[Coursera Google] GCC 데이터 애널리틱스 : 시각화를 통한 데이터 공유 | 프레젠테이션 및 슬라이드 쇼 만들기

2024. 9. 26. 15:44GCC/데이터 애널리틱스

728x90
반응형

 

반응형

 

 

 

 

 

 

 

 

 

 

 

 

 

효과적인 프레젠테이션의 기술 및 과학

프레임워크와 함께 프레젠테이션하기

 

 

  • 프레임워크의 역할:
    • 프레임워크는 비즈니스 작업 및 측정항목과 논리적으로 연결하여, 청중이 데이터를 더 쉽게 이해하고 분석 결과에 접근할 수 있도록 돕습니다.
    • 프레젠테이션을 할 때 중요한 정보에 집중하는 데도 도움이 됩니다.
  • 비즈니스 작업과 맥락 제공:
    • 원시 데이터는 많은 사람에게 의미가 없지만, 비즈니스 작업의 맥락에서 제시하면 청중이 공감할 수 있습니다. 비즈니스 작업을 명확히 이해하고, 이를 바탕으로 데이터를 프레임하는 것이 중요합니다.
  • 실제 사례: 아보카도 추세 분석:
    • 예시로, 식료품 매장에서 계절별 아보카도 재고 결정을 돕기 위해 아보카도 관련 온라인 검색 추세를 분석하는 작업이 제시되었습니다.
    • 프레젠테이션은 비즈니스 작업에 초점을 맞추며 시작하고, 검색 기록에 대한 개요와 이를 바탕으로 한 계절별 추세 분석, 마지막으로 더 알아봐야 할 부분을 다루는 방식으로 구성됩니다.
  • 데이터 시각화의 역할:
    • 시각 자료는 아보카도의 연간 검색량 그래프처럼 데이터를 시각적으로 표현하여 청중이 요점을 빠르게 파악할 수 있도록 돕습니다.
    • 발표자 노트를 활용해 중요한 요점을 기억하거나 프레젠테이션 중 참조할 수 있습니다.
  • 측정항목과 데이터의 연결:
    • 비즈니스 측정항목(예: 월별 아보카도 검색량)을 통해 분석 결과의 영향을 명확히 설명할 수 있습니다.
    • 데이터의 기간, 수집 위치, 그리고 추세 측정 방식 등 시각화 자료에 대한 설명을 추가하여 프레젠테이션의 명확성을 높입니다.
  • 전략적 프레임워크의 이점:
    • 프레임워크를 사용하면 데이터 분석 결과를 더 쉽게 이해할 수 있고, 분석 과정에서 중요한 역할을 하게 됩니다. 청중이 중요한 정보를 파악할 수 있도록 돕는 핵심 도구입니다.

 

 

 

 


프레젠테이션에 데이터 통합하기

 

데이터를 효과적으로 통합하는 것은 단순히 숫자와 차트를 보여주는 것이 아니라, 대상에게 데이터의 의미를 전달하고 그들에게 필요한 정보를 명확하게 제공하는 과정입니다. 이 과정에서 맥캔들리스 방식을 사용하여 데이터 시각화를 단계적으로 설명하는 방법을 알아보았습니다.

 

주요 내용:

  1. 데이터 수집의 중요성: 사람들이 프레젠테이션에서 사용할 데이터를 이해하면 더 명확하게 분석 결과를 해석할 수 있습니다. 데이터를 어떻게 수집했는지, 어떤 데이터를 사용했는지 설명하는 것이 중요합니다.
  2. 초기 가설 수립: 프레젠테이션 초기에 가설을 세우는 것이 중요합니다. 가설을 통해 데이터를 분석하는 목적을 분명히 하고, 이를 토대로 결과를 도출할 수 있습니다.
  3. 시각화 자료의 중요성: 원시 데이터는 복잡할 수 있으므로 시각화 자료를 통해 데이터를 쉽게 이해할 수 있도록 돕습니다. 맥캔들리스 방식은 시각화 자료를 설명하는 데 효과적인 방법으로, 기본적인 정보에서 시작해 점차 구체적인 정보를 제공하는 단계적인 접근법을 사용합니다.
  4. 맥캔들리스 방식:
    • 기본 정보 제공: 그래픽에 제목을 붙이고, 사람들이 쉽게 이해할 수 있도록 정보를 제공합니다.
    • 명백한 질문에 답변: 사람들이 가질 수 있는 기본적인 질문에 미리 답변을 준비합니다.
    • 핵심 정보 요약: 그래프나 데이터에서 사람들이 꼭 알아야 할 주요 정보를 요약합니다.
    • 구체적인 데이터 예시: 데이터를 구체적으로 설명하고, 데이터를 어떻게 활용할 수 있는지 예를 들어 설명합니다.
    • '그래서요?'에 답하기: 데이터가 중요한 이유와 비즈니스에 미치는 영향을 설명합니다.

