Googlesheet_구글시트로 월 단위 커리어 리뷰 하기

월 단위 커리어 리뷰를 해봅시다.

 

월 단위 커리어 리뷰는 제가 그냥 만든 용어입니다.

 

제가 커리어에 쏟는 시간을 월 단위로 리뷰를 하는 시간을 가지고자 합니다. 이번 달에는 어떤 업무에 얼마나 시간을 썼는지를 파악하고, 그것을 평가하여 다음 달 업무를 디자인하는데 도움이 된다고 생각하기 때문입니다.  

 

저는 매일 어떤 유형의 업무를 얼마나 진행했는지 6분 단위로 기록을 합니다. 6분인 이유는 1시간을 10등분으로 쪼개 관리하기 때문입니다. 2022년 1월 일 단위 업무 기록을 한번 봅시다.

오늘 제가 리뷰할 기록은 1월에 해당하는 기록입니다. 따라서 2022년 1월 1일부터 동년 동월 31일 사이의 기록을 조건으로 데이터를 가져오겠습니다.

=query(daily!$A$7:K,"select B, C, E, I, J where A > date'2022-01-02'and A < date'2022-01-31'",1)

 

Query 함수를 사용해 가져오고자 하는 열(B, C, E, I, J) 5개를 셀렉하고 조건으로 날짜를 넣었습니다. 2022년 1월의 첫 근무일은 1월 3일이므로 1월 2일로 초과하는 날짜 기준으로 조건문을 넣었습니다.

그런데 보시면 중복되는 업무 내용들이 많이 있는 것을 알 수 있습니다. 저는 일 단위가 아닌 월 단위로 제가 어떤 업무들을 했는지 파악을 하고 싶습니다. 따라서 이들을 그루핑해서 통계를 내어보고자 합니다.

Query 함수에서 GROUP BY 조건문을 활용하여 그루핑하고자 하는 컬럼들을 그루핑해주자.

=query(daily!$A$7:K,"select C, sum(I) where (A > date'2022-01-01'and A < date'2022-01-31') Group By C Label sum(I)'Total Hours' ",1)

위와 같이 업무 카테고리들을 그룹해주니 2022년 1월에 어떤 업무에 시간을 할애했는데 큰 틀에서 확인할 수 있다.

기록된 총 업무 시간은 약 142시간이며, 2022년 1월 비즈니스 데이 20일 기준으로 나누면 하루 평균 시간이 약 6.6시간으로 나온다. 실제 업무 시간은 9 to 6에서 점심시간 1시간을 제외한 8시간이다. 따라서 하루 평균 약 1.4시간에 대한 업무에 대한 기록이 없어 해당 시간은 트래킹 할 수 없다는 문제가 발생했다. 물론 업무 중간 휴식시간 또는 기록하기에 우선순위가 낮은 업무들을 고려해야 하지만 그럼에도 불구하고 하루 평균 1.4시간에 대한 추적이 되지 않는 다는 점은 반성할 필요가 있다고 본다. 

좀 더 디테일하게 들어가보자.

2022년 1월 Development에 할애한 시간은 약 68시간으로 전체 업무량에서 절반 이상을 차지한다. 50%도 아닌 51%라는 점에서 나는 확실히 개발 업무에 열중했다는 점을 강조하고 있는 듯 하다. 그 다음으로 큰 비중을 차지한 업무 카테고리는 operation으로 약 20%을 할애했다. 그 외 planning은 14%, 마케팅은 9% 그리고 sales 관련 업무는 6%로 가장 비중이 낮았다. 

카테고리들에 구체적으로 어떤 이슈(중분류 업무)들이 있었는지 쪼개보자.

=query(daily!$A$7:K,"select C, E, sum(I) where (A > date'2022-01-01'and A < date'2022-01-31') Group By C, E Label sum(I)'Total Hours' ",1)

컬럼을 E를 추가로 셀렉해주고 GROUP BY를 C, E 순으로 그루핑해주었다. 핵심은 C, E를 그룹핑을 함께 해주는 것이다(*참조 url). 그리고 sum(I)의 칼럼명을 ‘Total Hours’로 라벨링 해주었다. 

