데이터 분석에서의 Narrative Failure

※ 이 글은 Narrative Failure in Data Analysis 를 읽고 번역 및 요약한 글입니다.

   (데이터 초보입니다. 더 자세하고 정확한 글을 읽고자 하시는 분은 링크로 들어가주세요!)

 

데이터 분석을 할 땐 내가 혹시 "Narrative Failure"를 경험하고 있진 않은지 점검해보자.

 

"Narrative Failure" 란 데이터 분석 결과가 들려주는 이야기가 청중들에게 의문감과 혼란을 불러일으키는 상황을 말한다.

 

코미디 은행 강도 영화를 보고 있다고 가정해보자.

강도는 늦은 밤 시간 어두운 은행 안으로 잠입에 성공하였다.

하지만 너무 어두운 탓인지, 강도는 이리 치이고 저리 치이면서 관객들에게 웃음을 선사한다.

 

관객 중 하나가 문득 "미리 손전등을 가져갔으면 되는거 아냐?" 라고 말하는 순간 

영화가 일관되게 유지하고 있던 이야기와 그 분위기, 즉 Narrative는 무너지고 만다.

관객은 이제 자신의 의문과 영화의 전개 상황간의 격차를 좁히기 위해 고뇌에 빠지게 되지만 아무래도 납득하기는 어려워보인다.

 

영화감독이 이런 상황을 원치 않듯 데이터 분석가인 우리들도 청중들이

"이번에 사용한 딥러닝 기술이 세련되 보이는군. 근데 그냥 기본적인 회귀 분석을 쓰면 되지 않아?"

라는 의문을 가지길 원치 않는다.

 

즉, Narrative Failure를 일으키고 싶지 않다.

 

그렇다면 데이터 분석가는 어떤 마음 가짐을 가져야 할까?

 

코미디 미드인 BigBang Theory의 감독 Bill Prady가 말했듯,

우리는 우리가 가고자 하는 길 이외의 길을 충분히 막을 수 있어야 한다. (Close all the other doors)

 

우리가 사용한 방법이 적절하다는 것을 납득시키고, 다른 사람들이 제기하는 다른 방법론을 어째서 사용하지 않았는지 이해시킬 수 있어야 한다. 우리가 왜 다른 방법들을 "배제"시켰는지 설명할 수 있어야 한다.

 

물론.. 데이터 분석의 세상에서 "올바른" 길이라던가 "최상의" 길은 거의 없기 때문에 Narrative Failure를 피하는 건 쉬운 일이 아니다. 게다가 "유일한" 길이 있는 경우도 드물다. 그럼에도 사람들은 우리가 1번 문을 선택하면 2번 문에 대한 의문을 제기할 것이고, 2번 문을 선택한다면 1번 문에 의문을 제기할 것이다. 하지만 그럼에도 불구하고 데이터 분석가인 우리는 Narrative Failure에 대비되어 있어야 한다.