이때 물 안에서 다리가 움직이는게 아니라 물 표면을 친다는 생각으로 최대한 높게들어 쳐야함. 그래야 하체가 뜨고 하체가 떠야 상체가 뜸
사이드킥
자유형은 몸이 수평 > 사이드 > 수평 > 사이드의 연속임. 이에따라 사이드로 움직일 때 사이드킥을 유지해주는 것이 중요
상체
팔을 앞으로 쭉 뻗어내는 것이 매우 중요. 뻗어나가야 속도가 빨라짐
[PULL] - 물안에서 팔을 일자로 펴고 미는게 아니라 120도 가량 각도를 만들어 밀고 중간 이후에서 더욱 강하게 밀어야 몸이 가라앉지 않고 수면을 나아가는 형태가됨 - 각 손가락이 벌어질만큼 손바닥에 힘을 빼고 푸쉬 [PUSH ] 손바닥이 하늘을 볼 수 있게 딱 수면 위정도 까지 쭉 밀어줌 [RECOVERY] - 팔꿈치에 실이달려 팔꿈치만 움직인다는 느낌으로 하이엘보를 시전해야함 - 하이엘보 후 머리 앞쪽으로 슬라이딩 - 손에 힘을 빼고 슬라이딩하면 손바닥이 자연스럽게 물안으로 들어갔다가 유선형으로 나옴
물을 잡고 밀때는 손바닥을 펴고 팔뚝과 손이 일자형태로 유지되어야함. 물은 손바닥으로만 미는게 아닌 팔뚝과 손 전체로 미는 것
Bullet에서는 전체내용을 축약해서 보여줄 수 있도록 최대한 간단히 적고 가능한 숫자 등 세부 정보 기입하지 말 것
Why에 관한 내용은 Sub-Bullet에 들어가는 경우가 있는데, 만약 오히려 Why가 시사점을 지니는 중요 내용이라면 Bullet에 축약해서 넣어줄 것
이 주제에 대해 정말 중요하거나 하고싶은 말을 한줄로 줄이면?
무슨 내용이 들어가야할지 모를 때에는 (예시적으로 XXX와 같은 내용..) 과 같이 가설적으로 Bullet을 작성하고 향후 검증하기
Sub-Bullet
Sub Bullet에서는 업레벨에서 언급한 내용에 대한 , WHY(이유), WHAT(세부 설명), HOW(수단), SO(결과 설명), WHEN, WHERE, WHO
위 내용 중 WHY(이유), WHAT(세부 설명) 이 가장 중요
구체적인 예를 기입
워딩의 감
주어와 술어를 일치시킬 것
학생 때부터 수도없이 듣던 말이지만 실제 보고서에서 매우 흔할 실수다. 어떤 문장이 이해하기 어렵다면 주어와 술어가 일치하고 있는지를 먼저 검증하라.
문장을 무의미하게 복잡하게 하는 독소들을 제거할 것
보고서를 작성하다보면 자주 쓰는 표현을 습관처럼 쓴다. 어떤 표현을 한 번 쓰다 보면 그 편리함에 중독되어 자꾸 쓰게 된다. 대표적인 예가 수동형 문장, 과도한 조사의 사용, 가정형 문장 등 이다. 이러한 문장의 독소들을 과감하게 빼고 나면 훨씬 더 읽기 쉬운 보고서를 완성할 수 있다. 예시를 통해 살펴보자. 아래의 문장들은 보고서에서 흔히 쓰는 표현들이다.
(수동형 문장) 글로벌 경제 위기로 잠겨진 소비자들의 지갑을 열어야 한다.
(과도한 조사의 사용) 정치적 문제의 해결은 그 다음에 해야 할 일이다.
(가정형 문장) 목적을 이루는 데 보탬이 될 수 있는 지원자를 선호한다.
(무의미한 단어의 사용)OPEX中 인건비는 30% 차지하며 금액으로는 연간 1.35M$ 규모(총 OPEX 4.5M)
여기서 빨간색으로 표시한 부분을 빼도 전혀 어색하지 않고 훨씬 더 읽기 쉬워 진다.
글로벌 경제 위기로 잠긴 소비자들의 지갑을 열어야 한다.
정치적 문제 해결은 그 다음 일이다.
