는가?’를 먼저 묻고 있는 자신을 발견하게 됩니다.

(p.242)