프레젠테이션에서 데이터를 효과적으로 통합하는 것은 데이터를 시각적으로 보여주는 것뿐만 아니라, 대상이 그 데이터를 이해하고 활용할 수 있도록 안내하는 과정을 포함합니다.

 

 

 


프레젠테이션의 단계별 비평

이 읽기 자료는 다음 두 동영상에 대한 오리엔테이션을 제공합니다.

  • 코너: 지저분한 데이터 프레젠테이션의 예
  • 코너: 바람직한 데이터 프레젠테이션의 예

이 두 동영상을 최대한 활용하려면 동영상을 함께(연속해서) 시청해야 합니다. 첫 번째 동영상에서 코너는 혼란스럽고 이해하기 어려운 프레젠테이션을 소개합니다. 두 번째 동영상에서 코너는 다시 등장하여 프레젠테이션을 개선하고 공유되는 데이터와 결론에 대한 대상의 이해를 돕기 위해 무엇을 할 수 있는지 설명합니다.

 

지저분한 데이터 프레젠테이션

'지저분한' 프레젠테이션이 효과적이지 않은 구체적인 이유에 주의를 기울이며 첫 번째 동영상을 시청하세요. 다음은 미리보기입니다.

  • 스토리나 논리적 흐름이 없음
  • 제목이 없음
  • 텍스트가 너무 많음
  • 형식에 일관성이 없음(테마가 없음)
  • 마지막에 권장사항이나 결론이 없음

 

지저분한 프레젠테이션: 보는 사람이 어디에 집중해야 하는지 알 수 없음 

지저분한 프레젠테이션의 주요 문제는 논리적 흐름이 부족하다는 점입니다. 또한 데이터 시각화 자료가 이해하기 어렵고 소개나 설명이 제시되지 않았다는 점에 주목하세요. 대상은 시각화 자료가 무엇에 대한 것이고 왜 주목해야 하는지 알 수 없습니다.  대상이 어떠한 도움도 없이 데이터의 의미를 파악해야 한다면 길을 잃고, 혼란스러워하고, 어떤 행동을 해야 하는지 명확하게 알 수 없을 것입니다. 

 

바람직한 데이터 프레젠테이션

두 번째 동영상에서는 같은 주제에 대해 더 효과적인 프레젠테이션을 만들기 위해 다양한 권장사항을 적용했습니다. 이 '바람직한' 프레젠테이션은 지저분한 프레젠테이션보다 훨씬 이해하기 쉽습니다. 다음은 미리보기입니다.

  • 제목과 프레젠테이션을 마지막으로 업데이트한 날짜
  • 흐름 또는 목차
  • 전환 슬라이드 
  • 데이터에 대한 시각적 소개(반복되는 테마로도 사용됨)
  • 애니메이션을 사용한 글머리기호
  • 시각 자료 위의 주석
  • 논리와 진행 
  • 데이터의 제한사항(주의사항) - 데이터로 알 수 없는 것

 

팁: 이 동영상을 시청하며 코너가 바람직한 프레젠테이션을 만들기 위해 제안하는 사항들을 메모하세요. 이 메모를 일지에 보관할 수 있습니다. 직접 프레젠테이션을 만들 때 메모를 다시 참조하세요. 이렇게 하면 프레젠테이션의 품질에 대한 자신의 생각을 발전시키는 데 도움이 됩니다.

 

바람직한 프레젠테이션: 데이터를 통해 대상을 논리적으로 안내함

바람직한 프레젠테이션은 시작 부분의 목표에서 마지막의 결론까지 데이터를 통해 대상을 논리적으로 안내합니다. 데이터 시각화 자료가 공통적인 테마를 사용하여 소개되었고 각 결론 앞에 신중하게 배치되었다는 점에 주목하세요. 바람직한 프레젠테이션은 대상에게 사실과 데이터를 전달하고, 데이터의 의미를 이해하도록 도우며, 이해한 내용을 기반으로 변화를 만들거나 좋은 곳에 활용하기 위한 방법에 대한 요점을 제공합니다.