목적을 이루는 데 보탬이 될 지원자를 선호한다.
OPEX中 인건비는 30% , 금액으로는 연간 1.35M$ 규모(총 OPEX 4.5M)
모든 문장에서 위와 같은 습관들을 배제하다 보면 오히려 더 이상한 문장이 될 수 있겠지만, 굳이 쓰지 않아도 될 부분에서 남용하지 않는다면 훨씬 더 깔끔한 문장 혹은 워딩을 만들 수 있다.
전문용어는 최대한 자제하고 누가 일어도 쉬운 단어 선정할 것
가장 기본이다. 보고서에 쓰는 워딩은 중학생도 이해하기 쉬운 단어로 구성해야 한다. 만약 불가피하게 어려운 단어를 써야 하는 상황이라면 반드시 이에 대한 부연 설명을 보고서 밑단에 표시해야 한다. 보고서를 작성 후 한 번 읽어보며 걸리는 워딩이 있는지 한 번 더 체크가 필요한다.
문장은 2줄을 넘기지 않을 것
글이 길어지면 집중력과 가독성이 떨어지는 건 3세 아이부터 80세 노인까지 동일하다. 보고받는 사람도 문장이 길어지면 거부감부터 생기기 마련이다. 보고서에 들어가는 문장은 최대 2줄을 넘기지 않도록 하고, 작성 이후 두 번, 세 번 스크리닝 하여 불필요한 단어와 조사들을 삭제해야 한다.
예상 독자에 따라 기재할 내용과 기재하지 않을 내용을 구분할 것
욕심이 지나쳐 세세한 내용까지 보고서에 전부 작성하다 보면 오히려 정말 중요하게 강조해야 하는 내용을 흐리게 만들 수 있다. 또한 보고서의 목적이나 활용처, 보고대상이 명확하지 않다면 보고서 내용은 중구난방이 될 수밖에 없다.보고서를 작성하기 전에 우선 누가 보고를 받고, 그 보고받는 사람은 보고 내용을 어떻게 활용할지에 대해서 생각해야 한다. 이후 실무 담당자만 알고 있어도 될 내용들은 걸러내고 포인트가 무엇인지 명확하게 구분한다면 훨씬 더 훌륭한 보고서를 작성할 수 있다.
예를 들어, 반도체 공정을 벤치마킹하는 프로젝트에서 보고 대상인 반도체 공정 전문가에게 공정을 일일히 설명할 필요는 없다. 반도체 공정 전문가인 고객에게 보고할 내용은 전문가도 모를 만한 다른 회사 반도체 공정과의 차이점만 공유하면 된다.
특정 기호를 사용하여 인과를 보기 쉽게 나타날 것
기존에는 필터 막이 일자형이었으나 최근에는 산형 및 계곡형으로 설계되어 접촉 표면적이 대폭 향상되었고, 이에 따라 물과 접촉하는 필터 막 구멍의 개수도 증가 (X)
➡
기존에는 필터 막이 일자형이었으나 최근에는 산형 및 계곡형으로 설계되어 접촉 표면적이 대폭 향상되었음 → 물과 접촉하는 필터 막 구멍의 개수도 증가 (O)
문장의 중요한 단어 내지 구절은 표시하여 강조할 것
보고서에 가장 중요한 것들은 볼드 표시 혹은 밑줄 를 통해 강조할 수 있다. 그러나 이러한 기능들을 남용한다면 오히려 정신만 사납게 만들 수 있다. 즉, 강조되는 워딩이 강조되지 않는 워딩의 비율이 2:8 정도로 유지하는 것이 가장 좋은 비율이다. 또한 ~은, ~는, ~이, ~가 등과 같은 조사에는 가급적 제외하고 단어 단위로 강조 표시하는 것이 바람직하다.
커니에 입사해서 가장 신선한 충격이었던 건 2시간 짜리 미팅을 두 세마디로 요약해서 커뮤니케이션하는 모습이었다. 2시간 미팅 동안 당최 핵심이 무엇인지 감도 못잡고 있었던 나에게는 큰 충격이었다. 현재 일한지 한 달이 되는 시점에서 스스로를 피드백해보면, 2시간 짜리 미팅을 단 몇 마디로 요약하기 위해서는 크게 2가지의 능력이 필요하다.
