문제 내부 데이터나 외부 연구결과를 제시받았을 때 관리자들은 너무나도 자주 그 정확성과 비즈니스와의 연관성을 기계적으로 받아들이거나 아예 무시해 버린다.
발생하는 이유 리더는 실수로 인과관계를 상관관계와 혼동하거나 표본 크기의 중요성을 과소평가하고, 잘못된 결과에 집중하거나 일반화 가능성을 잘못 판단하며, 특정 결과에 과도한 가중치를 부여한다.
올바른 접근방식 리더는 증거의 유용성에 대해 엄격하게 토론하면서 증거에 심도 있는 질문을 던져야 한다. 참가자들이 다양한 관점을 제시할 수 있도록 심리적으로 안전한 환경을 조성해 참가자들이 편안함을 느끼도록 해야 한다.
당신의 회사에 근무하는 창고 직원의 시간당 급여에 관한 회의를 주재하고 있다고 가정해 보자. 지난 몇 년 동안 급여는 인플레이션을 따라잡기 위해 자동으로 소폭 인상돼 왔다. 그런데 팀원 중 한 명이 임금을 인상하면 생산성이 크게 향상돼 결과적으로 이익이 개선된다는 대기업의 연구결과를 인용하며 창고 직원의 시급을 시간당 2달러씩 대폭 올리는 새로운 접근을 주장한다. 당신이라면 어떻게 하겠는가?
많은 경우 비즈니스 리더들은 이런 상황에서 제시된 증거를 복음처럼 맹신하거나 아예 무시해 버리는 두 가지 중 하나를 택한다. 하지만 두 가지 접근 모두 잘못됐다. 그 대신 리더는 비즈니스와 관련 있어 보이는 증거와 주어진 상황에 대한 적용 가능성을 신중하게 평가하는 토론의 장을 마련해야 한다.
방금 설명한 시나리오에서는 임금 인상이 회사에 미칠 수 있는 잠재적 영향을 평가하기 위해 일련의 질문을 던져야 한다. 예를 들어 다음과 같은 질문을 던질 수 있다.
→ 연구결과가 창고 직원에게도 해당되는지 평가할 수 있도록 연구조건의 설정에 대해 자세히 알려줄 수 있는가?
→ 우리 회사의 임금이 동일한 직원을 두고 경쟁하는 다른 고용주의 임금과 비교해 얼마나 차이가 나며 연구결과와 비교해 어느 정도인가?
→ 실험을 수행했나? 실험이 없었다면 임금 인상이 생산성 향상을 가져온 것인지 아니면 생산성 향상을 반영한 결과인지 파악하기 위해 어떤 접근법을 사용했는가?
→ 어떤 생산성 측정 방법을 사용했으며 그 효과는 얼마나 오래 측정됐나?
→ 관련 있는 또 다른 분석 또는 데이터가 있는가?
물론 질문할 때는 어감이 중요하다. 이런 질문은 진정한 호기심에서 출발해야 하며 답변으로부터 배우고 올바른 추천을 받겠다는 열망을 가져야 한다.
외부 연구에서 얻은 증거든 내부 데이터에서 얻은 증거든 중요한 결정을 내리기 전에는 철저하게 검토하는 것이 중요하다. 우리는 여러 기업들을 만나면서 이런 관행이 일관되게 지켜지지 않는 것을 발견했다. 데이터를 많이 사용하는 기술 기업들도 마찬가지였다. 선입견이나 잘못된 비교, 집단사고가 토론을 지배하는 경우가 너무나도 많았다. 심리학 및 경제학 연구에 따르면 여러 편향들이 증거의 체계적인 평가를 방해한다. 특정 사례나 일화를 강조하면서 일반적인 통계는 간과하는 ‘기저율 무시base rate neglect’나 기존 신념을 뒷받침하는 결과를 찾고 과대평가하는 ‘확증 편향confirmation bias’ 등이 대표적이다. 기업이 항상 이런 패턴에 빠질 필요는 없다. 우리는 그동안의 연구, 기업 협력, 교육 경험(임원 대상의 리더십 및 비즈니스 애널리틱스 교육 및 최근 개설한 ‘데이터 기반 리더십’ MBA 과정)을 바탕으로 일반 관리자들이 더 나은 의사결정을 내릴 수 있도록 데이터에 대해 토론할 때 활용할 만한 접근법을 개발했다.