 

 
 

코너: 지저분한 데이터 프레젠테이션의 예

 

비효율적인 데이터 프레젠테이션의 예시를 살펴보았습니다. 이 프레젠테이션에서는 사람들이 데이터 분석을 제대로 이해하지 못하게 만드는 여러 문제가 있었습니다. 슬라이드 구성, 스토리의 흐름, 시각적 배치 등에서 잘못된 점들을 지적하고, 프레젠테이션을 어떻게 개선해야 하는지에 대해 알아보았습니다.

 

주요 문제점:

  1. 지나치게 긴 제목: 첫 번째 슬라이드에서 '전 세계의 건강과 행복의 관계'라는 제목은 너무 길어서 사람들의 주의를 끌지 못합니다. 또한 지구 그림 같은 일반적인 이미지는 흥미를 유발하지 않습니다. 슬라이드는 간결하면서도 사람들의 관심을 끌 수 있어야 합니다.
  2. 도입부의 부재: 프레젠테이션 초반에 목적 성명문이나 소개 슬라이드가 없어서 사람들이 이 발표가 무엇을 다룰지 명확히 이해할 수 없습니다. 청중이 발표자와 분석 내용에 대해 알 수 있도록 도입부에서 이를 분명히 제시해야 합니다.
  3. 혼란스러운 첫 번째 슬라이드: 너무 많은 데이터와 텍스트가 한꺼번에 제시되며, 사람들이 슬라이드의 목적을 이해하기 어렵습니다. 슬라이드에는 제목명확한 구조가 필요하며, 과도한 정보는 자제해야 합니다.
  4. 일관성 부족: 슬라이드 간의 시각 자료와 텍스트 배치가 일관되지 않습니다. 프레젠테이션을 통해 청중이 점점 익숙해지도록 해야 하며, 시각 자료나 텍스트의 위치 변화는 최소화하는 것이 좋습니다.
  5. 설득력 없는 결론 슬라이드: '웃음은 최고의 명약'이라는 결론은 전체 프레젠테이션의 내용과 논리적 연결성이 부족합니다. 결론으로 이끌어가는 스토리나 데이터 분석의 흐름이 부족하며, 결론까지의 연결이 명확하지 않습니다.
  6. 지나치게 많은 텍스트: 각 슬라이드에 너무 많은 텍스트가 포함되어 있어 청중이 내용을 따라가기 어렵습니다. 텍스트는 간결하고, 시각 자료를 통해 데이터를 효과적으로 전달해야 합니다.
  7. 스토리와 논리적 흐름 부재: 전반적인 프레젠테이션에는 스토리논리적 흐름이 결여되어 있습니다. 데이터를 어떻게 전달할지, 청중에게 무엇을 설명할지를 명확히 해야 합니다.
  8. 결론 슬라이드의 중요성: 마지막 슬라이드가 명확한 결론을 제시하지 않았고, 사람들이 지금까지 다룬 내용을 종합할 수 있는 기회가 부족했습니다. 프레젠테이션에서는 결론 슬라이드를 통해 전체 내용을 요약하고, 명확한 추천이나 결론을 제시하는 것이 중요합니다.

 


코너: 바람직한 데이터 프레젠테이션의 예

 

프레젠테이션 전략은 단순함과 명확성을 중시합니다. 발표자는 슬라이드를 구성할 때 중요한 요소들을 다음과 같은 방식으로 강조합니다:

  1. 제목 슬라이드: 간결하게 제목, 발표자, 날짜를 포함합니다. 날짜는 중요한 맥락을 제공하므로 미래에 참고할 때 도움이 됩니다.
  2. 목적 성명문: 발표의 목적을 명확하게 설명하며, 스토리텔링 형식을 채택합니다. 데이터는 단순한 수치가 아닌, 스토리를 전달하는 중요한 도구로 사용됩니다.
  3. 결론 및 권장사항: 결론은 명확하게 드러나야 하며, 권장사항이 함께 포함됩니다. 이와 함께 부록을 통해 추가 데이터를 제공하여 프레젠테이션의 흐름에 방해되지 않도록 합니다.
  4. 전환 슬라이드: 발표 내용을 명확히 하고, 무엇을 다루는지 설명합니다. 예시로, 발표는 국가의 행복도를 조사하는 과정에서 관련 인구통계와 경제적 요소들을 다루며 시작됩니다.
  5. 데이터 제시: 슬라이드에는 최소한의 텍스트만 사용하고, 시각 자료를 통해 데이터를 설명합니다. 애니메이션은 적절하게 사용해 청중의 주의를 끌고, 주석은 발표 내용을 보강하는 도구로 활용됩니다.
  6. 시각적 자료 설명: 예를 들어, 행복도와 인구 관계를 설명하기 위해 분산형 차트를 사용하고, 각 국가의 점수를 시각적으로 나타내는 방법을 보여줍니다. 차트의 요소와 상관관계를 설명하는 데 주석과 애니메이션을 활용하여, 청중이 이해하기 쉽도록 만듭니다.
  7. 데이터 분석 결과: 슬라이드에 요약된 분석 결과를 제시하고, 발표자가 분석한 주요 내용을 설명합니다. 이는 글머리기호와 함께 슬라이드에 나타나며, 시각 자료를 통해 얻어진 결론을 설명합니다.
  8. 전환을 통한 흐름 유지: 발표는 논리적인 흐름을 유지하며 슬라이드 간의 전환을 통해 청중이 다음에 다룰 내용을 기대할 수 있도록 안내합니다.
  9. 결론 도출: 데이터 분석을 통해 나온 중요한 결론들을 단계별로 제시합니다. 예를 들어, 행복과 GDP 사이의 상관관계가 가장 강하다는 점을 강조합니다. 이어서 부유한 국가가 더 행복하다는 일반적인 결론을 도출하고, 이를 기반으로 추가적인 분석과 질문을 제기합니다.
  10. 최종 슬라이드: 발표를 마무리하며 질문을 받을 시간을 가지며, 데이터 스토리텔링의 예술적 요소를 다시 강조합니다. 데이터 프레젠테이션은 단순히 수치를 나열하는 것이 아니라 청중에게 의미를 전달하는 예술적 과정임을 인식하게 합니다.

전반적으로 이 발표 방식은 데이터를 효과적으로 시각화하고, 스토리텔링과 분석을 결합하여 청중이 쉽게 이해하고 공감할 수 있도록 돕습니다.

 

 


프레젠테이션 스킬과 관행 파악

입증된 프레젠테이션 팁

 

1. 프레젠테이션 스킬의 중요성

  • 데이터 애널리스트는 분석뿐만 아니라, 분석 결과를 효과적으로 전달하는 능력이 중요함.
  • 데이터를 분석하는 것만으로는 충분하지 않으며, 분석한 내용을 명확하게 전달하여 의사결정에 도움을 줘야 함.

2. 프레젠테이션 스킬이 중요한 이유

  • 데이터 애널리스트는 여러 방식으로 정보를 전달함: 이메일, 메모, 대시보드, 프레젠테이션.
  • 좋은 시각화와 구성된 슬라이드가 중요하지만, 이를 어떻게 전달하느냐에 따라 이해도에 큰 차이가 발생함.
  • 청중이 분석을 기반으로 의사결정을 할 수 있게끔 해야 함.

3. 프레젠테이션에 대한 두려움 극복하기

  • 긴장은 자연스러운 반응이며, 아드레날린이 분비되면서 긴장감을 느끼는 것은 정상.
  • 깊고 절제된 호흡으로 몸을 진정시키고, 긴장감을 긍정적 에너지로 전환.
  • 연습을 통해 프레젠테이션은 점점 쉬워짐.

4. 프레젠테이션 구조 팁

  • 보편적인 질문을 먼저 다루고 구체적으로 진행하는 맥캔들리스 방식 활용.
  • 예를 들어 아보카도 프레젠테이션을 할 때, 전 세계적인 검색량에서 출발하여 계절별 추세와 리스크, 그리고 기회를 다루는 순서로 설명.

5. 5초 규칙 사용

  • 데이터 시각화 자료를 제시할 때 5초 규칙을 적용:
    1. 데이터 시각화 자료를 제시한 후 5초간 청중이 이해할 시간을 줌.
    2. 이해 여부를 묻고, 필요한 경우 추가 설명.
    3. 결론을 말하기 전 5초를 더 기다림.

6. 철저한 준비

  • 준비는 프레젠테이션 성공의 핵심. 다양한 방식으로 연습할 수 있음:
    • 실전처럼 연습.
    • 대본을 작성하고 반복 연습.
    • 자신의 프레젠테이션 모습을 상상.

