개선 프로젝트를 진행하면서 만나게 되는 많은 데이터들...
이런 데이터를 개선하는 팀멤버가 아닌 다른 사람을 설득하기 위해 보고해본 경험이 있는가?

여러분의 데이터에 숫자에 생명을 불어 넣어주자
우리가 디지털 카메라나 스마트폰으로 사진을 찍으면 카메라가 실제 하는 일은
수집한 정보를 2진법 코드로 바꾸어 주는 일이다. 즉 촬영한 사진은 수많은
1과 0 이라는 숫자의 묶음일 뿐이다.

카메라가 기록한 모든 정보는 원시 데이터 상태로는 아무런 쓸모가 없다.
우리가 촬영한 것을 실제 시진으로 보여주기 전에 1과 0이라는 숫자는 그림으로
전환될 필요가 있다.

비슷한 상황을 통계적인 분포나 데이터를 사용하려고 할 때에 마주친다.
예를 들어, 척도모수(Scale)가 8이며 형상모수(Shape)가 7인 감마분포를 따르는
데이터가 있다고 하자. 이 값이 의미하는 것이 무엇인지? 만일 이 분포의
형상모수(Shape)가 10으로 바뀌었다면 좋아진 것일까, 아니면 나빠진 것일까?

가령 여러분은 이 정도쯤이야 하고 이해하고 있을지도 모르지만, 통계적인
의미보다 결과에 더 관심이 많은 사람들에게 어떻게하면 쉽게 설명할 수 있을까?

이 경우에 적합한 해결방법이 바로 확률분포도 (Probability Distribution Plot)이다.
건축자재를 만드는 회사에서 I-빔(I-beam)의 강도를 증가시키기 위해 새로운 공정을
개발하고 있다.

개선전의 공정은 척도모수(Scale)가 8이며 형상모수(Shape)가 7인
감마분포를 따르며, 새로 개발한 공정은 형상모수(Shape)가 10으로 개선되었다.

확률분포도를 만들어 보면 형상모수의 변경은 30을 벗어나는 불량률이 8.63%에서
0.53%로 8.1% point 개선된 것을 확인할 수 있게된다.

정리하면, 확률분포도는 우리가 분석하고자 하는 막연한 데이터를 마치
디지털 카메라가 이진법으로 구성된 원시 데이터를 눈으로 볼 수 있는 사진으로 보여주듯
분석 데이터가 가지고 있는 속성을 알기 쉽게 변환해주는 역할을 한다.

즉, 분석작업 혹은 보고자료를 작성하다가 다른 데이터를 만날 때에도 데이터의 분포의
종류를 확인하고 특성치를 알수 있을 때 확률분포도를 그려 봄으로써
숫자에 생명을 불어 넣을 수 있게된다.