구조화: 미팅의 가장 큰 토픽 -> 이하 레벨로 구조화 하여 전체 이야기가 어떻게 구성되었는지 이해
요약: 각 하위 레벨 別 가장 하고 싶은 말 그래서 결국 가장 포인트가 되는 말이 무엇인지 이해
본 포스트에서 주로 다룰 내용 요약은 단순히 인터뷰 내용을 요약하는 것 뿐만아니라 긴 대화에서 결국 가장 중요한 포인트가 무엇인지 잡아낼 수 있는 능력을 방법화 하기 위한 글이다.
내용 요약의 목적: 장표작성에도 가장 중요한 인풋으로 활용
내용요약은 인터뷰 요약, 회의록 요약, 리서치 요약 등 다양하게 사용된다.
서머리는 인터뷰 회의의 요약기능뿐만 아니라 장표작성에서도 큰 스토리르 잡고 디테일 정보에 대한 핵심 인풋이 되기 때문에, 어쩌면 가장 중요도가 높은 컨설턴트의 업무 중 하나라고 할 수 있겠다.
내용요약의 핵심!! 요약의 핵심은 결국 읽는이가 보기 쉽고 쉽게 이해할 수 있는 지이다. 회의를 들어오지 않은 사람이 봤을 때도, 술술 익힐 정도로 요점이 잘 드러나고, 놓치는 디테일이 없는지로 검증할 수 있다.
내용 요약 프로세스
1. 가장 높은 레벨의 구조화부터 "적당한" 레벨까지 구조화 실시
여기서 포인트는 매우 세부적인 부분 까지는 구조화 레벨을 내리지 않고, 읽는이가 이해하기 용이한 선 정도까지만 구조화를 하는 것이 중요하다. 왜냐하면 서머리 이기 때문에, 목차와 같은 기계적인 구조화가 아닌 그래서 가장 하고싶은 말이 무엇인지 의 기준으로 적어주는게 읽는이 입장에서 이해하기 편하기 때문이다.
구조화 하여 전체 내용을 이해하고자 하는 목적이므로 이 단계 까지는 단어로 구조화를 해도 문제 없다.
먼저 전체 내용을 단어 레벨로 구조화 시킨다.
[참고]1에서 구조화된 각 파트에서, 각 파트에 해당하는 가장 핵심인 내용, 머리 속에 기억남는 말을 가장 상위 레벨의 라벨링으로 사용
구조화된 단어로 기재하는 것이 아니라 문장으로 적는 이유: 단어로 구조화 하고 그 아래 문장으로 부가 설명을 하는 것도 하나의 방법이지만, 직접 write해 보면 이러한 방법이 가독성이 훨씬 낮다는 것을 경험할 수 있다. 애초에 문장으로 언급해주는 것이 서머리의 측면에서는 더 효율적이다.
가능한 한 수치등 디테일한 언급하지 않고, state로만 언급 후 아래 레벨에서 디테일한 데이터 언급
서머리 이기 때문에, 목차와 같은 기계적인 구조화가 아닌 "그래서 가장 하고싶은 말이 무엇인지" 의 기준으로 적어주는게 읽는이 입장에서 이해하기 편함
단어로 구조화된 스켈레톤에 추가적인 살을 붙여서 서머리를 완성한 모습
2. 회의록 등 INPUT DATA 보며 관련 구조화된 각 파트에 해당하는 데이터 추가
회의록을 보면서 서머리에 반영된 내용에 회색 밑줄을 그어가면 작업하는 방식은 정보를 놓치지 않는 효과적인 방법이다.
인터뷰 내용에서 디테일 내용들이 충분히 반영되었는지 회색 밑줄을 그어가면 작업하는 모습
3. 원인, 결과, 구체화 작업을 통해 살 붙여나가기
서머리 이기 때문에 완벽하게 모든 정보가 인터뷰에서 나올필요는 없음. 경우에 따라서 원인 결과 디테일 데이터를 추가해서 언급해도 관계없음. 가령, "미츠비시 상사는 에네코를 인수했다"라는 내용이 인터뷰에 나왔다면, 미츠비시 상사의 에네코 인수건을 리서치해서 보충적으로 적어 넣는다.