7. 

  • 프레젠테이션 스킬은 점점 발전하는 과정이며, 연습을 통해 더 나아질 수 있음

 

 


전문가처럼 프레젠테이션하기

 

프레젠테이션 스킬을 향상시키는 방법에 대한 내용을 다음과 같이 정리할 수 있습니다:

1. 프레젠테이션 대상의 중요성

  • 모든 청중이 프레젠테이션을 동일하게 경험하지 않음.
  • 프레젠테이션 전에 이메일로 자료를 공유하거나 데이터 시각화 자료의 접근성을 고려하는 것이 중요함.
  • 프레젠테이션 중에는 청중의 필요에 집중해야 하며, 청중의 참여를 지속적으로 유도하는 것이 필요함.

2. 지식의 저주와 프레젠테이션

  • 발표자는 내용을 잘 알고 있지만, 청중은 그렇지 않음.
  • 지식의 저주란 발표자가 내용을 잘 알기 때문에 청중이 모른다는 점을 쉽게 잊는 현상을 의미함.
  • 청중이 결론에 도달할 수 있도록 필요한 배경 정보를 제공하는 것이 중요함.

3. 프레젠테이션 구조 및 내용

  • 프레젠테이션의 핵심 정보에 집중하고, 불필요한 세부 사항을 배제함으로써 청중의 관심을 유지해야 함.
  • 예를 들어, 데이터 수집 방식, 분석에 사용한 가정, 그리고 결론에 이르는 과정을 명확하게 설명할 필요가 있음.
  • 청중이 중요한 정보에서 벗어나지 않도록 불필요한 이야기를 포함하지 않음.

4. 프레젠테이션 정보의 양 조절

  • 차트에 과도한 정보를 넣으면 청중이 혼란스러울 수 있으므로, 필요한 정보만을 포함하도록 함.
  • 복잡한 정보를 많이 다루기보다 핵심만 전달하여 청중이 정보를 쉽게 이해하고 행동을 취할 수 있도록 함.

5. 프레젠테이션 전달 방법

  • 말하는 방식에 주의할 것:
    • 짧고 간결한 문장으로 설명.
    • 말을 할 때는 적절한 멈춤을 활용하여 청중에게 내용을 생각할 시간을 줌.
    • 말할 때 목소리 톤을 일정하게 유지하며, 질문처럼 들리지 않게 주의.
  • 긴장할 때 나오는 습관에 주의:
    • 말을 빠르게 하거나, 몸을 불필요하게 움직이는 행동은 청중의 주의를 산만하게 할 수 있음.
    • 올바른 자세를 유지하고, 의도적으로 움직이며 청중과의 시선 교환을 통해 집중을 유지해야 함.

6. 피드백의 중요성

  • 프레젠테이션을 통해 성장하기 위해 피드백을 요청하고 이를 수용할 필요가 있음.
  • 피드백은 개선의 기회이자, 프레젠테이션 스킬을 더 나아지게 만듦.

7. 결론

  • 이 모듈을 통해 프레젠테이션 스킬의 중요성과 데이터 통합 방법, 효과적인 전달 방식을 배웠으며, 이를 통해 분석 결과를 보다 효과적으로 전달할 수 있을 것임

 

 


데이터에 대한 주의사항 및 제한사항

질문 예상하기

 

프레젠테이션의 Q&A 준비 방법에 대한 내용은 다음과 같습니다:

1. 이해관계자의 기대 이해

  • 프로젝트의 목표와 이해관계자의 기대치를 명확히 이해하는 것이 중요합니다.
  • 이해관계자가 프로젝트를 맡기면서 무엇을 기대했는지 파악하면 질문을 예측하는 데 도움이 됩니다. 예를 들어, 건강과 행복에 대한 프로젝트에서는 지리적, 인구 통계학적, 경제적 요인에 대한 질문을 예상할 수 있습니다.

2. 동료 테스트

  • 프레젠테이션 전에 동료에게 테스트를 하여 어떤 질문이 나올 수 있는지 파악합니다.
  • 동료가 질문하는 내용이 실제 청중이 궁금해 할 수 있는 부분과 비슷할 수 있으며, 이를 통해 프레젠테이션을 수정하거나 추가 정보를 준비할 수 있습니다.

3. 가정하지 말기

  • 청중이 전문 용어배경 정보를 이미 알고 있다고 가정하지 않고, 필요한 경우 충분히 설명할 준비를 해야 합니다.
  • 예를 들어, GDP와 같은 용어를 사용할 때, 그것이 무엇인지 설명하고 넘어가야 혼란을 피할 수 있습니다.

