work.heritage님의 프로필 사진

work.heritage

@work.heritage

사업기획부터 창업까지 함께합니다. 결과보다 기준이 되는 일을 선호합니다. 일 하는 방식과 판단이 커리어가 된다고 믿습니다.

대표 서비스
웹 개발서버/인프라보안
요즘 여기저기서 '페이퍼워크는 쓸모없다'는 말이 자주 나온다. 페이퍼워크 하느라 일을 못한다는 것이다. 문제는 문서가 맡는 역할이 불분명하다는 것에 있다. 한 문서의 역할이 합의, 책임기록, 인수인계 등 다양한 역할을 하기 때문이다. 문서는 일을 느리게 하는게 아니라 되돌림을 줄이는 중간장치다. 말로만 맞춘 합의는 결국 각자의 기억을 다르게 만든다. 특히 합의가 필요한 조직일수록 문서는 더욱 중요한 역할을 한다. 요즘 나오는 대안은 '문서 폐기'가 아니라 '폼의 간소화'이다. 모두가 합의한 수준까지만 쓰고 그 이상은 멈춰야 한다. 핵심은 분량이 아니라 목적이다. 이 문서는 무엇을 합의하기 위한 것인가. 이 질문에 곰곰히 한번 생각해보면 어떨까?
0

당신은 '리더'인가요 '멘토' 인가요? 요즘 조직을 보면 '리더'라는 직함은 넘치는데, 막상 중요한 결정을 내리는 사람을 잘 보이지 않는다. 모두가 조율하고 의견을 내지만, 최종 판단은 다음 회의로 미뤄진다. 왜 그런걸까 생각해 보면 이제 이들은 '멘토'가 아닌 '리더'로 변했기때문이라고 생각한다. 프로젝트를 이끄는데 구성원이 뭘 배우고 성장했는지, 내가 잘 이끌었는지 고민하는 사람이 너무 드물다. 일정과 성과는 관리하지만, 판단에 대한 기준과 사고 과정을 공유하지 않는다. 결국 프로젝트는 끝나도 사람이 남질 않는다. 이제 리더는 단순이 일을 끌고가는 역할을 하면 안된다. 결정의 맥락을 설명하고, 판단의 기준을 알려주며 주니어가 성장할수 있는 환경을 제공해야 한다. 그래야 리더가 아닌 멘토로써 일의 책임감이 생기고 다음반에 더 나은 결정이 나온다.
1

여러분은 어떤 데이터를 살피고 계신가요? 문득 '고객 중심의 의사결정'은 정말 중요하다라는 생각이 듭니다. 비즈니스, 마케팅, 디자인, 개발등 모든 직군이 고객만 바라보죠. 그만큼 오해석하기 쉬운 말도 드문것 같습니다. 일단, '고객 중심의 의사결정'의 기반이 되는 VoC데이터는 정직하지 않습니다. 유저의 손과 입에서 나온 말은 힌트이지, 답은 아닙니다. 자신의 불편을 얘기하지만, 그게 진짜 불편이 아닐수도 있고, 어쩌면 불편의 원인이 아닐수도 있죠. 또 해결책을 제안하기도 하지만 근본적인 해결책이 아닐 수 있습니다. 고객의 voc를 그대로 받아들이기보다, '왜 그렇게 대답 했을지 한번 더 해석하는 단계'가 가장 중요합니다. 요즘은 고객의 목소리가 닿지 않는 히트맵과 고객여정을 세심히 뜯고 있습니다. 여러분은 어떤 데이터를 살피고 계신가요?
0

AI로 개발직군, 기획직군의 신입/주니어레벨이 빠르게 교체되고 있어요, 제가 몸 담고있는 사업기획, PM직군도 AI가 많은 일을 대체하며, 함께하고 있는 듯 합니다. 여러분의 직군에선 어떠세요? 어떤 부분이 대체되는 것 같으신가요?
1

많은 조직에서 ‘데이터 기반으로 결정하자’는 말을 합니다. 행동에 근거를 만들자는 말이죠. 하지만 이 말을 잘못쓰게되면 판단을 미루는 말로 쓸 수 있게됩니다. 조금 더 명확한 확신을 위해 데이터가 부족하다는 이유로 결정을 미룬다거나 신뢰도를 높이기 위해 몇 건의 데이터 ‘모수’를 모아야 하는지 ‘건 수’에 집착하기도 합니다. 사실 데이터는 죄가 없습니다..ㅋㅋ 문제는 ‘데이터가 답을 줄 것이다’라는 기대입니다. 데이터는 과거의 결과를 설명하는 것은 잘 하지만, 미래의 선택을 책임지진 않습니다. 데이터를 ‘의사결정의 근거 중 하나’로 써야지, ‘의사결정의 주체’로 쓰면 안된다라는 의미입니다. 특히, 초기 단계나 피봇을 고민하는 단계에서는 데이터의 해석보다 문제와 가설을 설정하는 시야가 훨씬 중요한 단계입니다. 이 단계에서 데이터에 과도하게 의존하면 판단의 방향성과 속도를 잃을 수 있습니다. 그래서 저는 ‘데이터 의사 결정’이라는 말을 조금 경계합니다. 정확히, 데이터를 핑계로 판단을 회피하는 태도를 경계합니다. 어떠한 결정은 한 건의 데이터라도 캐치해야 하고, 어떠한 결정은 데이터 모수가 충분해도 틀릴 수 있습니다. 중요한 건 데이터의 양이 아닌, 어떤 데이터로 어떠한 결과값을 볼 것인지에 대한 ‘맥락’입니다. 여러분은 조직에서 데이터 결정을 돕고 계신가요? 혹은 결정을 미루고만 계신가요..?
1