빨간 색으로 표시된 부분은 인터뷰 때 키워드를 획득하고 이후 추가 리서치를 수행하여 add-on한 정보
[참고] 그외 서머리 팁
프로젝트에 대한 인터뷰 후 서머리를 해야하는 작업에서는 프로젝트가 생성된 배경비즈니스 모델(어떤 플레이어가 등장해서 뭘주고 뭘받는지)프로젝트의 목적 및 의도 을 중심으로 파악하는 것이 좋다.
팩트와 주장을 구분하여 적고, 신빙성이 낮은 주장에 대해서는[추가리서치 필요]라고 표시하고, 이후 추가 리서치 실시
괄호, 구분기호, 한자어, 영단어를 적절히 활용히 가독성 높이기
괄호를 사용하여 가독성 높이기: [EX테스크포스팀] 그룹 內 최상위 EX의사결정 조직으로 전사적 EX방향성 및 초기 전략 제시
as-was, as-is, to-be라는 표현 사용: (As-was) 기존의 11.14% (2020년)에서 1% (2025년)까지 절감하는 목표 수립
구분기호를 사용하여 가독성 높이기: 일본 국내 수소 수요 ‘30년 6-7백만톤 ➡ ’50년 4천만톤으로 성장할 전망
한자어를 사용하여 가독성 높이기: 사장 傘下 조직으로 각 영업부문別 상무이사로 멤버 구성
조사의 사용 지양하기: 대만 정부는 원자력 발전의 비중을 높이기로 함 -> 대만 정부의 원자력 발전 비중 확대 결정
불필요한 단어의 사용 지양하기: 각 단어가 진짜 필요로 한지 따져봐야함
상위 레벨에서는 구체적인 정보를 되도록 언급하지 않고 ROUFH 하게 포함하여 독자가 궁금증을 갖고 읽을 수 있는 단어를 선택. 구체적인 표현은 하위 레벨에 맡겨두기
하위 레벨의 내용: 재생에너지로 2조원을 확보했다, IT기업들도 직접투자를 하려고 한다.
상위 레벨의 표현: "직접투자를 위한 재원을 별도로 마련하고 있으며 소니 外 타사들도 직접투자에 높은 관심"
상위 레벨에서는 일부러 2조원에 대한 언급은 안하고 별도 재원 마련이라고 표현하였으며, IT기업이란 언급안하고 타사로 언급
모델링의 목적은 여러가지가 있겠지만, 일반적인 모델링의 목적은 미래에 대한 추정이다. 미래를 추정하는 방법은 여러가지가 존재한다. 전략 컨설팅에서는 전문가 의견 종합을 통해 추정하고, 통계청 및 경제 기관에서는 판매사원 의견 종합을 통해 선행지수를 예측한다. 또한, 고객과 맞닿고 있는 리테일에서는 고객에게 설문지를 돌리는 고객조사기법을 사용하기도하고, 데이터가 충분히 존재하는 곳에서는 회귀분석을 통한 기법도 활용한다.
목적값에 따른 Driver 선정 실시(모델링 설계)
모델링 목적에 따라 타당하게 변수를 구성하였나: TOP-DOWN에 의해 설계된 모델링 로직이 맞는지 파악
동일한 목적치를 구하더라도 여러개의 가능한 모델링 시나리오 존재 -> 프로젝트 목적에 가장 부합하는 시나리오 모델링 선정
탑다운 방식 모델링이 타당할지, 바텀업 방식 모델링이 타당할지
수요 측을 통한 Q 로직이 타당할지, 공급 측을 통한 Q 로직이 타당할지
각 모델링을 통해 파악한 Value-Driver의 취득은 용이한지
가장 High Level의 로직 고려 시, 단위를 맞추는 과정이 매우 중요하다. 예를 들어, SOEC 수전해 발전소 시장 규모를 모델링 한다고 할 때, SOEC 수전해 발전소 1기당 가격 * 향후 지어질 수전해 발전소 기수 로 모델링 하면 매우 멍청한 모델링이 된다. 왜냐하면 수전해 발전소 사이즈는 모두 제각각 일텐데 1기당 가격을 어떻게 균일하다고 가정할 것이며, 크기가 제각각이 기수를 단지 한 울타리에 있다고 1기로 인정할 수 있는지에 대한 의문이 들기 때문이다. 때문에 위와 같은 모델링에서는 SOEC 수전해 발전소 kw당 가격 * 향후 지어질 수전해 발전소 총 용량으로 단위를 맞추어 로직 설계해야한다.