4. 팀과 협력

  • 팀원들과 협력하여 예상되는 질문에 대한 답변 초안을 미리 준비해 두는 것이 좋습니다.
  • 팀 내에서 각자의 관점과 통찰력을 공유함으로써 더 다양한 질문에 대비할 수 있습니다.

5. 데이터의 제한사항 이해

  • 데이터에 제한사항이 있을 수 있으며, 이와 관련된 질문에도 대비할 필요가 있습니다.
  • 상관관계가 우연에 불과한지, 분석 도구의 강점과 약점을 충분히 이해하고 설명할 수 있도록 준비합니다.

6. 미래에 대비

  • 완벽한 예측은 불가능하지만, 이해관계자의 기대사항프로젝트 목표에 초점을 맞추고, 팀원들과 질문을 예측하고, 데이터를 충분히 검토함으로써 가능한 질문을 예상할 수 있습니다.

7. 반대 의견 대비

  • 데이터와 관련하여 반대 의견이 제기될 수 있으며, 이를 해결하는 방법에 대해 다음 시간에 다룰 예정입니다.

 


Q&A 준비하기

어떤 프로젝트를 준비하든 이해관계자가 여러분에게 기대하는 바를 처음부터 이해하는 것이 중요합니다. 이 읽기 자료는 데이터 수집 및 프레젠테이션을 계획하기 전에 해야 할 질문을 준비하는 것에 대한 모든 것을 다룹니다. 

목표, 이해관계자가 기대하는 것, 제한사항이 있는지 등 가능한 질문을 묻고 답하기 전에 고려할 것이 많습니다. 시작하기 전에 모두 준비되었는지 확인하세요. 아래 체크리스트는 Q&A를 제대로 준비하기 위해 해야 할 10가지 작업을 보여줍니다.

프레젠테이션 전

  1. 질문을 모으고 준비하세요.
  2. 매니저, 다른 애널리스트, 조직에서 친근한 지인 등과 여러분의 프레젠테이션에 대해 논의하세요.
  3. 매니저나 다른 애널리스트에게서 여러분이 프레젠테이션할 특정 대상이 과거에 어떤 종류의 질문을 했는지 알아보세요.
  4. 여러분의 분석을 담은 자료나 문서에 대한 의견, 피드백, 질문 등을 요청하세요.
  5. 프레젠테이션 최소 24시간 전에 까다로운 질문이나 불명확한 부분에 대해 브레인스토밍해보세요. 이렇게 하면 나중에 놀라지 않을 것입니다.
  6. 누락된 정보를 설명할 목적이든, 단순히 긴장을 풀기 위한 목적이든 프레젠테이션 연습은 많이 할수록 좋습니다.

프레젠테이션 중

  1. 분석 결과에 대해 답변하고 효과적이고 정확하게 설명할 준비를 하세요.
  2. 대상이 던질 수 있는 잠재적 질문에 대처하세요.
  3. 질문 하나로 프레젠테이션 방향이 틀어지지 않도록 오프라인 후속 조치를 제안하세요.
  4. 부록에 보조 시각화 자료와 콘텐츠를 넣으면 답변에 도움이 됩니다.

 

연습은 완벽으로 가는 길

프레젠테이션이나 회의를 준비하는 것을 두려워하지 마세요. 대상을 파악하고, 메모를 작성하고, 필요한 조사를 하고, 데이터를 정리하는 데 시간을 투자한다면 대상은 기꺼이 참여할 것입니다. 어쩌면 감동할지도 모릅니다.

 

 


반대 의견 다루기

 

프레젠테이션 스크립트는 데이터 프레젠테이션에 대한 반대 의견을 효과적으로 처리하는 방법은 다음과 같습니다:

1. 데이터에 대한 반대 의견

  • 데이터 출처수집 방법에 대해 이해관계자가 궁금해할 수 있습니다. 데이터가 어떻게 수집되었는지, 어떤 변환이 이루어졌는지 설명하면 데이터의 신뢰성을 강화할 수 있습니다.
  • 이를 대비해, 프레젠테이션 시작 시 데이터에 대한 기본 정보를 제공하고, 더 많은 세부 사항은 부록에 추가할 수 있습니다.
  • 데이터의 변경 사항 기록을 남겨, Q&A 세션에서 추가 질문에 대비할 수 있습니다.