비중 컬럼을 추가해서 각 업무 항목별로 얼마나 시간을 썼는지 파악해보자. 

시간 투입량이 가장 높은 development 항목은 패션 데이터베이스 구축 작업이 포함되어 있다. 현재 몸 담고 있는 브랜드가 가진 데이터들을 체계적으로 활용할 수 있도록 데이터베이스 구축 작업을 진행중이다. 멋지게 말하면 Fashion DB를 개발중에 있습니다라고 할 수 있고 실제 하고 있는 일은 수천개의 정형, 비정형 데이터들을 수집해서 하나하나 다듬는 작업을 하고 있다고 보면 된다. 데이터 사이언스&엔지니어링 교육을 받을 때 강사님께서 데이터 작업의 8할은 데이터 전처리 노가다라고 하셨는데 그 말이 이제야 이해가 된다.

그 다음으로 많이 할애한 업무는 컬렉션 라인시트를 작성하는 operation 업무다. Operation 업무라고 규정한 이유는 라인시트가 브랜드 컬렉션 세일즈를 위해 기본적으로 수행되어야 하는 업무라 생각했기 때문이다. 라인시트는 작업지시서를 기반으로 작성된다. 작업지시서는 디자이너들의 창작물인 디자인이라는 비정형 데이터를 정형 데이터인 숫자로 옮기는 과정에서 핵심이 되는 데이터다. 그 말인 즉슨 비정형 데이터와 관련된 문서를 다루기 때문에 어쩔 수 없이 인간의 단순 노동이 들어갈 수 밖에 없다는 말이다. 그렇기 때문에 아무래도 시간 소요가 많지 않았나 싶다.

 

그 다음으로는 컬렉션 분석 업무에 약 11%의 시간을 할애했다. 전 컬렉션들의 판매량, 가격 기록들을 분석하여 다음 컬렉션의 가격 책정, 판매 전략을 수립한다. 효과적인 전략을 수립하기 위해 숙제를 잘 해놓아야 한다. 숙제가 무엇일까. 전략 수립 미팅을 하기 전에 데이터 담당자가 전략 수립에 필요한 데이터들을 모으고 분류하고 이를 정리하는 숙제는 미리 끝내야 한다. 이번 시즌에서 느낀 점은 DB 구축이 완성되지 않은 상황에서 전략 수립에 필요한 데이터를 수집하는 것이 어렵다는 점이다. 다음 시즌이 오기전에 DB 개발을 끝내야겠다는 생각이 든다.

그 외 나머지 업무 중 주목할 만한 업무는 마케팅 업무다. 이번에 디지털 마케팅 업무도 내가 맡게 되었다. 마케팅 업무 중 광고 집행을 하려고 보니 광고도 미리 세팅이 되어있어야 한다는 점을 알게 되었다. 단순히 광고만 집행하려면 비용만 준비되면 되지만, 디지털 마케팅의 핵심은 추적이다. 추적을 하기 위해선 데이터 파이프라인이 구축되어야 하는데 내가 업무를 맡은 시점에서는 아직 세팅이 된 것이 없었을 뿐만 아니라 새로운 마케팅 솔루션을 쓰게된 상황이여서 광고 세팅 관련하여 리서치하고 세팅을 하는데 많은 시간을 할애했다. 

Overview

정리하자면 DB 개발에 절반의 시간을 투입했고, 그 외 마케팅, 컬렉션 등 오퍼레이션 업무에 약 30%의 시간을 투입했다. 나는 단순 업무에 최대한 시간을 덜 쓰는 것이 중요하다고 생각한다. 따라서 오퍼레이션 업무 중 단순 업무 등은 최대한 자동화하고 그렇게 하여 아낀 시간들은 기획이나 개발 업무에 투입을 하여 생산성을 높이는 방향으로 가고자 한다.