고객이 납득할 로직인가?
모델링의 두가지 방법: 탑다운, 바텀업
실제프로젝트에서 탑다운과 바텀업의 구분 중요성을 깨닳은 사례를 통해 각 프로젝트에서 더 맞는 방법의 모델링을 찾아보도록 하자. 이전 프로젝트에서 산업별(철강, 석유화학, 시멘트 등) 자가발전 중 수소 발전 용량 구하는 모델링을 실시한 경험이 있다.
탑다운 모델링의 경우
수소 발전 용량 = 산업별 전체발전용량 * 자가발전비율 * 무탄소발전비율 * 수소발전비율
위와 같은 식은 모집합에서 내려오는 모든 비율들을 구해야하기 때문에 무수히 많은 가정과 가설이 들어간다. 또한, 수소발전량이 직접적으로 구해지지 않아 직관적이지 않다.
바텀업 모델링의 경우
모집합에서 타겟을 쪼개 들어오는 탑다운 방식이 아니라, 바텀에 있는 값을 직접적으로 구해버리는 방법이다. 바텀업 모델링을 위해서는 왜 시장 Player 가 수소 발전을 하려고 하는지? 에 대한 동인(動因)을 고려하는 것이 핵심이다.
플레이어는 왜 수소 자가발전을 하려고 할까? 왜냐하면 탄소 발생량을 낮춰야 하기 때문이다. 그렇다면 수소 자가발전을 통해 얼마만큼의 탄소 발생을 절약해야하는 것일까? 이는 아래와 같은 바텀업 모델링으로 생각될 수 있다.
전체 탄소발생량 * (1-국가 허가한 탄소발생비율) * 탄소 절감에 필요한 재생에너지 발전량 * 수소발전비율
그외 탑다운과 바텀업 모델링의 예
예1: 치약시장
탑다운: 전체 미용 시장 * 치약시장
바텀업: 전체인구 * 양치 가능한 인구비율 * 하루 양치 횟수 * 회당 치약 사용량
예2: 뷰티 디바이스 시장
탑다운: 20대 이상 여성인구 * 뷰티 디바이스 사용률
20대 이상 여성인구 * f(소득, 잉여시간, 나이 등..)
바텀업: 리프팅목적 뷰티디바이스 이용인구 + 여드름 흉터 제거 목적 뷰티 디바이스 사용 인구 + ...
20대 이상 여성인구 * 주름발생률 * 리프팅디바이스사용률 + 20대 이상 여성인구 * 여드름 발병률 * 흉터남길 확률 * 흉터제거디바이스사용률...
-> 단, 바텀업으로 구성 시 사용 목적이 겹치거나 명확하지 않아 탑다운 방식으로 모델링 하는게 더 나을 수 있음
어느 정도 Sub-level 까지 변수 구조화할 것인가에 대한 고민
어떤 드라이버는 그냥 상수를 가져 올 수도 있고, 어떤 드라이버는 더 깊이 들어가서 sub-sub-driver 까지 고민 필요
생수 시장규모 = 전체인구 * 일주일 內 수 구매 인구 비율 * 생수 사먹는 횟수 * 1회당 구매하는 생수 mL
일주일 內 생수 구매 인구 비율은 전문가한테 물어보고 가져올 것인가? 아니면 해당 Driver를 구성하는 sub-driver까지 더 깊게 팔 것인가?
생수 구매 비율 = f(정수기 보유 비율, 외출시간, etc)
Driver로 설정한 값들을 어떻게 구할 것인가에 대한 고민
드라이버를 구조화한 후에는 정말 추정할 수 있는 값들인지에 대한 판단을 미리하는게 중요. 아무리 좋은 모델링이라 하더라도 현실적으로 구할 수가 없다면 모델 수정이 필요하기 때문.
해당 Driver가 정말 Top-Value와 상관관계가 있는지 파악
데이터를 통한 상관관계 분석법으로 하위의 subdriver가 top-value와 관계성이 있는지 파악하는 작업.