2. 분석에 대한 반대 의견

  • 분석이 재현 가능한지 또는 변경 사항을 기록했는지 묻는 질문에 대비해야 합니다. 따라서 분석 과정 전체를 문서화하고, 분석을 다른 사람이 따라 할 수 있도록 준비해 두는 것이 중요합니다.
  • 프로그래밍 언어(SQL, R 등)를 사용했다면, 스크립트를 정리하여 보관하면 분석을 재현하는 데 도움이 됩니다.
  • 분석 결과가 다른 사람의 직감에 반할 경우, 그 과정에서 피드백을 누구로부터 받았는지 질문할 수도 있으니 이에 대한 준비도 필요합니다.

3. 분석 결과에 대한 반대 의견

  • 사람들은 분석 결과가 이전 데이터와 일관성이 있는지 또는 데이터 차이를 통제했는지 물을 수 있습니다.
  • 분석 결과가 예상과 다를 경우, 그 결과를 도출한 변수를 설명하는 것이 중요합니다.
  • 반대 의견이 타당할 경우 이를 인정하고, 더 깊이 조사할 방법을 제안하는 것도 좋은 대응 방식입니다.

4. 반대 의견에 대응하는 방법

  • 전제를 전달하여 반대 의견에 미리 대비하고, 데이터나 분석 과정에서의 의구심을 해소할 수 있는 정보를 제공합니다.
  • 분석 결과가 왜 예상과 다르게 나왔는지 설명하고, 결과에 영향을 미친 변수들을 구체적으로 설명하는 것이 중요합니다.
  • 반대 의견이 도움이 되는 경우, 그 의견을 받아들이고 추후 더 조사할 계획을 세웁니다.

 

 


경청, 대응, 포용

Q&A 권장사항

 

프레젠테이션 Q&A에서 질문에 답변하는 방법과 권장 사항을 다루었습니다.

1. 질문을 끝까지 듣기

  • 질문을 완전히 이해하기 전에는 답변을 생각하지 마세요.
  • 질문자가 말을 끝낼 때까지 기다리고, 충분히 듣는 것이 중요합니다.

2. 질문을 반복하기

  • 질문을 반복함으로써 질문을 제대로 이해했는지 확인할 수 있습니다.
  • 질문을 잘못 이해했을 경우 질문자가 이를 수정할 기회를 제공합니다.
  • 질문을 못 들은 청중에게도 질문을 명확히 전달할 수 있습니다.
  • 답변하기 전에 생각을 정리할 시간도 벌 수 있습니다.

3. 프레젠테이션 맥락에 맞는 답변 준비

  • 질문이 어디에서 나왔는지 맥락을 이해하고, 청중의 우려사항이나 배경을 고려해야 합니다.
  • 대상이 누구인지, 그들의 관심사이해관계에 맞춘 답변을 하세요.

4. 질문한 사람만이 아닌 모두를 위한 답변

  • 질문을 한 사람만을 위한 답변이 아니라, 같은 의문을 가진 모든 청중을 위한 답변을 해야 합니다.
  • 유용한 정보를 가진 사람이 있으면 그들의 의견을 요청하는 것도 좋은 방법입니다.

5. 간결하고 요점에서 벗어나지 않는 답변

  • 답변은 간결하고 핵심적인 정보만 포함하도록 해야 합니다.
  • 질문에 대해 간단히 답변한 후, 필요한 경우 추가 질문에 더 자세히 답변하는 것이 좋습니다.
  • 너무 길고 복잡한 답변은 청중의 주의를 분산시킬 수 있습니다.

6. 추가 분석이나 조사가 필요한 질문에 대한 대응

  • 모든 질문에 즉각 답변할 필요는 없습니다. 더 많은 분석이 필요한 질문에 대해서는 나중에 답변하겠다고 말해도 괜찮습니다.
  • 중요한 것은 나중에 그 질문에 대해 꼭 답변하는 것입니다.

7. 프레젠테이션 부록 활용

  • 더 자세한 데이터나 설명이 필요한 경우를 대비해 부록을 만들어 참고할 수 있게 준비해 두세요.

이러한 권장 사항을 활용하면 질문에 효과적으로 답변할 수 있고, 더 전문적이고 준비된 인상을 줄 수 있습니다.

 

 


마무리 인사

 

 

 

 

 

 

728x90

 

 

728x90
반응형