[참고1] 논문을 통해 해당 시장에게 영향을 미치는 변수 취득
B2C 시장은 어떤 변수로 시장 사이즈가 변화하는지 명확하지 않다. 이에 각 종 논문에서 진행한 설문 및 통계 자료를 통해 주요 변수를 파악하고 모델링에 적용할 수 있다.
최근에 뷰티 디바이스 시장 규모를 추정했는데, 두세편의 논문을 통해 나이, 소득, 직업군이 유효한 영향을 미치는 변수라는 것을 확인했다. 이처럼 논문을 통해, 타겟 시장의 선택률에 영향을 미치는 요인들을 파악할 수 있다.
[참고2] B2C 시장 모델리의 경우 "시나리오" 따른 시장 규모 추정 필요
고급 고양이 식판 구매 비율을 추정한다고 할 때, 고양이 양육 인구 중 상위 20%만 구매할 경우, 상위 30%만 구매할 경우, 상위 40%만 구매할 경우로 케이스를 나누어 계산가능. 이때 각 숫자의 근거가 필요한데, 동일한 프리미엄 시장의 다른 제품을 통해 추정할 수 있다. 예를 들어, 고양이 프리미엄 사료는 전체 고양이 인구 중 10%만 먹인다고 하면, 고급 고양이 식판도 10%만 구매한다고 추론할 수 있을 것이다.
고양이 사료 시장 내 kg당 평균 가격이 2,000원이고 프리미엄 사료는 kg 당 4,000원 인데, 프리미엄 사료 시장의 일반 사료 시장의 10%를 점하고 있다면, 가격/kg 변수와 점유율 변수를 통해 2차함수를 구하고 이로써 프리미엄 시장이 갖는 기울기를 구해낼 수 있을 것이다. 이 기울기를 활용하여 고양이 식판 구매 비율을 추정하면, 훌륭한 모델링이 될 수 있다.
+ 여기에 고양이 식판 시장과 사료 시장의 차이를 만들어내는 변수를 파악해 변화량을 주면 가장 Best일 것.
정성데이터를 어떻게 정량화 시킬까에 대한 고민
Scoring 기법 (가중치 기법)
예를 들어, A국의 한해 수소 생산량이 100만톤일 때, 한국으로 수출가능한 물량은?
전체 수소 생산량 중 한국 向 수출률을 표현해야할 때, 고객한테 "그냥 한 20% 나올것 같은데요?" 라고 말할 수는 없음. 따라서 20%라고 주장할 수 있는 근거가 필요
수소 생산하고 있는 프로젝트의 지분율 중 한국 기업의 차지하는 비중, 한국과의 물리적 거리(수소는 배로 운반하기 때문에 거리가 멀면 자연 소실 되므로), 판매자의 사업 목적 등의 지표에 Scoring
판매자의 사업 목적 같은 정성 데이터는 "판매의지 높음(100점), 판매의지 중간(50점), 판매의지 낮음(0점)"처럼 Scroing하여 정량적 수치로 변환
표준분포 기법
수소 생태계가 얼마나 잘 갖추어져 있는가를 판단하는 정성지표를 정량화 시킨다고 했을때, 각 국 보유 수소 프로젝트수에 따라 표준분포를 그리면 상위 %에 따라 Scoring 가능
Linear 및 Logistic 함수 활용한 예측 모델
데이터가 충분할 시, 기존 데이터를 통한 선형 기법을 통해 독립변수의 종속변수 값을 구할 수 있음
바이너리 기법
Pass or Fail 기법으로 떨어뜨리거나 붙여주거나..
워터풀
년도별 발생하는 사건이 언제까지 시작해서 언제 끝날 것인가를 나타낼 때 유용한 방법. 대표적인 예로 감가상각이 있다. '22년 CF가 100만원 발생하여 10년 동안 상각한다고 했을 때, '22년부터 '31년까지 10만원의 CAPEX가 나간다고 인식할 수 있을 것이며 '23년에도, '24년에도 증설로 인한 CF가 100만원씩 나가는 상황이라면 이를 표현하는 대표적 방법이 워터풀.
더 정확한 모델링을 위해 데이터를 가공하는 법에 대한 고민
Log함수
Log함수는 2가지 측면에서 Linear 보다 유용하다. 1. 현실 세계의 한계체감을 잘 반영하고 있다. 아무리 자본을 많이 쏟아부어도 어떤 한계점을 지나면 성장률이 더디다. 로그함수는 한계체감을 잘 표현할 수 있다. 2. 데이터가 편차가 커서 유의미한 모델링이 불가할 때 유용하다. 첫번째 테이블인 "여성 직종별 월평균 임금"에서 관리자와 그외 직종별 임금 편차가 매우 크다. 이때 임금을 독립변수로 사용하면 임금이 낮은 서비스종사자나 단순노무종사자 向 모델링이 심하게 왜곡될 가능성이 있다.
이때 활용할 수 있는 방법이 기존 raw데이터를 log처리 하는 것. 아래 테이블은 기존 임금 데이터를 1.01값으로 log 처리 하였다. 이에 따라 관리자 8,396 -> 단순 노무자 1,895의 편차가 관리자 908 -> 단순노무자 758로 변화하여 더 의미 있는 모델링을 할 수 있다.
행렬을 통한 연립 방정식 계산
종속변수 y값을 추론하기 위해 복수개의 독립변수 x를 선정할 수 있다. 이때 3개의 독립변수 x를 갖는 식을 처리한다고 가정하면 독립변수의 역행렬을 통해 a, b, c의 값을 추론할 수 있다.
aX1 + bX2 + cX3 = Y aX4 + bX5 + cX6 = Y aX7 + bX8 + cX9 = Y
X1 X2 X3 (a) = Y X4 X5 X6 (b) = Y X7 X8 X9 (c) = Y
어떤 Driver를 Bull Base Bear 로 설정할 지에 대한 고민
모든 드라이버에 시나리오 넣는게 아니라, Impact Factor에 해당하는 변수들에 시나리오를 제공 해야함
어떤 매게 드라이버들을 더 추가하거나 뺄지에 대한 고민
매게 드라이버란 모델링에 주요 전제가 되는 Proxy 숫자들을 의미한다. 예를 들어, 수소의 에너지 전환율이 70%라고 하면 에너지 전환율이 매게 드라이버가 될 수 있다. 에너지 전환율을 낮추거나 높여서 다른 모델링 결과를 도출할 수 있는데 이러한 Impact Factor을 상수로 고정할지 아니면 변수로 Control 할지 고민해야한다.
Driver의 Top-Bottom 값에 대한 고민
특정 Proxy를 통해 Cap값이 제공된다면 그 수치 아래서 모델링하면 되므로 편리함
가령, 국가에서 예상한 매우 긍정적 시나리오의 향후 원자력 발전 비중이 20%라면 이러한 수치를 차용하여 모델이 20%넘지 않는 선에서 모델링 실시
엑셀 시트 분할
result
input: 주요 벨류 드라이버를 조정하는 시트
const: 변수 기입 시트
senario
calculation: 로직 및 계산이 기입되어 있는 시트로 본 시트의 모든 데이터는 他 시트 참조
reference: caculation시트에서 계산할 하부단의 로직들의 섞여있는 데이터 시트
rawdata: 인구, 금리 데이터, 수도세 데이터 등 로직 없이 Counting 해서 결과물이 이미 나와있는 데이터
모델검증
정규분포, 표정정규분포를 활용하여 원하는 수치가 고루 분포되었는지 확인
모델링 팁
rawdata와 작성데이터는 다른 시트에서 관리 할 것
작성데이터의 참조는 rawdata로 할 것
타시트 참조데이터는 초록색, 동일 시트 함수데이터는 검은색, hardcoding 데이터는 파랑색으로 폰트설정할 것
전체 줄금을 삭제하고 가로줄만으로 표시할 것
데이터는 추세선을 그려가며 진위를 확인해볼 것
한 시트에 여러 테이블을 만들어야 하는 상황에는 엑셀 테이블 만들기기능 이용할 것: 테이블 당 필터링 가능
가정해야하는 변수가 더 적은 모델(less is more)
고객들은 숫자 하나하나 매우 민감하며 사소하다고 판단되는 숫자에도 근거가 존재할 것
모델링은 엑셀로 수행하기에 코딩으로는 쉽게 해결할 수 있는 Technical한 문제를 해결할 수 없는 경우가 많다. 대표적으로 엑셀은 루프기능이 없으며, 값을 변수에 담을 수 없다. 루프와 변수 저장 기능을 모두 셀단위로 처리해야 하는 것이다.
